[发明专利]一种基于不同更新策略的分布式网络爬虫抓取方法在审
| 申请号： | 201610181698.0 | 申请日： | 2016-03-28 |
| 公开（公告）号： | CN105868327A | 公开（公告）日： | 2016-08-17 |
| 发明（设计）人： | 封金煜;杨胜华;崔乐乐 | 申请（专利权）人： | 浪潮软件集团有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 济南信达专利事务所有限公司 37100 | 代理人： | 姜明 |
| 地址： | 250100 山东*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于不同更新策略的分布式网络爬虫抓取方法，属于获取计算机网页更新信息技术领域。所述基于不同更新策略的分布式网络爬虫抓取方法包括以下步骤：S1：网页更新策略：（1）通过网页不同属性，进行聚类分析，将相同的属性的网页分为一组；（2）对同一聚类组的网页进行抽样提取，通过历史参考策略确定网页的更新频率；（3）通过得到的网页更新频率，对网页进行定时抓取；S2：分布式集群搭建。本发明所述基于不同更新策略的分布式网络爬虫抓取方法，避免了实时监测网页是否更新，可以通过得到的网页更新频率来定时的进行网页更新，减低了系统存储的负担，具有很好的推广应用价值。 | ||
| 搜索关键词： | 一种 基于 不同 更新 策略 分布式 网络 爬虫 抓取 方法 | ||
【主权项】：
一种基于不同更新策略的分布式网络爬虫抓取方法，其特征在于：包括以下步骤：S1：网页更新策略：（1）通过网页不同属性，进行聚类分析，将相同的属性的网页分为一组；（2）对同一聚类组的网页进行抽样提取，通过历史参考策略确定网页的更新频率；（3）通过得到的网页更新频率，对网页进行定时抓取；S2：分布式集群搭建：采用一致性哈稀分片算法进行redis集群的搭建，将不同的key分布到不同的redis server上。
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浪潮软件集团有限公司，未经浪潮软件集团有限公司许可，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/201610181698.0/，转载请声明来源钻瓜专利网。
- 上一篇：一种带温度压力补偿的膜式燃气表
- 下一篇：一种地理信息采集装置
