一种基于分布式爬虫引擎的数据采集方法[发明专利]

来源：独旅网

专利内容由知识产权出版社提供

专利名称：一种基于分布式爬虫引擎的数据采集方法专利类型：发明专利发明人：陈思恩

申请号：CN202011591563.4申请日：20201229公开号：CN112597373A公开日：20210402

摘要：本发明公开了一种基于分布式爬虫引擎的数据采集方法，其包括以下步骤：S1、获取用户的任务创建请求并创建对应的数据采集任务；S2、构建分布式爬虫系统，对数据采集任务进行调度并触发任务执行，通过分布式爬虫系统分解数据采集任务，并分配给多个爬虫线程；S3、启动爬虫线程，分布式爬虫系统从队列资源获取URL，根据数据采集任务指定的目标网站爬取URL对应的页面，下载并获取页面数据；S4、对获取的页面数据进行整理清洗，生成与数据采集任务匹配的格式化数据集，并通过持久化处理后存储入数据库；本发明通过分布式部署爬虫集群的爬虫引擎，爬取目标网站的定向数据，提高了爬取效率及数据的精确度。

申请人：科技谷(厦门)信息技术有限公司

地址：361000 福建省厦门市湖里区安岭二路88号A栋404室

国籍：CN

代理机构：厦门致群财富专利代理事务所(普通合伙)

更多信息请下载全文后查看

因篇幅问题不能全部显示，请点此查看更多更全内容

查看全文