[發(fā)明專利]電子書更新章節(jié)的調度方法和裝置

有效

• 申請?zhí)枺?/td>: 201510977669.0
• 申請日: 2015-12-23
• 公開（公告）號: CN105630942B
• 公開（公告）日: 2019-05-21
• 發(fā)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

本發(fā)明提供了一種電子書更新章節(jié)的調度方法和裝置，該方法包括：針對電子書相關站點內新增的統(tǒng)一資源定位符URL，根據(jù)所述URL所屬站點的URL模式Pattern詞典，確定出所述URL的Pattern；根據(jù)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(jié)列表頁發(fā)起調度，從中抓取已更新的電子書的所有更新章節(jié)。應用本發(fā)明，能夠快速識別已更新的電子書，提高更新章節(jié)的抓取速度；而且無需頻繁地進行抓取操作，提高了更新章節(jié)的抓取效率。

技術領域

本發(fā)明涉及電子書技術領域，具體而言，本發(fā)明涉及一種電子書更新章節(jié)的調度方法和裝置。

背景技術

近幾年來，網絡上追書成為了一種時尚，追書的用戶都希望在第一時間看到連載電子書(比如，小說)更新的內容。因此，電子書更新章節(jié)的時效性需求極為緊迫。

若能準確了解電子書的更新時間點，將可以快速抓取電子書更新章節(jié)。然而，作者對于一本電子書的更新帶有一定的隨機性，電子書的更新時間點難以預測。

目前，現(xiàn)有可以針對目標電子書，不斷抓取各電子書相關站點中該目標電子書的章節(jié)列表頁，將當前抓取的章節(jié)列表頁與之前抓取的章節(jié)列表頁進行比對，由此確定出已更新的章節(jié)列表頁，繼而，根據(jù)已更新的章節(jié)列表頁抓取目標電子書的更新章節(jié)。

采用現(xiàn)有的方案來抓取電子書更新章節(jié)，雖然無需預測電子書的更新時間點，但需要在各個站點對電子書的章節(jié)列表頁進行頻繁的抓取操作，存在抓取量大；而且，事實上，在電子書未發(fā)生更新的情況下，將會存在大量的無效抓取操作，由此造成更新章節(jié)的抓取效率低。

發(fā)明內容

針對上述現(xiàn)有技術存在的缺陷，本發(fā)明提供了一種電子書更新章節(jié)的調度方法和裝置，能夠快速識別已更新的電子書，提高更新章節(jié)的抓取速度；而且無需頻繁地進行抓取操作，提高了更新章節(jié)的抓取效率。

本發(fā)明提供了電子書更新章節(jié)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(tǒng)一資源定位符URL，根據(jù)所述URL所屬站點的URL模式Pattern詞典，確定出所述URL的Pattern；

根據(jù)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(jié)列表頁發(fā)起調度，從中抓取已更新的電子書的所有更新章節(jié)。

較佳地，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(shù)量的URL；

根據(jù)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。

較佳地，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(jù)該站點的URL Pattern詞典，確定電子書的各章節(jié)內容頁的URL的Pattern，并由此統(tǒng)計出電子書所涉及的Pattern；

將各章節(jié)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；