數(shù)據(jù)爬取方法及系統(tǒng)

基本信息

申請?zhí)?/td> CN201910395359.6 申請日 -
公開（公告）號 CN110134853A 公開（公告）日 2019-08-16
申請公布號 CN110134853A 申請公布日 2019-08-16
分類號 G06F16/953 分類 計算；推算；計數(shù);
發(fā)明人 郭奇杰 申請（專利權(quán)）人 重慶八戒傳媒有限公司
代理機構(gòu) 北京酷愛智慧知識產(chǎn)權(quán)代理有限公司 代理人 鄒成嬌
地址 401121 重慶市渝北區(qū)北部新區(qū)青楓北路30號（拓展區(qū)A5棟鳳凰C座第5層）
法律狀態(tài) -

摘要

摘要 本申請?zhí)峁┮环N數(shù)據(jù)爬取方法及系統(tǒng)，所述方法包括：獲取待爬取網(wǎng)站的網(wǎng)頁分級信息和相應(yīng)的網(wǎng)頁信息；基于網(wǎng)頁分級信息，設(shè)定至少一級頁面解析規(guī)則節(jié)點以生成爬蟲樹；基于所述爬蟲樹對所述待爬取網(wǎng)站進行數(shù)據(jù)爬取。本采用工作流的方式來獲取網(wǎng)頁數(shù)據(jù)，應(yīng)用自定義規(guī)則的方式來解析網(wǎng)頁，獲取自己需要的信息，能夠大大提高不同類型網(wǎng)頁的數(shù)據(jù)采集效率，同時結(jié)合對外接口，方便用戶二次開發(fā)使用，滿足用戶各類定制需求。同時通過多級頁面解析規(guī)則節(jié)點的設(shè)置，可以細化提取數(shù)據(jù)，進一步提高數(shù)據(jù)抓取的效率和速度。