[發明專利]電子書更新章節的調度方法和裝置

有效

• 申請號: 201510977669.0
• 申請日: 2015-12-23
• 公開（公告）號: CN105630942B
• 公開（公告）日: 2019-05-21
• 發明（設計）人: 鄺景勝
• 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: 北京市立方律師事務所 11330
• 代理人: 王增鑫

1.一種電子書更新章節的調度方法，其特征在于，包括：

針對電子書相關站點內新增的統一資源定位符URL，根據所述URL所屬站點的URL模式Pattern詞典，確定出所述URL的Pattern；

根據所述URL的Pattern，從預設的電子書模式信息庫中反向識別出所述URL所對應的電子書；并將識別出的電子書確定為已更新的電子書；

在所述URL所屬站點內對已更新的電子書的章節列表頁發起調度，從中抓取已更新的電子書的所有更新章節。

2.如權利要求1所述的方法，其特征在于，站點的URL Pattern詞典通過如下方法預先建立：

對于每個電子書相關站點，預先收集屬于該站點的設定數量的URL；

根據URL的片段結構，將收集的URL進行分組；其中，同一分組內的URL共有同一種片段結構；

針對每個分組，將該分組內的URL所共有的片段結構識別為該站點的一個Pattern；

將識別出的該站點的各個Pattern，添加到該站點的URL Pattern詞典中。

3.如權利要求2所述的方法，其特征在于，電子書模式信息庫通過如下方法預先設置：

對于每個電子書相關站點，預先收集該站點當前包含的所有電子書；

根據該站點的URL Pattern詞典，確定電子書的各章節內容頁的URL的Pattern，并由此統計出電子書所涉及的Pattern；

將各章節內容頁的URL的Pattern之間的公共部分作為電子書在該站點的ID；

針對電子書所涉及的每個Pattern，確定出所述ID在該Pattern中所處的位置，并作為該Pattern的公共部分位置；

根據電子書所涉及的Pattern、Pattern的公共部分位置、電子書在站點的ID，建立倒排索引后存儲于所述電子書模式信息庫中。

4.如權利要求3所述的方法，其特征在于，所述根據所述URL的Pattern，從預設的電子書模式信息庫中反向識別出所述URL所對應的電子書，具體包括：

從預設的電子書模式信息庫中查找出所述URL的Pattern所對應的公共部分位置；

將所述URL中處于所述公共部分位置的內容提取為所述URL的身份標識碼ID；

將所述電子書模式信息庫中與所述ID對應的電子書識別為所述URL所對應的電子書。

5.如權利要求1-4任一所述的方法，其特征在于，電子書相關站點內新增的URL是預先識別出的：

按照預設的調度周期，獲取電子書相關站點的活性索引頁；

針對所述活性索引頁中的每個URL，查詢該URL是否屬于現有鏈接庫；若否，則將該URL識別為新增的URL；

其中，所述現有鏈接庫中存儲有本次調度之前電子書相關站點包含的所有URL。

6.如權利要求5所述的方法，其特征在于，所述現有鏈接庫采用布隆過濾器BloomFilter算法存儲電子書相關站點包含的所有URL。

7.如權利要求6所述的方法，其特征在于，所述針對所述活性索引頁中的每個URL，查詢該URL是否屬于現有鏈接庫，具體包括：

針對所述活性索引頁中的每個URL，通過所述Bloom Filter算法查詢該URL是否屬于所述現有鏈接庫。

8.一種電子書更新章節的調度裝置，其特征在于，包括：

URL模式確定模塊，用于針對電子書相關站點內新增的URL，根據所述URL所屬站點的URL Pattern詞典，確定出所述URL的Pattern；

更新電子書識別模塊，用于根據所述URL的Pattern，從預設的電子書模式信息庫中反向識別出所述URL所對應的電子書；并將識別出的電子書確定為已更新的電子書；

更新章節調度模塊，用于針對所述更新電子書識別模塊識別出的已更新的電子書，在所述URL所屬站點內對該電子書的章節列表發起調度，從中抓取該電子書的所有更新章節。