专利详情

看准网维构（上海）文化传媒有限公司专利详情

网页数据抓取过滤方法

申请号

2011104480555

申请日期

2011/12/29

公布号

CN102567521A

公布日

2012/07/11

专利类型

发明公布

分类号

G06F17/30(2006.01)I

申请人

维构（上海）文化传媒有限公司

发明人

金炜杰

代理机构

上海申汇专利代理有限公司31001

申请人地址

上海市嘉定区宝安公路2762号2幢4055室

申请人邮编

201907

摘要

本发明公开了一种网页数据抓取过滤方法，包括如下步骤：a)获取网页Html代码；b)将Html转化为XML序列表；c)对XML序列表利用信息关键词进行模糊匹配获取网页数据。本发明提供的网页数据抓取过滤方法，通过先将Html全面XML序列化，再采用模糊过滤的方式获取XML文件中的网页数据，从而实现快速、较准确的对海量网站数据进行抓取及过滤。