[發明專利]一種關聯網頁搜索方法和系統

有效

• 申請號: 201310603918.0
• 申請日: 2013-11-25
• 公開（公告）號: CN103617225B
• 公開（公告）日: 2019-03-08
• 發明（設計）人: 王智廣
• 申請（專利權）人: 北京奇虎科技有限公司;奇智軟件（北京）有限公司
• 主分類號: G06F16/955
• 分類號: G06F16/955
• 代理公司: 北京潤澤恒知識產權代理有限公司 11319
• 代理人: 趙娟

1.一種關聯網頁搜索方法，包括：

接收搜索請求；所述請求中包括搜索關鍵詞；

依據所述搜索關鍵詞在預置的關聯網頁數據庫中進行查找，獲得與所述關鍵詞匹配的網頁；

判斷所述網頁是否為關聯網頁；若是，則返回所述網頁及所述網頁關聯的首頁信息；所述關聯網頁包括關聯網頁URL模式，所述關聯網頁URL模式為翻頁網頁的共性部分Pattern；

所述判斷所述網頁是否為關聯網頁的步驟包括:

判斷所述網頁是否包括關聯網頁URL模式,若是，則所述網頁為關聯網頁；

其中，所述關聯網頁數據庫通過以下方式建立：

判斷抓取到的網頁是否包括關聯網頁URL模式；若是，則獲取所述關聯網頁URL模式；

采用所述關聯網頁URL模式獲取對應的關聯網頁；

采用所述關聯網頁URL模式對應的關聯網頁建立關聯網頁數據庫；

所述判斷抓取到的網頁是否包括關聯網頁URL模式的步驟包括：

判斷當前網頁的頁面元素中是否具有翻頁特征字符串；若是，則提取所述翻頁特征字符串鏈接的URL；

采用預置的替換字符替換當前網頁的URL中的數字塊，獲得第一特征URL前綴；其中，所述數字塊為被間隔標識分割出的單個數字或多個數字；

采用預置的替換字符替換所述翻頁特征字符串鏈接的URL中的數字塊，獲得第二特征URL前綴；

當所述第一特征URL前綴與所述第二特征URL前綴相同時，則判定抓取到的網頁是否包括關聯網頁URL模式。

2.如權利要求1所述的方法，其特征在于，所述判斷當前網頁的頁面元素中是否具有翻頁特征字符串的步驟包括：

采用翻頁特征字符串在當前網頁的DOM樹節點中進行匹配；

當匹配成功時，則判斷當前網頁具有翻頁特征字符串。

3.如權利要求1至2任一項所述的方法，其特征在于，所述采用預置的替換字符替換當前網頁的URL中的數字塊，獲得第一特征URL前綴的步驟為：

采用相同的替換字符替換當前網頁的URL中不同位置的數字塊，獲得第一特征URL前綴；

所述采用預置的替換字符替換所述翻頁特征字符串鏈接的URL中的數字塊，獲得第二特征URL前綴的步驟為：

采用相同的替換字符替換所述特征字符串鏈接的URL中不同位置的數字塊，獲得第二特征URL前綴。

4.如權利要求1所述的方法，其特征在于，所述采用預置的替換字符替換當前網頁的URL中的數字塊，獲得第一特征URL前綴的步驟為：

分別采用不同的替換字符，替換當前網頁的URL中不同位置的數字塊，獲得第一特征URL前綴；

所述采用預置的替換字符替換所述翻頁特征字符串鏈接的URL中的數字塊，獲得第二特征URL前綴的步驟為：

分別采用與第一特征URL相同的替換字符替換所述翻頁特征字符串鏈接的URL在相同位置的數字塊，獲得第二特征URL前綴。

5.如權利要求1所述的方法，其特征在于，所述采用所述關聯網頁URL模式獲取對應的關聯網頁的步驟包括：

將所述第一特征URL前綴或第二特征URL前綴作為所述當前網頁的對應的關聯網頁URL模式。

6.如權利要求1所述的方法，其特征在于，所述獲取所述關聯網頁URL模式對應的關聯網頁的步驟包括：

通過對關聯網頁URL模式中的共性部分進行結構分析，提取關聯網頁URL模式中的翻頁塊，將所述翻頁塊替換為首頁標識獲得首頁關聯網頁的URL；其中，所述翻頁塊為多個關聯網頁URL模式中位置相同但數字不同的數字塊；

訪問所述首頁關聯網頁的URL獲取所述首頁關聯網頁。

7.如權利要求6所述的方法，其特征在于，所述首頁標識包括0、1和/或當前關聯網頁中的最大數值。