[發(fā)明專利]一種對(duì)URL進(jìn)行分類的方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201410093939.7
• 申請(qǐng)日: 2014-03-13
• 公開（公告）號(hào): CN103927325B
• 公開（公告）日: 2017-06-27
• 發(fā)明（設(shè)計(jì)）人: 賈卷群
• 申請(qǐng)（專利權(quán)）人: 中國(guó)聯(lián)合網(wǎng)絡(luò)通信集團(tuán)有限公司
• 主分類號(hào): G06F17/30
• 分類號(hào): G06F17/30
• 代理公司: 北京安信方達(dá)知識(shí)產(chǎn)權(quán)代理有限公司11262
• 代理人: 栗若木,白瑩

技術(shù)領(lǐng)域

本發(fā)明涉及互聯(lián)網(wǎng)技術(shù)，尤指一種對(duì)統(tǒng)一資源定位符（URL，Uniform Resource Locator）進(jìn)行分類的方法及裝置。

背景技術(shù)

目前，在對(duì)上網(wǎng)記錄數(shù)據(jù)中用戶訪問(wèn)的某個(gè)URL進(jìn)行分類時(shí)，需要將該待分類URL的整個(gè)URL與分類庫(kù)中的各目標(biāo)URL逐一進(jìn)行匹配，如果能夠匹配上，則返回匹配上的分類庫(kù)中的目標(biāo)URL對(duì)應(yīng)的分類信息。以分類庫(kù)中有100個(gè)目標(biāo)URL為例，一次分類過(guò)程的平均匹配次數(shù)會(huì)在50次以上，而最大匹配系數(shù)則會(huì)是100次。

在現(xiàn)有對(duì)URL進(jìn)行分類的方法中，對(duì)URL的匹配是：將組成待分類URL的整個(gè)字符串與分類庫(kù)中的各目標(biāo)URL逐一進(jìn)行比較，效率不高；而且，當(dāng)分類庫(kù)中的目標(biāo)URL數(shù)量增加時(shí)，匹配時(shí)間將大幅增加。

由于互聯(lián)網(wǎng)產(chǎn)業(yè)的迅速發(fā)展，用戶上網(wǎng)記錄數(shù)據(jù)的數(shù)量也呈現(xiàn)爆發(fā)式的增長(zhǎng)，這樣，要實(shí)現(xiàn)對(duì)萬(wàn)億級(jí)的上網(wǎng)記錄數(shù)據(jù)中用戶訪問(wèn)的URL的快速分類，成為了一個(gè)難題。

發(fā)明內(nèi)容

為了解決上述技術(shù)問(wèn)題，本發(fā)明提供了一種對(duì)URL進(jìn)行分類的方法及裝置，能夠提高效率并實(shí)現(xiàn)快速分類。

為了達(dá)到本發(fā)明目的，本發(fā)明提供了一種對(duì)URL進(jìn)行分類的方法，包括：根據(jù)URL分類庫(kù)中的目標(biāo)URL與分類信息的對(duì)應(yīng)關(guān)系，對(duì)每一個(gè)目標(biāo)URL按照字符進(jìn)行處理，構(gòu)建URL分類庫(kù)的分類樹；

當(dāng)有URL需要分類時(shí)，待分類URL在分類樹中按照自身的組成字符進(jìn)行逐一字符匹配，確定待分類URL的分類信息。

該方法之前還包括：

建立所述URL分類庫(kù)，URL分類庫(kù)中的內(nèi)容包括：一個(gè)或一個(gè)以上目標(biāo)URL，各目標(biāo)URL對(duì)應(yīng)的分類信息。

所述對(duì)每一個(gè)目標(biāo)URL按照字符進(jìn)行處理，構(gòu)建URL分類庫(kù)的分類樹包括：

依次取出所述目標(biāo)URL中的字符，以取出的字符的ASCII碼作為分類樹中的節(jié)點(diǎn)數(shù)組node[]的下標(biāo)；

訪問(wèn)所述node[ASCII]的節(jié)點(diǎn)，直至目標(biāo)URL的最后一個(gè)字符，則將所述對(duì)應(yīng)的分類信息存儲(chǔ)到節(jié)點(diǎn)數(shù)組node[ASCII]的目標(biāo)obj域。

所述確定待分類URL的分類信息包括：

依次取出所述待分類URL中一個(gè)字符，以該字符的ASCII碼作為所述分類樹中的節(jié)點(diǎn)數(shù)組node[]的下標(biāo)，訪問(wèn)所述分類樹的節(jié)點(diǎn)數(shù)組node[ASCII]的節(jié)點(diǎn)，如果其對(duì)應(yīng)的目標(biāo)obj域已存有分類信息，則確定所述目標(biāo)obj域中的分類信息為待分類URL的分類信息。

如果所述目標(biāo)obj域?yàn)榭眨乙呀?jīng)訪問(wèn)到所述待分類URL的最后一個(gè)字符，該方法還包括：確定所述分類信息為空。

本發(fā)明還公開了一種對(duì)URL進(jìn)行分類的方法，至少包括構(gòu)建模塊、分類模塊，其中，

構(gòu)建模塊，用于根據(jù)URL分類庫(kù)中的目標(biāo)URL與分類信息的對(duì)應(yīng)關(guān)系，對(duì)每一個(gè)目標(biāo)URL按照字符進(jìn)行處理，構(gòu)建URL分類庫(kù)的分類樹；

分類模塊，用于當(dāng)有URL需要分類時(shí)，待分類URL在分類樹中按照自身的組成字符進(jìn)行逐一字符匹配，確定待分類URL的分類信息。

與現(xiàn)有技術(shù)相比，本發(fā)明包括根據(jù)URL分類庫(kù)中的目標(biāo)URL與分類信息的對(duì)應(yīng)關(guān)系，對(duì)每一個(gè)目標(biāo)URL按照字符進(jìn)行處理，構(gòu)建URL分類庫(kù)的分類樹；當(dāng)有URL需要分類時(shí)，待分類URL在分類樹中按照自身的組成字符進(jìn)行逐一字符匹配，確定待分類URL的分類信息。本發(fā)明方法中，在建立分類樹時(shí)，以目標(biāo)URL字符的ASCII碼的數(shù)值作為Tree中的節(jié)點(diǎn)數(shù)組node[]數(shù)組的下標(biāo)來(lái)構(gòu)建URL樹，即采用樹型結(jié)構(gòu)存儲(chǔ)目標(biāo)URL分類庫(kù)。這樣，在進(jìn)行URL分類時(shí)，只需要對(duì)待分類URL做一次逐一字符的訪問(wèn)，即可完成分類過(guò)程，提高了分類效率并實(shí)現(xiàn)了快速分類，進(jìn)而實(shí)現(xiàn)了對(duì)萬(wàn)億級(jí)的上網(wǎng)記錄數(shù)據(jù)中用戶訪問(wèn)的URL的快速分類。

本發(fā)明的其它特征和優(yōu)點(diǎn)將在隨后的說(shuō)明書中闡述，并且，部分地從說(shuō)明書中變得顯而易見(jiàn)，或者通過(guò)實(shí)施本發(fā)明而了解。本發(fā)明的目的和其他優(yōu)點(diǎn)可通過(guò)在說(shuō)明書、權(quán)利要求書以及附圖中所特別指出的結(jié)構(gòu)來(lái)實(shí)現(xiàn)和獲得。

附圖說(shuō)明

附圖用來(lái)提供對(duì)本發(fā)明技術(shù)方案的進(jìn)一步理解，并且構(gòu)成說(shuō)明書的一部分，與本申請(qǐng)的實(shí)施例一起用于解釋本發(fā)明的技術(shù)方案，并不構(gòu)成對(duì)本發(fā)明技術(shù)方案的限制。

圖1為本發(fā)明對(duì)URL進(jìn)行分類的方法的流程圖；

圖2為本發(fā)明構(gòu)建URL分類庫(kù)的分類樹的示意圖；

圖3為本發(fā)明對(duì)URL進(jìn)行分類的裝置的組成結(jié)構(gòu)示意圖。

具體實(shí)施方式