一种非结构化网页信息的自动采集方法

发明专利无效专利

申请号：
CN200710170601.7
IPC分类号：G06F17/30;H04L29/06
申请日期：
2007-11-19
申请人：
上海新纳广告传媒有限公司

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种非结构化网页信息的自动采集方法
申请号	CN200710170601.7	申请日期	2007-11-19
法律状态	撤回	申报国家	中国
公开/公告日	2009-05-27	公开/公告号	CN101441629
优先权	暂无	优先权号	暂无
主分类号	G06F17/30 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06F 电数字数据处理（基于特定计算模型的计算机系统入G06N） G06F17/00 特别适用于特定功能的数字计算设备或数据处理设备或数据处理方法〔6〕 G06F17/30 信息检索；及其数据库结构〔6〕	IPC分类号	G;0;6;F;1;7;/;3;0;;;H;0;4;L;2;9;/;0;6查看分类表>
申请人	上海新纳广告传媒有限公司	申请人地址	上海市长宁路1027号42F 变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	上海新纳广告传媒有限公司	当前权利人	上海新纳广告传媒有限公司
发明人	金骏;戴斌华
代理机构	上海科盛知识产权代理有限公司	代理人	赵志远

摘要

本发明涉及一种非结构化网页信息的自动采集方法，包括以下步骤：1)蜘蛛采集计算机系统从数据存储装置中读取网址链接表；2)检测网址链接表中是否有待采集的网址，若否，则采集结束；3)若步骤2的检测结果为是，则选择对应于待采集的网址的分解规则；4)创建至少一个线程，该至少一个线程通过所选的分解规则分解当前网址的页面；5)分解完成后，将需保存的网页信息及采集状态信息保存到数据存储装置，并返回步骤2。与现有技术相比，本发明将非结构化的信息从各种网站来源页面中抽取出来保存到结构化的数据库中的系统，通过本发明的方法，可以在信息收集整合方面节约大量的人力与资金。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供