CN107506478A - 一种区分网站页面的方法和装置 - Google Patents

一种区分网站页面的方法和装置 Download PDF

Info

Publication number
CN107506478A
CN107506478A CN201710806608.7A CN201710806608A CN107506478A CN 107506478 A CN107506478 A CN 107506478A CN 201710806608 A CN201710806608 A CN 201710806608A CN 107506478 A CN107506478 A CN 107506478A
Authority
CN
China
Prior art keywords
page
title
url
dimension table
address
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201710806608.7A
Other languages
English (en)
Inventor
王岳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Jingdong Century Trading Co Ltd
Beijing Jingdong Shangke Information Technology Co Ltd
Original Assignee
Beijing Jingdong Century Trading Co Ltd
Beijing Jingdong Shangke Information Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Jingdong Century Trading Co Ltd, Beijing Jingdong Shangke Information Technology Co Ltd filed Critical Beijing Jingdong Century Trading Co Ltd
Priority to CN201710806608.7A priority Critical patent/CN107506478A/zh
Publication of CN107506478A publication Critical patent/CN107506478A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/95Retrieval from the web
    • G06F16/954Navigation, e.g. using categorised browsing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/95Retrieval from the web
    • G06F16/955Retrieval from the web using information identifiers, e.g. uniform resource locators [URL]

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

本发明公开了区分网站页面的方法和装置,涉及计算机技术领域。该方法的一具体实施方式包括:接收用户页面请求,以获取网页URL和页面标题;根据预设的页面维表,获取所述网页URL、所述页面标题在所述页面维表中对应的页面地址和页面类型名称;将所述页面地址和所述页面类型名称连同所述用户页面请求上报至日志服务器。该实施方式能够解决现有需要人工对采集的网站页面数据进行分析的问题。

Description

一种区分网站页面的方法和装置
技术领域
本发明涉及计算机技术领域,尤其涉及一种区分网站页面的方法和装置。
背景技术
目前,互联网应用越来越广泛,如何能够识别用户使用的页面成为了急需解决的问题。而在现有技术中区分网站各页面信息并没有统一的规范和方法。
在实现本发明过程中,发明人发现现有技术中至少存在如下问题:区分网站各页面信息大都是程序采集各页面数据,然后进行人工分析,工作量很繁重,而且费时费力。
发明内容
有鉴于此,本发明实施例提供一种区分网站页面的方法和装置,能够解决现有需要人工对采集的网站页面数据进行分析的问题。
为实现上述目的,根据本发明实施例的一个方面,提供了一种区分网站页面的方法,包括接收用户页面请求,以获取网页URL和页面标题;根据预设的页面维表,获取所述网页URL、所述页面标题在所述页面维表中对应的页面地址和页面类型名称;将所述页面地址和所述页面类型名称连同所述用户页面请求上报至日志服务器。
可选地,所述根据预设的页面维表获取所述网页URL、所述页面标题在所述页面维表中对应的页面地址和页面类型名称之前,还包括:解析所述网页的URL,以对解析后的URL进行去参;对去参后的URL进行正则处理,以获得正则后的URL;然后根据预设的页面维表,获取正则后的URL、页面标题在所述页面维表中对应的页面地址和页面类型名称。
可选地,所述根据预设的页面维表获取所述网页URL、所述页面标题在所述页面维表中对应的页面地址和页面类型名称之前,还包括:对所述页面标题进行关键词提取,以获取所述页面标题的关键词;然后根据预设的页面维表,获取网页URL、关键词在所述页面维表中对应的页面地址和页面类型名称。
可选地,获取所述网页URL、所述页面标题在所述页面维表中对应的页面地址和页面类型名称之前,包括:判断在页面维表中是否查找到所述网页URL和所述页面标题;根据判断结果,若查找到则获取网页URL、页面标题在对应的页面地址和页面类型名称;若没有查找到则将网页URL和页面标题存储到所述页面维表对应的页面类型名称中,然后获取网页URL、页面标题对应的页面地址和页面类型名称。
可选地,所述的页面维表存储有页面类型名称、页面地址、页面类型格式与网页URL和页面标题的映射关系。
另外,根据本发明实施例的一个方面,提供了一种区分网站页面的装置,包括接收模块,用于接收用户页面请求,以获取网页URL和页面标题;查找模块,用于根据预设的页面维表,获取所述网页URL、所述页面标题在所述页面维表中对应的页面地址和页面类型名称;上报模块,用于将所述页面地址和所述页面类型名称连同所述用户页面请求上报至日志服务器。
可选地,所述接收模块,还用于:解析所述网页的URL,以对解析后的URL进行去参;对去参后的URL进行正则处理,以获得正则后的URL;然后所述查找模块根据预设的页面维表,获取正则后的URL、页面标题在所述页面维表中对应的页面地址和页面类型名称。
可选地,所述接收模块,还用于:对所述页面标题进行关键词提取,以获取所述页面标题的关键词;然后所述查找模块根据预设的页面维表,获取网页URL、关键词在所述页面维表中对应的页面地址和页面类型名称。
可选地,所述查找模块获取所述网页URL、所述页面标题在所述页面维表中对应的页面地址和页面类型名称之前,用于:判断在页面维表中是否查找到所述网页URL和所述页面标题;根据判断结果,若查找到则获取网页URL、页面标题在对应的页面地址和页面类型名称;若没有查找到则将网页URL和页面标题存储到所述页面维表对应的页面类型名称中,然后获取网页URL、页面标题对应的页面地址和页面类型名称。
可选地,所述的页面维表存储有页面类型名称、页面地址、页面类型格式与网页URL和页面标题的映射关系。
根据本发明实施例的另一个方面,还提供了一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现上述任一实施例所述的方法。
根据本发明实施例的另一个方面,还提供了一种计算机可读介质,其上存储有计算机程序,所述程序被处理器执行时实现上述任一实施例所述的方法。
上述发明中的一个实施例具有如下优点或有益效果:通过页面维表获取所述网页URL、所述页面标题在所述页面维表中对应的页面地址和页面类型名称,然后连同用户页面请求上报至日志服务器的技术方案。所以克服了传统页面归属问题,即解析数据误差大,人工维护成本高,从而实现了自动化的页面分类的技术效果。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明,不构成对本发明的不当限定。其中:
图1是根据本发明实施例的区分网站页面的方法的主要流程的示意图;
图2是根据本发明可参考实施例的区分网站页面的方法的主要流程的示意图;
图3是根据本发明实施例的区分网站页面的装置的主要模块的示意图;
图4是本发明实施例可以应用于其中的示例性系统架构图;
图5是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明,其中包括本发明实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本发明的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1是根据本发明实施例的区分网站页面的方法,如图1所示,所述区分网站页面的方法包括:
步骤S101,接收用户页面请求,以获取网页URL和页面标题。
其中,所述的URL全称为Uniform Resource Locator,中文为统一资源定位符,是对可以从互联网上得到的资源的位置和访问方法的一种简洁的表示,是互联网上标准资源的地址。其中,所述的页面标题是指浏览器窗口上显示的页面中文。
在实施例中,为了能够更为准确、快速地确定用户页面请求中的页面类型,可以对获取的网页URL和页面标题进行预处理。具体地实施过程包括:解析所述网页的URL,以对解析后的URL进行去参。然后对去参后的URL进行正则处理,以获得正则后的URL。
另外,对页面标题的预处理可以包括对所述页面标题进行关键词提取,以获取所述页面标题的关键词。
步骤S102,根据页面维表,获取所述网页URL、页面标题在所述页面维表中对应的页面地址和页面类型名称。
作为实施例,在执行步骤S102之前需要确定是否存在页面维表,如果存在则可以根据所述页面维表获取页面URL、页面标题在所述页面维表中对应的页面地址和页面类型名称。如果不存在则需要先建立页面维表并初始化。进一步地,所述的页面维表中还存储有页面地址pageid和页面类型格式page_reg。其中,所述的页面地址pageid是与页面类型名称pagename相对应的,即该页面类型对应的页面地址。
更进一步地,所述的页面类型名称pagename可以包括列表页、搜索结果页、活动页、首页以及商详页等等。而上述每个页面类型名称pagename对应的页面类型格式page_reg分别为*.list.*.com、*.search.*.com、*.action.*.com、*.xx.com以及*.item.com。
较佳地,所述的页面维表存储有正则后的URL、页面标题关键词与页面类型名称pagename的映射关系。
作为一个优选地实施例,在根据页面维表获取网页URL、页面标题在所述页面维表中对应的页面地址和页面类型名称的过程中可能会出现下面情况:
在页面维表中没有查找到网页URL、页面标题对应的页面地址和页面类型名称,那么则需要将URL和页面标题存储到所述页面维表对应的页面类型名称pagename中,然后获取URL、页面标题在所述页面维表中对应的页面地址pageid和页面类型名称pagename。
步骤S103,将所述页面地址和所述页面类型名称连同所述用户页面请求上报至日志服务器。
根据上面的各种实施例,可以看出所述的区分网站页面的方法能够自动生成页面维表信息,获取页面地址和页面类型名称,并且准确高效的反馈给日志服务器,便于数据处理人员使用数据,对分析网站各页面流量,转化率指标等提供了可靠的数据支持。同时,新增的页面信息也可以自动维护到页面维表中,无需人工维护。
图2是根据本发明可参考实施例的区分网站页面的方法的主要流程的示意图,所述区分网站页面的方法可以包括:
步骤S201,接收用户页面请求,以获取网页URL和页面标题。
较佳地,可以在客户端会话线程增加变量:页面信息维度数据page_info,并设置为默认值。值得说明的是,所述可参考实施例的区分网站页面方法可以在页面组服务器中执行。页面组服务器可以通过页面组服务器接口,接收客户端请求页面接口刷新内容的请求,所述页面组服务器便获得请求的页面信息维度数据page_info:页面URL和页面标题,进而通过页面URL和页面标题获取页面参数信息。优选地,页面组服务器可以设置监控,用于监控接收的每条请求,即用于监控用户点击页面行为和刷新页面行为。
步骤S202,解析所述网页的URL,以对解析后的URL进行去参。
在实施例中,所述的对用户页面请求URL进行去参处理是将部分参数去除,因为完整的URL代表了唯一的页面,而本发明只需要将所述页面分类即可,不需要URL的所有参数。因此,为了减少对URL参数的识别,先将不需要的URL参数去除。例如:完整的URL是:http:// bdp.jd.com/ide/data-query/v2/index.html?m=128#home4,而页面分类只需要URL中“?”前的参数就可以了,即将“?”后的参数去除。
步骤S203,对去参后的URL进行正则处理,以获得正则后的URL。
步骤S204,对所述页面标题进行关键词提取,以获取所述页面标题的关键词。
在实施例中,关键词的提取可以起到对页面标题进行去重处理的作用。例如:粉色iphone,iphone粉色,粉色的iphone,在做分类时这三个代表同一类,关键词提取的结果都是粉色+iphone。
需要说明的是,步骤S204可以在执行步骤S203之后进行,也可以在执行步骤S202和步骤S203过程中执行步骤S204,也可以在执行步骤S202之前执行步骤S204。
步骤S205,获取页面维表。
步骤S206,判断在所述页面维表中是否存储有所述正则后的URL和所述页面标题的关键词,若存在则直接执行步骤S208,否则进行步骤S207再执行步骤S208。
步骤S207,将所述正则后的URL和所述页面标题的关键词存储到所述页面维表对应的页面类型名称pagename中。
其中,可以根据正则后的URL和关键词,自动与页面维表中对应的页面类型名称pagename进行匹配,以将所述正则后的URL和所述关键词存储到页面维表对应的页面类型名称pagename中。
步骤S208,获取所述正则后的URL、页面标题关键词在所述页面维表中对应的页面地址pageid和页面类型名称pagename。
步骤S209,将获取的页面地址pageid和页面类型名称pagename连同所述用户页面请求一起上报至日志服务器。
其中,所述的用户页面请求包括页面标题、URL等等信息。
还有,本发明所述区分网站页面的方法可以通过page组服务器实现,同时所述的page组服务器也可以实现其他网站通用功能扩展接口,即网站页面需要提取的其他功能也可以在page组服务器中执行。
还值得说明的是,在执行上述步骤S205之前可以确定所述页面维表是否存在,若存在执行步骤S205即可,若不存在则需要建立页面维表,然后初始化建立好的页面维表。
另外,在本发明可参考实施例中所述区分网站页面的方法的具体实施内容,在上面所述区分网站页面的方法中已经详细说明了,故在此重复内容不再说明。
图3是根据本发明实施例的区分网站页面的装置,如图3所示,所述区分网站页面的装置300包括接收模块301、查找模块302和上报模块303。其中,接收模块301接收用户页面请求,以获取网页URL和页面标题。查找模块302根据预设的页面维表,获取所述网页URL、所述页面标题在所述页面维表中对应的页面地址和页面类型名称。上报模块303将所述页面地址和所述页面类型名称连同所述用户页面请求上报至日志服务器。
在一个较佳地实施例中,为了能够更为准确、快速地确定用户页面请求中的页面类型,可以对获取的网页URL进行预处理。具体地实施过程包括:所述接收模块301可以解析所述网页的URL,以对解析后的URL进行去参。然后对去参后的URL进行正则处理,以获得正则后的URL。因此,所述查找模块302则根据预设的页面维表,获取正则后的URL、页面标题在所述页面维表中对应的页面地址和页面类型名称。值得说明的是,此时所述页面维表中存储的是正则后的URL、页面标题与页面地址和页面类型名称的映射关系。
另外,所述接收模块301还可以对页面标题进行预处理,即对所述页面标题进行关键词提取,以获取所述页面标题的关键词。因此,所述查找模块302则根据预设的页面维表,获取网页URL、关键词在所述页面维表中对应的页面地址和页面类型名称。值得说明的是,此时所述页面维表中存储的是网页URL、关键词与页面地址和页面类型名称的映射关系。
当然,所述接收模块301可以同时对网页URL、页面标题做预处理,从而获得正则后的URL和关键词,那么查找模块302则根据预设的页面维表,获取正则后的URL、关键词在所述页面维表中对应的页面地址和页面类型名称。值得说明的是,此时所述页面维表中存储的是正则后的URL、关键词与页面地址和页面类型名称的映射关系。
优选地,所述的页面维表中还存储有页面地址pageid和页面类型格式page_reg。
在另一个较佳地实施例中,所述查找模块302如果在所述页面维表中没有查找到网页URL、页面标题对应的页面地址和页面类型名称,那么则需要将URL和页面标题存储到所述页面维表对应的页面类型名称pagename中,然后获取URL、页面标题在所述页面维表中对应的页面地址pageid和页面类型名称pagename。
需要说明的是,在本发明所述区分网站页面的装置的具体实施内容,在上面所述区分网站页面的方法中已经详细说明了,故在此重复内容不再说明。
图4示出了可以应用本发明实施例的区分网站页面的方法或区分网站页面的装置的示例性系统架构400。
如图4所示,系统架构400可以包括终端设备401、402、403,网络404和服务器405。网络404用以在终端设备401、402、403和服务器405之间提供通信链路的介质。网络404可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备401、402、403通过网络404与服务器405交互,以接收或发送消息等。终端设备401、402、403上可以安装有各种通讯客户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备401、402、403可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器405可以是提供各种服务的服务器,例如对用户利用终端设备401、402、403所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理,并将处理结果(例如目标推送信息、产品信息--仅为示例)反馈给终端设备。
需要说明的是,本发明实施例所提供的区分网站页面的方法一般由服务器405执行,相应地,区分网站页面的装置一般设置于服务器405中。
应该理解,图4中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
下面参考图5,其示出了适于用来实现本发明实施例的终端设备的计算机系统500的结构示意图。图5示出的终端设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示,计算机系统500包括中央处理单元(CPU)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有系统500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
以下部件连接至I/O接口505:包括键盘、鼠标等的输入部分506;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507;包括硬盘等的存储部分508;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器510上,以便于从其上读出的计算机程序根据需要被安装入存储部分508。
特别地,根据本发明公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分509从网络上被下载和安装,和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501执行时,执行本发明的系统中限定的上述功能。
需要说明的是,本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中,例如,可以描述为:一种处理器包括接收模块、查找模块和上报模块,其中,这些模块的名称在某种情况下并不构成对该模块本身的限定。
作为另一方面,本发明还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备包括:接收用户页面请求,以获取网页URL和页面标题;根据预设的页面维表,获取所述网页URL、页面标题在所述页面维表中对应的页面地址和页面类型名称;将所述页面地址和所述页面类型名称连同所述用户页面请求上报至日志服务器。
根据本发明实施例的技术方案,通过页面维表获取所述网页URL、所述页面标题在所述页面维表中对应的页面地址和页面类型名称,然后连同用户页面请求上报至日志服务器的技术方案。所以克服了传统页面归属问题,即解析数据误差大,人工维护成本高,从而实现了自动化的页面分类的技术效果。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。

Claims (12)

1.一种区分网站页面的方法,其特征在于,包括:
接收用户页面请求,以获取网页URL和页面标题;
根据预设的页面维表,获取所述网页URL、所述页面标题在所述页面维表中对应的页面地址和页面类型名称;
将所述页面地址和所述页面类型名称连同所述用户页面请求上报至日志服务器。
2.根据权利要求1所述的方法,其特征在于,所述根据预设的页面维表获取所述网页URL、所述页面标题在所述页面维表中对应的页面地址和页面类型名称之前,还包括:
解析所述网页的URL,以对解析后的URL进行去参;
对去参后的URL进行正则处理,以获得正则后的URL;
然后根据预设的页面维表,获取正则后的URL、页面标题在所述页面维表中对应的页面地址和页面类型名称。
3.根据权利要求1或2所述的方法,其特征在于,所述根据预设的页面维表获取所述网页URL、所述页面标题在所述页面维表中对应的页面地址和页面类型名称之前,还包括:
对所述页面标题进行关键词提取,以获取所述页面标题的关键词;
然后根据预设的页面维表,获取网页URL、关键词在所述页面维表中对应的页面地址和页面类型名称。
4.根据权利要求1所述的方法,其特征在于,获取所述网页URL、所述页面标题在所述页面维表中对应的页面地址和页面类型名称之前,包括:
判断在页面维表中是否查找到所述网页URL和所述页面标题;
根据判断结果,若查找到则获取网页URL、页面标题在对应的页面地址和页面类型名称;若没有查找到则将网页URL和页面标题存储到所述页面维表对应的页面类型名称中,然后获取网页URL、页面标题对应的页面地址和页面类型名称。
5.根据权利要求1-4任一项所述的方法,其特征在于,所述的页面维表存储有页面类型名称、页面地址、页面类型格式与网页URL和页面标题的映射关系。
6.一种区分网站页面的装置,其特征在于,包括:
接收模块,用于接收用户页面请求,以获取网页URL和页面标题;
查找模块,用于根据预设的页面维表,获取所述网页URL、所述页面标题在所述页面维表中对应的页面地址和页面类型名称;
上报模块,用于将所述页面地址和所述页面类型名称连同所述用户页面请求上报至日志服务器。
7.根据权利要求6所述的装置,其特征在于,所述接收模块,还用于:
解析所述网页的URL,以对解析后的URL进行去参;
对去参后的URL进行正则处理,以获得正则后的URL;
然后所述查找模块根据预设的页面维表,获取正则后的URL、页面标题在所述页面维表中对应的页面地址和页面类型名称。
8.根据权利要求6或7所述的装置,其特征在于,所述接收模块,还用于:
对所述页面标题进行关键词提取,以获取所述页面标题的关键词;
然后所述查找模块根据预设的页面维表,获取网页URL、关键词在所述页面维表中对应的页面地址和页面类型名称。
9.根据权利要求6所述的装置,其特征在于,所述查找模块获取所述网页URL、所述页面标题在所述页面维表中对应的页面地址和页面类型名称之前,用于:
判断在页面维表中是否查找到所述网页URL和所述页面标题;
根据判断结果,若查找到则获取网页URL、页面标题在对应的页面地址和页面类型名称;若没有查找到则将网页URL和页面标题存储到所述页面维表对应的页面类型名称中,然后获取网页URL、页面标题对应的页面地址和页面类型名称。
10.根据权利要求6-9任一项所述的装置,其特征在于,所述的页面维表存储有页面类型名称、页面地址、页面类型格式与网页URL和页面标题的映射关系。
11.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。
12.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-5中任一所述的方法。
CN201710806608.7A 2017-09-08 2017-09-08 一种区分网站页面的方法和装置 Pending CN107506478A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710806608.7A CN107506478A (zh) 2017-09-08 2017-09-08 一种区分网站页面的方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710806608.7A CN107506478A (zh) 2017-09-08 2017-09-08 一种区分网站页面的方法和装置

Publications (1)

Publication Number Publication Date
CN107506478A true CN107506478A (zh) 2017-12-22

Family

ID=60695923

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710806608.7A Pending CN107506478A (zh) 2017-09-08 2017-09-08 一种区分网站页面的方法和装置

Country Status (1)

Country Link
CN (1) CN107506478A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109783742A (zh) * 2018-12-14 2019-05-21 平安科技(深圳)有限公司 用于开发辅助的页面跳转方法、装置和计算机设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101872347A (zh) * 2009-04-22 2010-10-27 富士通株式会社 判断网页类型的方法和装置
CN102819591A (zh) * 2012-08-07 2012-12-12 北京网康科技有限公司 一种基于内容的网页分类方法及系统
CN105512143A (zh) * 2014-09-26 2016-04-20 中兴通讯股份有限公司 一种网页分类方法及装置
CN105718559A (zh) * 2016-01-20 2016-06-29 百度在线网络技术(北京)有限公司 查找表单页面和目标页面转化关系的方法和装置
CN106250402A (zh) * 2016-07-19 2016-12-21 杭州华三通信技术有限公司 一种网站分类方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101872347A (zh) * 2009-04-22 2010-10-27 富士通株式会社 判断网页类型的方法和装置
CN102819591A (zh) * 2012-08-07 2012-12-12 北京网康科技有限公司 一种基于内容的网页分类方法及系统
CN105512143A (zh) * 2014-09-26 2016-04-20 中兴通讯股份有限公司 一种网页分类方法及装置
CN105718559A (zh) * 2016-01-20 2016-06-29 百度在线网络技术(北京)有限公司 查找表单页面和目标页面转化关系的方法和装置
CN106250402A (zh) * 2016-07-19 2016-12-21 杭州华三通信技术有限公司 一种网站分类方法及装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109783742A (zh) * 2018-12-14 2019-05-21 平安科技(深圳)有限公司 用于开发辅助的页面跳转方法、装置和计算机设备
CN109783742B (zh) * 2018-12-14 2023-08-22 平安科技(深圳)有限公司 用于开发辅助的页面跳转方法、装置和计算机设备

Similar Documents

Publication Publication Date Title
US10671684B2 (en) Method and apparatus for identifying demand
CN105183912B (zh) 异常日志确定方法和装置
CN107491534A (zh) 信息处理方法和装置
CN107809331A (zh) 识别异常流量的方法和装置
CN107609890A (zh) 一种订单跟踪的方法和装置
CN107506256A (zh) 一种崩溃数据监控的方法和装置
CN107590252A (zh) 用于信息交互的方法及装置
CN107908615A (zh) 一种获取搜索词对应商品类目的方法和装置
CN107894994A (zh) 一种检测热点话题类别的方法和装置
CN107634947A (zh) 限制恶意登录或注册的方法和装置
WO2021023149A1 (zh) 一种动态返回报文的方法和装置
CN110347428A (zh) 一种代码相似度的检测方法和装置
CN107908662A (zh) 搜索系统的实现方法和实现装置
CN107635001A (zh) Web脚本异常处理方法和装置
CN107346344A (zh) 文本匹配的方法和装置
CN106886594A (zh) 用于展示信息的方法和装置
CN110309142A (zh) 规则管理的方法和装置
CN111178052A (zh) 构建机器人流程自动化应用的方法和装置
CN111797297B (zh) 页面数据处理方法、装置、计算机设备及存储介质
CN107368407A (zh) 信息处理方法和装置
CN108959289B (zh) 网站类别获取方法和装置
CN107329981B (zh) 页面检测的方法和装置
CN107506478A (zh) 一种区分网站页面的方法和装置
CN107291923A (zh) 信息处理方法和装置
CN110348438A (zh) 一种基于人工神经网络模型的图片字符识别方法、装置和电子设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20171222