一種基于互聯(lián)網(wǎng)定向站點(diǎn)網(wǎng)頁數(shù)據(jù)采集的方法及裝置

基本信息

申請?zhí)?/td> CN200910217505.2 申請日 -
公開（公告）號 CN102117275B 公開（公告）日 2012-11-07
申請公布號 CN102117275B 申請公布日 2012-11-07
分類號 G06F17/30(2006.01)I 分類 計(jì)算；推算；計(jì)數(shù);
發(fā)明人 吳新麗;楊建武;藍(lán)康泰;尹小剛 申請（專利權(quán)）人 北京方正電子政務(wù)信息科技有限公司
代理機(jī)構(gòu) 北京同達(dá)信恒知識產(chǎn)權(quán)代理有限公司 代理人 北大方正集團(tuán)有限公司;北京大學(xué);北京方正電子政務(wù)信息科技有限公司;北京北大方正電子有限公司
地址 100871 北京市海淀區(qū)成府路298號方正大廈9層
法律狀態(tài) -

摘要

摘要 為了解決現(xiàn)有技術(shù)文件采集系統(tǒng)無法保證對采集站點(diǎn)及時、有效的進(jìn)行數(shù)據(jù)采集的問題，本發(fā)明公開了一種基于互聯(lián)網(wǎng)定向站點(diǎn)網(wǎng)頁數(shù)據(jù)采集的方法及裝置，該方法包括：根據(jù)待采集URL的優(yōu)先級值，將待采集URL加入到具有對應(yīng)優(yōu)先級的URL隊(duì)列中，根據(jù)各URL隊(duì)列中的URL數(shù)量、URL隊(duì)列優(yōu)先級值和權(quán)值因子確定各URL隊(duì)列權(quán)值，權(quán)值因子為用于刷新和獲取內(nèi)容頁鏈接的列表頁刷新后，列表頁中新的URL鏈接數(shù)量，從權(quán)值最高的URL隊(duì)列中獲取URL，計(jì)算得到URL隊(duì)列權(quán)值，進(jìn)而對權(quán)值最高的待訪問URL隊(duì)列中的URL進(jìn)行訪問，并根據(jù)訪問的URL采集網(wǎng)頁數(shù)據(jù)，進(jìn)而實(shí)現(xiàn)及時、有效的進(jìn)行數(shù)據(jù)采集。