申请/专利权人:行吟信息科技(上海)有限公司
申请日:2020-04-16
公开(公告)日:2020-07-17
公开(公告)号:CN111428115A
主分类号:G06F16/951(20190101)
分类号:G06F16/951(20190101)
优先权:
专利状态码:在审-实质审查的生效
法律状态:2020.08.11#实质审查的生效;2020.07.17#公开
摘要:本发明提供一种网页信息处理方法及装置,主服务器将获取到的待抓取主题对应的网络资源数据存储到队列中,各个从服务器获取队列中的至少一个网络资源数据,向网络资源数据发送获取请求,接收与网络资源数据对应的网页信息,以实现至少通过各个从服务器抓取与网络资源数据对应的网页信息,从而提高网页信息的抓取效率。并且主服务器在待抓取主题对应的网络资源数据的存储时间达到过期时间后清空队列,以在队列中重新存储更新的待抓取主题对应的网络资源数据,实现对队列中的网络资源数据的定时更新,这样就可以基于变化后的网络资源数据抓取网页信息,实现增量获取网页信息,防止网页信息的重复获取。
主权项:1.一种网页信息处理方法,其特征在于,所述方法包括:主服务器获取待抓取主题对应的网络资源数据;所述主服务器将所述待抓取主题对应的网络资源数据存储到队列中;各个从服务器获取所述队列中的至少一个网络资源数据,向所述网络资源数据发送获取请求,接收与所述网络资源数据对应的网页信息;所述主服务器在所述待抓取主题对应的网络资源数据的存储时间达到过期时间后清空所述队列,以在所述队列中重新存储更新的待抓取主题对应的网络资源数据。
全文数据:
权利要求:
百度查询: 行吟信息科技(上海)有限公司 一种网页信息处理方法及装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。