一种可自定义的网页数据爬取方法.pdfVIP

下载本文档

0
0
约1.28万字
约 13页
2023-10-14 发布于四川
举报
版权申诉

一种可自定义的网页数据爬取方法.pdf

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

本申请公开了一种可自定义的网页数据爬取方法，属于网页数据提取技术。该方法根据第一参考文本的第一词组识别文本块，提取该文本块的第二参考文本，从第二参考文本提取多个第二词组；再从第一资源池中逐一采集基础URL地址并生成文本内容，基于第二词组抓取文本内容的目标文本。同时，基于超文本抓取文本内容的多个引用URL地址并存储至第二资源池，循环读取引用URL地址的页面内容，实现二级链接的单独爬取。该方法实现参考文本的自定义，避免用户必须按照规则提供爬取对象。该方法还计算标签路径的文本路径比与修正文本路径比，为

(19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 116881595 A (43)申请公布日 2023.10.13 (21)申请号 202311141544.5 (22)申请日 2023.09.06 (71)申请人江西顶易科技发展有限公司地址