[发明专利]基于浏览器内核的网页爬取方法、装置及包含该装置的浏览器在审
| 申请号： | 201210259864.6 | 申请日： | 2012-07-25 |
| 公开（公告）号： | CN103577427A | 公开（公告）日： | 2014-02-12 |
| 发明（设计）人： | 付俊;张峰;杨光华 | 申请（专利权）人： | 中国移动通信集团公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 北京英赛嘉华知识产权代理有限责任公司 11204 | 代理人： | 余朦;王艳春 |
| 地址： | 100032 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本申请提供了一种基于浏览器内核的网页爬取方法、网页爬取装置及包含该装置的浏览器。所述方法包括：从用户获取初始URL；利用浏览器内核从Web服务器获取所述初始URL所对应网页的源代码文件；基于所述源代码文件生成相应的DOM树；遍历所述DOM树以获取所述网页中包含的静态URL和动态URL；以及将所述静态URL和动态URL加入待爬URL队列中。本申请的网页爬取方法能够支持各种网页标准，兼容各种不规范的网页；通过事件触发和HOOK手段能够更多、更准确的爬取URL。 | ||
| 搜索关键词： | 基于 浏览器 内核 网页 方法 装置 包含 | ||
【主权项】：
一种基于浏览器内核的网页爬取方法，包括：从用户获取初始URL；利用浏览器内核从Web服务器获取所述初始URL所对应网页的源代码文件；基于所述源代码文件生成相应的DOM树；遍历所述DOM树以获取所述网页中包含的静态URL和动态URL；以及将所述静态URL和动态URL加入待爬URL队列中。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国移动通信集团公司，未经中国移动通信集团公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201210259864.6/，转载请声明来源钻瓜专利网。
- 上一篇：一种玻璃台板
- 下一篇：一种具有安装角度可调节功能的路灯头
