一種網(wǎng)頁表格數(shù)據(jù)通用抓取方法
基本信息
| 申請?zhí)?/td> | CN202011599380.7 | 申請日 | - |
| 公開（公告）號 | CN112685619A | 公開（公告）日 | 2021-04-20 |
| 申請公布號 | CN112685619A | 申請公布日 | 2021-04-20 |
| 分類號 | G06F16/951(2019.01)I;G06F16/955(2019.01)I | 分類 | 計算；推算；計數(shù); |
| 發(fā)明人 | 曹肖林;許琳逸 | 申請（專利權(quán)）人 | 江蘇樂道胡巴投資管理有限公司 |
| 代理機構(gòu) | 北京艾皮專利代理有限公司 | 代理人 | 馬小輝 |
| 地址 | 214000江蘇省無錫市濱湖區(qū)建筑西路599號A幢1226室 | ||
| 法律狀態(tài) | - | ||
摘要
| 摘要 | 本發(fā)明適用于計算機技術(shù)領(lǐng)域，提供了一種網(wǎng)頁表格數(shù)據(jù)通用抓取方法；其應(yīng)用于網(wǎng)頁表格數(shù)據(jù)通用抓取系統(tǒng)，包括以下處理步驟：獲取用戶輸入的自定義抓取內(nèi)容特征；獲取網(wǎng)站的配置文件信息，通過網(wǎng)站的配置文件信息獲取個頁面的URL路徑信息，進一步的獲取各頁面的數(shù)據(jù)；對頁面信息進行解析，獲取表格數(shù)據(jù)，將表格數(shù)據(jù)和含有表格數(shù)據(jù)的該頁面網(wǎng)絡(luò)鏈接儲存至數(shù)據(jù)庫中；對數(shù)據(jù)庫中的表格數(shù)據(jù)進行比對，將相同數(shù)據(jù)進行剔除；然后對剔除后的表格數(shù)據(jù)進行分類排列、展示。?? |
