申请/专利权人：深圳壹账通智能科技有限公司

申请日：2021-02-25

公开（公告）日：2021-06-08

公开（公告）号：CN112925968A

主分类号：G06F16/951(20190101)

分类号：G06F16/951(20190101);G06F16/955(20190101);G06F16/958(20190101)

优先权：

专利状态码：在审-实质审查的生效

法律状态：2021.10.12#实质审查的生效;2021.06.08#公开

摘要：本申请实施例属于大数据的数据采集领域，涉及一种基于爬虫的数据抓取方法，包括获取目标网页，并对目标网页进行解析，得到目标网页的所有标签，根据标签得到标签对，遍历所有标签对，并对每个标签对中的字符进行查找，将满足第一预设条件的字符作为第一字符，并将满足第二预设条件的字符作为第二字符，以第一字符为起点，第二字符为终点，读取出起点和终点之间的目标字符，在确定满足提取条件时，将目标字符作为页面内容进行提取。本申请还提供一种基于爬虫的数据抓取装置、计算机设备及存储介质。此外，本申请还涉及区块链技术，页面内容可存储于区块链中。本申请可以增强爬虫的适应性，减少工作量，提高数据抓取效率。

主权项：1.一种基于爬虫的数据抓取方法，其特征在于，包括下述步骤：获取目标网页，并对所述目标网页进行解析，得到所述目标网页的所有标签；根据所述标签得到标签对，遍历所有所述标签对，并对每个所述标签对中的字符进行查找，将满足第一预设条件的字符作为第一字符，并将满足第二预设条件的字符作为第二字符；以所述第一字符为起点，所述第二字符为终点，读取所有所述起点和所述终点之间的目标字符；判断所述目标字符是否满足提取条件，在确定满足提取条件时，将所述目标字符作为页面内容进行提取。

全文数据：

权利要求：

百度查询： 深圳壹账通智能科技有限公司 基于爬虫的数据抓取方法、装置、计算机设备及存储介质

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD