[發明專利]自主發布信息的網絡服務中檢查信息內容的方法和裝置

無效

• 申請號: 200810036423.3
• 申請日: 2008-04-22
• 公開（公告）號: CN101261630A
• 公開（公告）日: 2008-09-10
• 發明（設計）人: 郭諾
• 申請（專利權）人: 郭諾
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 上海專利商標事務所有限公司
• 代理人: 陳亮

1、一種在自主發布信息的網絡服務中檢查信息內容的方法，包括：

(1)對指定網站的所有網頁或新增網頁進行全站范圍的自動爬行掃描；

(2)根據設定的檢索策略檢查網頁內容，獲取符合該檢索策略的設定要求的內容/頁面地址；

(3)將符合該檢索策略的設定要求的內容/頁面地址以預先設定的可選擇的方式上報。

2、根據權利要求1所述的在自主發布信息的網絡服務中檢查信息內容的方法，其特征在于，在步驟(2)中，該檢索策略包括對基于文本網頁進行關鍵字和表達式匹配的檢查、對基于特定文件格式標志進行發現的匹配檢查、對圖像圖片文件進行特定類型的圖像識別的檢查、對人類語言進行語意機器自動識別的匹配檢查中的任意一種組合。

3、根據權利要求1所述的在自主發布信息的網絡服務中檢查信息內容的方法，其特征在于，步驟(3)中該預先設定的可選擇的方式包括Email上報、電話上報、手機上報、即時通號碼上報。

4、根據權利要求1所述的在自主發布信息的網絡服務中檢查信息內容的方法，其特征在于，步驟(1)和(2)進一步包括：

(a)根據限定的時間特性條件判斷是否符合周期間隔或特定時間的控制條件，如果符合條件則進入步驟(b)；

(b)動態裝填準備接受掃描的頁面URL隊列；

(c)判斷在該頁面URL隊列中是否還有可掃描的URL對象，如果有可掃描的URL對象則提取出其中一個URL對象，否則直接轉入步驟(3)；

(d)建立連接并通過頭連接判斷URL對象的頁面文件可用性的基本信息，如果基本信息符合設定的可檢測條件則繼續下一步，否則將該URL對象標記為錯誤并記入錯誤隊列；

(e)進行網頁內容實體下載和初步狀態性檢查，如果檢查結果符合則繼續分析網頁內容，否則將該URL對象標記為錯誤并記入錯誤隊列；

(f)分析網頁的內容實體，進行URL檢查分析以及根據設定的檢索策略的檢查，其中URL檢查分析過程包括將可用的URL裝填入待分析的URL隊列，不符檢查條件的URL做拋棄標記并記入錯誤隊列；

(g)在被檢查的URL頁面文件是不包含URL信息的二進制類型文件時僅執行檢索策略的檢查，包括對內容實體進行檢索策略的匹配比對，當發現觸發該檢索策略的問題時將URL做標記并記入待報警的URL隊列，同時將當前頁面URL做水印標記、檢查時間標記和狀態標記。

5、一種自主發布信息的網絡服務中檢查信息內容的裝置，包括：

全站自動爬行掃描模塊，對指定網站的所有網頁或新增網頁進行全站范圍的自動爬行掃描；

檢索策略檢查模塊，按照設定的檢索策略檢查網頁內容，獲取符合該檢索策略設定要求的內容/頁面地址；

可選擇上報模塊，將符合該檢索策略所觸發的內容/頁面地址以預先設定的可選擇的方式進行上報。

6、根據權利要求5所述的自主發布信息的網絡服務中檢查信息內容的裝置，其特征在于，該檢索策略檢查模塊中設定的檢索策略包括對基于文本網頁進行關鍵字和表達式匹配的檢查、對基于特定文件格式標志進行發現的匹配檢查、對圖像圖片文件進行特定類型的圖像識別的檢查、對人類語言進行語意機器自動識別的匹配檢查中的任意一種組合。

7、根據權利要求5所述的自主發布信息的網絡服務中檢查信息內容的裝置，其特征在于，該可選擇上報模塊包括Email上報單元、電話上報單元、手機上報單元、即時通號碼上報單元。