[發明專利]網頁信息的解析方法及裝置

有效

• 申請號: 201310631635.7
• 申請日: 2013-12-02
• 公開（公告）號: CN103793461B
• 公開（公告）日: 2017-05-31
• 發明（設計）人: 周雷;高揚;姜鑫;曹晴;牛杏媛
• 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: G06F17/30
• 分類號: G06F17/30;G06Q30/00
• 代理公司: 北京工信聯合知識產權代理事務所(普通合伙)11266
• 代理人: 郭一斐

1.一種網頁信息的解析方法，其特征在于包括以下步驟：

將待解析網頁的網址與可解析的域名集合中的域名進行匹配；

根據匹配成功的域名定位到對應的網址特征集合；

將待解析網頁的網址與該網址特征集合中的網址特征進行匹配；

根據匹配成功的網址特征定位到對應的商品模板集合；

將待解析網頁與該商品模板集合中的商品模板進行匹配；

將待解析的網頁按照匹配成功的商品模板進行解析，返回解析結果；

其中，所述可解析的域名集合中包括一個或多個域名，所述網址特征集合中包括一個或多個網址特征，所述商品模板集合中包括一個或多個商品模板，商品模板中包含需要從頁面內容中提取出來的用于描述商品的項目信息。

2.根據權利要求1所述的網頁信息的解析方法，其特征在于：所述域名集合由一級域名構建。

3.根據權利要求1所述的網頁信息的解析方法，其特征在于：所述網址特征包括兩個項目：域名和特征表達式。

4.根據權利要求3所述的網頁信息的解析方法，其特征在于：所述特征表達式，是字符串，或者是正則表達式。

5.根據權利要求1所述的網頁信息的解析方法，其特征在于：所述商品模板還包括頁面類型項，該頁面類型項包括用于描述頁面類型的正則表達式或字符串，在所述將待解析網頁與該商品模板集合中的商品模板進行匹配的步驟中，通過判斷待解析網頁的網址與商品模板中包括的頁面類型項的正則表達式或字符串是否匹配，來確定待解析網頁與商品模板是否匹配成功。

6.根據權利要求1所述的網頁信息的解析方法，其特征在于：同一個商品模板能夠隸屬于不同的商品模板集合，從而對應于不同的網址特征。

7.根據權利要求1-4、5、6之一所述的網頁信息的解析方法，其特征在于：所述涉及匹配的步驟中，是將待解析網頁的網址與集合中的元素逐一進行匹配，如果集合中的全部元素都不能與待解析網頁的網址匹配成功，則認為匹配失敗，不進行下一步驟，解析過程結束。

8.一種網頁信息的解析裝置，其特征在于包括以下模塊：

域名匹配模塊，將待解析網頁的網址與可解析的域名集合中的域名進行匹配；

域名定位模塊，根據匹配成功的域名定位到對應的網址特征集合；

網址匹配模塊，將待解析網頁的網址與該網址特征集合中的網址特征進行匹配；

網址定位模塊，根據匹配成功的網址特征定位到對應的商品模板集合；

商品匹配模塊，將待解析網頁與該商品模板集合中的商品模板進行匹配；解析模塊，將待解析的網頁按照匹配成功的商品模板進行解析，返回解析結果；

其中，所述可解析的域名集合中包括一個或多個域名，所述網址特征集合中包括一個或多個網址特征，所述商品模板集合中包括一個或多個商品模板，商品模板中包含需要從頁面內容中提取出來的用于描述商品的項目信息。

9.根據權利要求8所述的網頁信息的解析裝置，其特征在于：所述域名集合由一級域名構建。

10.根據權利要求8所述的網頁信息的解析裝置，其特征在于：所述網址特征包括兩個項目：域名和特征表達式。

11.根據權利要求10所述的網頁信息的解析裝置，其特征在于：所述特征表達式，是字符串，或者是正則表達式。

12.根據權利要求8所述的網頁信息的解析裝置，其特征在于：所述商品模板還包括頁面類型項，該頁面類型項包括用于描述頁面類型的正則表達式或字符串，在所述商品匹配模塊將待解析網頁與該商品模板集合中的商品模板進行匹配過程中，通過判斷待解析網頁的網址與商品模板中包括的頁面類型項的正則表達式或字符串是否匹配，來確定待解析網頁與商品模板是否匹配成功。

13.根據權利要求8所述的網頁信息的解析裝置，其特征在于：同一個商品模板能夠隸屬于不同的商品模板集合，從而對應于不同的網址特征。

14.根據權利要求8-11、12、13之一所述的網頁信息的解析裝置，其特征在于：所述涉及匹配的過程中，是將待解析網頁的網址與集合中的元素逐一進行匹配，如果集合中的全部元素都不能與待解析網頁的網址匹配成功，則認為匹配失敗，不進行后續處理，解析過程結束。