[發明專利]一種網頁文件采集歸檔方法

在審

• 申請號: 201710710897.0
• 申請日: 2017-08-18
• 公開（公告）號: CN107506425A
• 公開（公告）日: 2017-12-22
• 發明（設計）人: 王建永;郭威;吳廣財;李穎
• 申請（專利權）人: 廣東電網有限責任公司信息中心
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 廣州粵高專利商標代理有限公司44102
• 代理人: 林麗明

技術領域

本發明涉及網頁文件領域，更具體地，涉及一種網頁文件采集歸檔方法。

背景技術

在檔案業務開展工作中，收集原始文件的渠道有多種。有日常協同辦公、工程建設項目系統、線下收集的原始文件、實物等。其中一些國家政策、行業通報等資訊來自于外圍系統的，這些資訊通常以網頁形式發布。為了方便檔案工作實際操作，作為數字檔案館，提出網頁文件采集歸檔的需求，即通過網絡直接將網頁抓取生成檔案文件。這樣能提高日常檔案工作的收集效率，滿足歸檔要求。

發明內容

本發明的目的是解決目前網頁檔案收集困難的缺陷，提出一種網頁文件采集歸檔方法。

為實現以上發明目的，采用的技術方案是：一種網頁文件采集歸檔方法，包括以下步驟：

S1：確定抓取網頁并提供網頁文件采集配置；

S2：對被需要抓取的網頁進行聯通性檢測；

S3：發送http請求至目標地址直至網頁內容全部加載結束；

S4：對加載內容進行組裝；

S5：將內容進行輸出，并按照檔案門類配置文件生成文件信息；

S6：將生成文件進行存儲歸檔。

與現有技術相比，本發明的有益效果是：本發明通過瀏覽、抓取、自動生成歸檔文件的一體化操作，能夠達到收集過程不需要人手干預的效果，準確的記錄了網頁內容，提高了業務的工作效率。

附圖說明

圖1為流程邏輯圖。

具體實施方式

附圖僅用于示例性說明，不能理解為對本專利的限制；

以下結合附圖和實施例對本發明做進一步的闡述。

實施例1

請參考圖1，圖1為流程邏輯圖。

一種網頁文件采集歸檔方法，其特征在于，包括以下步驟：

S1：確定抓取網頁并提供網頁文件采集配置；

S2：對被需要抓取的網頁進行聯通性檢測；

S3：發送http請求至目標地址直至網頁內容全部加載結束；

S4：對加載內容進行組裝；

S5：將內容進行輸出，并按照檔案門類配置文件生成文件信息；

S6：將生成文件進行存儲歸檔。

其中步驟S1中文件采集配置包括配置網頁的地址、采集時機和網頁關鍵字。

其中步驟S4中組裝的風格為按頁面CSS風格組裝。

其中步驟S5中內容輸出的格式為PDF。

其中步驟S5中生成文件支持在線瀏覽,文件添加水印。

顯然，本發明的上述實施例僅僅是為清楚地說明本發明所作的舉例，而并非是對本發明的實施方式的限定。對于所屬領域的普通技術人員來說，在上述說明的基礎上還可以做出其它不同形式的變化或變動。這里無需也無法對所有的實施方式予以窮舉。凡在本發明的精神和原則之內所作的任何修改、等同替換和改進等，均應包含在本發明權利要求的保護范圍之內。