网页数据的爬取方法及装置.pdfVIP

下载本文档

1
0
约2.31万字
约 18页
2023-05-29 发布于四川
举报
版权申诉

网页数据的爬取方法及装置.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

本发明公开了一种网页数据的爬取方法及装置，涉及数据处理技术领域，提高了爬取不同网页模板制作的多个网页中的数据内容的爬取效率，本发明的主要技术方案为：对多个待爬取网页进行分类处理；通过通用爬取模块爬取每个待爬取网页对应的源代码文件；使用每个类别对应的专属内容解析模块对多个源代码文件进行解析处理，以获得每个源代码文件中包含的半结构化数据；使用每个类别对应的专属数据处理模块对多个半结构化数据进行分解处理，以获得每个半结构化数据包含的多个结构化数据及多个非结构化数据；将每个待爬取网页对应的多个结构化数据

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112417239 A (43)申请公布日 2021.02.26 (21)申请号 20191