[發明專利]一種招標信息的采集方法

在審

• 申請號: 201810127175.7
• 申請日: 2018-02-08
• 公開（公告）號: CN108415968A
• 公開（公告）日: 2018-08-17
• 發明（設計）人: 陳晨;歐凌冰;龔澄源;鄭紅輝;劉蕊兒
• 申請（專利權）人: 湖南慧集網絡科技有限責任公司
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06Q30/08
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 伍傳松

本發明提供了一種招標信息的采集方法，包括步驟：S100)采集招標信息：以各招標網為信息源，獲取招標信息公告的網頁數據，然后將此網頁數據交由網絡爬蟲進行信息采集；S200)提取招標信息：將網絡爬蟲采集的網頁數據中的廣告、友情鏈接過濾掉，然后抽取網頁數據中的有效信息，每個信息定義一個指標，所有的指標組成指標列表；S300)存儲招標信息：有效信息使用數據庫中的表存儲，所提取的每一個指標使用結構化數據庫中一列存儲，將網頁數據、招投標信息媒體來源、所屬區域、所述行業、網頁發布時間、網頁采集時間也分別作為指標，存儲于數據庫一列。

技術領域

本發明涉及招投標領域，特別涉及一種招標信息的采集方法。

背景技術

招標與投標是一種國際上普遍應用的、有組織的市場交易行為，是工程、貨物或服務貿易的買賣方式。通常是采購人事先提出條件和要求，邀請眾多的交易對象參與競爭并按照規定的程序從中選擇成交者。招投標活動對打破行業壟斷和地區封鎖、提高經濟效益、保證項目質量、預防和減少腐敗等發揮了重要作用，已經成為推進現代市場體系建設的重要手段。

信息化的發展帶來了招投標領域的新局面，原來投標人主要通過期刊雜志獲取項目招投標信息的方式轉變成了通過互聯網網站來獲取適合自己投標的信息。投標人的一種做法是登錄各地的各個招投標網站來獲取信息，然后通過人工的方式一個個檢索并排查需要的信息。另外一種更加高效的做法是登錄一些大型的招投標信息網站，通過全文檢索的方式去搜索需要的招投標信息。

然而，這種方式耗時耗力，同時招投標網站的自帶搜索也不能保證質量，這就造成了錯誤或者遺漏了重要信息。而通過登錄大型的招投標信息網站，通過全文檢索的方式去搜索需要的招投標信息，也由于采用了模糊匹配算法，匹配的質量不高，造成的搜索出的無效數據大于有效數據，更可怕的是遺漏了更多的有價值信息。

發明內容

為了解決上述問題，本發明提供了一種招標信息的采集方法，包括步驟：

S100)采集招標信息：以各招標網為信息源，獲取招標信息公告的網頁數據，然后將此網頁數據交由網絡爬蟲進行信息采集；

S200)提取招標信息：將網絡爬蟲采集的網頁數據中的廣告、友情鏈接過濾掉，然后抽取網頁數據中的有效信息，每個信息定義一個指標，所有的指標組成指標列表；

S300)存儲招標信息：有效信息使用數據庫中的表存儲，所提取的每一個指標使用結構化數據庫中一列存儲，將網頁數據、招投標信息媒體來源、所屬區域、所述行業、網頁發布時間、網頁采集時間也分別作為指標，存儲于數據庫一列。

優選的，所述步驟S100采集招標信息還包括網頁數據的篩選：招標信息是不定時發布的，網絡爬蟲的采集頻率會高于招標信息更新的最大頻率，在采集過程中會出現采集到重復信息的情形；網絡爬蟲對所要采集的網頁數據的地址進行判斷，同地址的信息只需采集一次。

優選的，所述網絡爬蟲的信息采集頻率為一天一次。

優選的，所述有效信息包括：項目名稱、項目編號、招標時間、投標時間、投標地點、開標時間、開標地點、預算金額、采購單位、采購單位聯系人、采購單位聯系方式、采購單位地址、代理機構、代理機構聯系人、代理機構聯系方式、代理機構地址、采購內容、附件文檔。

優選的，所述數據庫可以是Access、sql server、mysql以及oracle中的任意一種。

本發明的有益效果為：本發明提供了一種招標信息的采集方法，選擇各類招標網站為信息源，使用網絡爬蟲對網頁信息進行采集，并提取有效信息進行存儲，提高了招標信息的采集質量和效率。

附圖說明