CN110262904B - 数据采集方法及装置 - Google Patents

Abstract

本公开公开了一种数据采集方法、装置、电子设备及计算机可读存储介质，其中，所述方法包括：获取通信模块与网络应用程序的通信数据；获取与所述通信数据的通信接口相匹配的目标数据抽取模板；根据所述目标数据抽取模板从所述通信数据中获取目标数据。本公开通过获取与通信数据的通信接口相匹配的目标数据抽取模板，根据目标数据抽取模板从所述通信数据中获取目标数据，该数据采集方法不受API接口请求参数的影响，具有通用性，可以提高数据采集成功率。

Description

数据采集方法及装置

技术领域

本公开涉及信息处理技术领域，尤其涉及一种数据采集方法、装置、电子设备及计算机可读存储介质。

背景技术

在现有技术中，采集数据一般方法是：通过获取网络应用程序供的API(Application Programming Interface，应用程序编程接口)接口，根据API接口的相关请求参数发送HTTP(HyperText Transfer Protocol，超文本传输协议)/HTTPS(Hyper TextTransfer Protocol over Secure Socket Layer或Hypertext Transfer ProtocolSecure，超文本传输安全协议)请求，以网络应用程序的响应结果，通过解析响应结果获取目标业务数据。

但是，上述方法主要存在以下问题：不同网络应用程序的API接口的请求参数不尽相同，会出现无法确定网络应用程序的请求参数，无法根据API接口的相关请求参数发送HTTP请求，从而导致数据采集失败。

发明内容

本公开提供一种数据采集方法、装置、电子设备及计算机可读存储介质，以至少解决相关技术中数据采集失败的问题。本公开的技术方案如下：

根据本公开实施例的第一方面，提供一种数据采集方法，包括：

获取通信模块与网络应用程序的通信数据；

获取与所述通信数据的通信接口相匹配的目标数据抽取模板；

根据所述目标数据抽取模板从所述通信数据中获取目标数据。

进一步的，所述通信数据为所述通信模块与所述网络应用程序之间的网络请求数据和/或网络响应数据。

进一步的，所述获取通信模块与网络应用程序的通信数据，包括：

获取符合预设条件的通信数据，所述预设条件至少包括以下任意一项：domain、host、url path和url parameters。

进一步的，在所述获取通信模块与网络应用程序的通信数据之后，所述方法还包括：

将所述通信数据写入分布式消息队列；

相应的，所述获取与所述通信数据的通信接口相匹配的目标数据抽取模板，包括：

从所述分布式消息队列中读取所述通信数据，获取与所述通信数据的通信接口相匹配的目标数据抽取模板。

进一步的，所述根据所述目标数据抽取模板从所述通信数据中获取目标数据，包括：

将所述通信数据转成统一格式；

根据所述目标数据抽取模板的规则抽取获取目标数据。

进一步的，所述根据所述目标数据抽取模板从所述通信数据中获取目标数据，包括；

如果匹配的目标数据抽取模板为多个，则根据多个目标数据抽取模板对所述通信数据进行抽取；

将所述多个目标数据抽取模板的抽取数据进行整合，得到所述目标数据。

进一步的，所述根据所述目标数据抽取模板从所述通信数据中获取目标数据，包括：

根据所述目标数据抽取模板从所述通信数据中抽取数据；

对所述抽取数据进行数据清洗得到所述目标数据。

进一步的，所述获取通信模块与网络应用程序的通信数据，包括：

通过所述通信模块接收管理器发送的通信指令，根据所述通信指令与所述网络应用程序进行通信产生所述通信数据；

获取所述通信数据。

进一步的，通过pull方式或者push方式获取所述通信指令。

进一步的，所述方法还包括：

根据预先配置的抽取规则库生成所述目标数据抽取模板；其中，所述抽取规则库可编辑。

进一步的，所述方法还包括：

采用统一的封装存储逻辑存储所述目标数据。

根据本公开实施例的第二方面，还提供一种数据采集装置，包括：

通信数据获取模块，用于获取通信模块与网络应用程序的通信数据；

模板获取模块，用于与所述通信数据的通信接口相匹配的目标数据抽取模板；

目标数据获取模块，用于根据所述目标数据抽取模板从所述通信数据中获取目标数据。

进一步的，所述通信数据为所述通信模块与所述网络应用程序之间的网络请求数据和/或网络响应数据。

进一步的，所述通信数据获取模块具体用于：获取符合预设条件的通信数据，所述预设条件至少包括以下任意一项：domain、host、url path和url parameters。

进一步的，所述装置还包括：

写入模块，用于在所述通信数据获取模块获取通信模块与网络应用程序的通信数据之后，将所述通信数据写入分布式消息队列；

相应的，所述模板获取模块具体用于：从所述分布式消息队列中读取所述通信数据，获取与所述通信数据的通信接口相匹配的目标数据抽取模板。

进一步的，所述目标数据获取模块具体用于：将所述通信数据转成统一格式；根据所述目标数据抽取模板的规则抽取获取目标数据。

进一步的，所述目标数据获取模块具体用于：如果匹配的目标数据抽取模板为多个，则根据多个目标数据抽取模板对所述通信数据进行抽取；将所述多个目标数据抽取模板的抽取数据进行整合，得到所述目标数据。

进一步的，所述目标数据获取模块具体用于：根据所述目标数据抽取模板从所述通信数据中抽取数据；对所述抽取数据进行数据清洗得到所述目标数据。

进一步的，所述通信数据获取模块具体用于：通过所述通信模块接收管理器发送的通信指令，根据所述通信指令与所述网络应用程序进行通信产生所述通信数据；获取所述通信数据。

进一步的，通过pull方式或者push方式获取所述通信指令。

进一步的，所述装置还包括：

模板生成模块，用于根据预先配置的抽取规则库生成所述目标数据抽取模板；其中，所述抽取规则库可编辑。

进一步的，所述装置还包括：

存储模块，用于采用统一的封装存储逻辑存储所述目标数据。

根据本公开实施例的第三方面，提供一种数据采集系统，包括通信模块、管理器和上述第二方面任一项所述的数据采集装置。

根据本公开实施例的第四方面，提供一种电子设备，包括：

处理器；

用于存储处理器可执行指令的存储器；其中，所述处理器被配置为：通过执行指令以实现上述第一方面任一项所述的数据采集方法。

根据本公开实施例的第五方面，提供一种非临时性计算机可读存储介质，当所述存储介质中的指令由移动终端的处理器执行时，使得移动终端能够执行上述第一方面任一项所述的数据采集方法。

根据本公开实施例的第六方面，提供一种计算机产品，包括上述第一方面任一项所述的数据采集方法。

本公开的实施例提供的技术方案至少带来以下有益效果：通过获取与通信数据的通信接口相匹配的目标数据抽取模板，根据目标数据抽取模板从所述通信数据中获取目标数据，该数据采集方法不受API接口请求参数的影响，具有通用性，可以提高数据采集成功率。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。

图1是本公开实施例一提供的一种数据采集方法的流程图。

图2是本公开实施例二提供的一种数据采集方法的流程图。

图3是本公开实施例三提供的一种数据采集装置的结构框图。

图4a是本公开实施例四提供的一种数据采集系统的结构框图。

图4b是本公开实施例四提供的一种数据采集系统示例结构框图。

图5是本公开实施例五提供的一种电子设备的结构框图。

具体实施方式

为了使本领域普通人员更好地理解本公开的技术方案，下面将结合附图，对本公开实施例中的技术方案进行清楚、完整地描述。

需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

实施例一

图1是本公开实施例一提供的一种数据采集方法的流程图，本实施例提供的数据采集方法的执行主体，可为本公开实施例提供的数据采集装置，该装置可以集成于移动终端设备(例如，智能手机、平板电脑等)、笔记本或固定终端(台式电脑)中，该数据采集装置可以采用硬件或软件实现。如图1所示，包括以下步骤：

在步骤S11中，获取通信模块与网络应用程序的通信数据。

其中，通信模块可以为通信设备集群，例如安卓真机集群或安卓模拟器集群。

其中，通信数据可以为通信模块与所述网络应用程序之间的网络请求数据和/或网络响应数据。

在步骤S12中，获取与所述通信数据的通信接口相匹配的目标数据抽取模板。

其中，目标数据抽取模板是进行数据抽取的核心知识库，可以为XML(ExtensibleMarkup Language，可扩展标记语言)模板、json(JavaScript Object Notation,JS对象简谱)模板、html模板等。其中，支持抽取的通信数据格式有：json、html和xml。

具体的，为了提高数据采集的通用性，本实施例可以设计一套通用的结构化抽取服务即目标数据抽取模板，对于所有不同的网络应用程序(或网站)，不需要再做额外开发，只需要配置目标数据抽取模板即可完成数据抽取。

并且，还可以提供可视化模板管理平台，包括目标数据抽取模板的查询、编辑、调试等功能，可以方便用户对模板库进行可视化管理，同时可以提高撰写编辑模板的效率。

在步骤S13中，根据所述目标数据抽取模板从所述通信数据中获取目标数据。

本实施例通过获取与通信数据的通信接口相匹配的目标数据抽取模板，根据目标数据抽取模板从所述通信数据中获取目标数据，该数据采集方法不受API接口请求参数的影响，具有通用性，可以提高数据采集成功率。

在一个可选的实施例中，步骤S11包括：

获取符合预设条件的通信数据，所述预设条件至少包括以下任意一项：domain、host、url path和url parameters。

其中，可自定义预设条件。

在一个可选的实施例中，在步骤S11之后，所述方法还包括：

步骤S14：将所述通信数据写入分布式消息队列；

相应的，步骤S12具体包括：

从所述分布式消息队列中读取所述通信数据，获取与所述通信数据的通信接口相匹配的目标数据抽取模板。

在一个可选的实施例中，步骤S13具体包括：

步骤S131：将所述通信数据转成统一格式；

步骤S132：根据所述目标数据抽取模板的规则抽取获取目标数据。

其中，规则可以为正则抽取、或xpath抽取等。

具体的，本实施例可以支持的抽取文本格式有：json、html和xml。为了方便模板配置和管理，降低学习成本，可以对json，xml,html页面格式都统一转化成符合W3C规范的DOMtree，然后根据配置的数据抽取规则，依次抽取各个字段的值。

在一个可选的实施例中，步骤S13具体包括；

步骤S133：如果匹配的目标数据抽取模板为多个，则根据多个目标数据抽取模板对所述通信数据进行抽取。

步骤S134：将所述多个目标数据抽取模板的抽取数据进行整合，得到所述目标数据。

具体的，对于一个网络应用程序的页面，可能会匹配到多个目标数据抽取模板，本实施例通过对多个目标数据抽取模板的抽取数据进行整合，可以保证抽取到尽可能多的字段信息。

在一个可选的实施例中，步骤S13具体包括；

步骤S135：根据所述目标数据抽取模板从所述通信数据中抽取数据。

步骤S136：对所述抽取数据进行数据清洗得到所述目标数据。

本实施例考虑到网络数据的复杂性，通过对抽取数据进行清洗，例如删除满足一定条件的数据，可以达到数据清洗、去除杂质的目的。

在一个可选的实施例中，步骤S11具体包括：

步骤S111：通过所述通信模块接收管理器发送的通信指令，根据所述通信指令与所述网络应用程序进行通信产生所述通信数据。

其中，管理器用于通信模块(例如android真机集群或android模拟器集群)的升级维护及监控，例如设备重启、系统软硬件升级、电量监控和设备状态异常报警等；以及用于发送通信指令。

步骤S112：获取所述通信数据。

进一步的，通过pull方式或者push方式获取所述通信指令。

其中，在push方式下，管理器主动将通信指令发送给通信模块，这种方式实现简单；在pull方式下，通信模块主动向管理器请求通信指令，这样可以做精细化的获取速度控制。

在一个可选的实施例中，所述方法还包括：

S15：根据预先配置的抽取规则库生成所述目标数据抽取模板；其中，所述抽取规则库可编辑。

其中，抽取规则库包括正则抽取规则和/或xpath抽取规则等。

其中，可编辑包括对所述抽取规则库进行扩充、更新、删除等操作。

在一个可选的实施例中，所述方法还包括：

S16：采用统一的封装存储逻辑存储所述目标数据。

具体的，可以采用通用的存储服务存储目标数据。例如可以采用统一的数据结构。可以封装所有的存储逻辑，用来支持不同业务的存储需求。只需要将需要存储的通信数据提交给本服务，不用关心存储的细节，即可实现业务逻辑和存储逻辑的解耦。

实施例二

图2是本公开实施例二提供的一种数据采集方法的流程图，本实施例为一具体实施例，用于对本公开进行详细说明，本实施例的执行主体包括数据采集装置、通信模块和管理器，如图2所示，包括以下步骤：

在步骤S21中，数据采集装置通过pull方式或push方式从管理器获取通信指令。

在步骤S22中，通信模块与网络应用程序进行通信。

在步骤S23中，数据采集装置获取通信模块与网络应用程序的通信数据，并将所述通信数据写入分布式消息队列。

在步骤S24中，数据采集装置从所述分布式消息队列中读取所述通信数据。

在步骤S25中，数据采集装置将所述通信数据转成统一格式。

在步骤S26中，数据采集装置根据所述目标数据抽取模板从统一格式的通信数据中抽取数据。

在步骤S27中，数据采集装置对所述抽取数据进行数据清洗得到所述目标数据。

在步骤S28中，数据采集装置采用统一的封装存储逻辑存储所述目标数据。

本实施例通过数据采集装置、管理器和通信模块的交互操作，采用目标数据抽取模板对通信数据进行抽取得到目标数据，该数据采集方法不受API接口请求参数的影响，具有通用性，可以提高数据采集成功率。

实施例三

图3是本公开实施例三提供的一种数据采集装置30框图。该装置可以集成于移动终端设备(例如，智能手机、平板电脑等)、笔记本或固定终端(台式电脑)中，该数据采集装置可以采用硬件或软件实现。参照图3，该装置30包括通信数据获取模块31、模板获取模块32和目标数据获取模块33；其中，

通信数据获取模块31用于获取通信模块与网络应用程序的通信数据；

模板获取模块32用于与所述通信数据的通信接口相匹配的目标数据抽取模板；

目标数据获取模块33用于根据所述目标数据抽取模板从所述通信数据中获取目标数据。

进一步的，所述通信数据为所述通信模块与所述网络应用程序之间的网络请求数据和/或网络响应数据。

进一步的，所述通信数据获取模块31具体用于：获取符合预设条件的通信数据，所述预设条件至少包括以下任意一项：domain、host、url path和url parameters。

进一步的，所述装置还包括：写入模块34；其中，

写入模块34用于在所述通信数据获取模块获取通信模块与网络应用程序的通信数据之后，将所述通信数据写入分布式消息队列；

相应的，所述模板获取模块32具体用于：从所述分布式消息队列中读取所述通信数据，获取与所述通信数据的通信接口相匹配的目标数据抽取模板。

进一步的，所述目标数据获取模块33具体用于：将所述通信数据转成统一格式；根据所述目标数据抽取模板的规则抽取获取目标数据。

进一步的，所述目标数据获取模块33具体用于：如果匹配的目标数据抽取模板为多个，则根据多个目标数据抽取模板对所述通信数据进行抽取；将所述多个目标数据抽取模板的抽取数据进行整合，得到所述目标数据。

进一步的，所述目标数据获取模块33具体用于：根据所述目标数据抽取模板从所述通信数据中抽取数据；对所述抽取数据进行数据清洗得到所述目标数据。

进一步的，所述通信数据获取模块31具体用于：通过所述通信模块接收管理器发送的通信指令，根据所述通信指令与所述网络应用程序进行通信产生所述通信数据；获取所述通信数据。

进一步的，通过pull方式或者push方式获取所述通信指令。

进一步的，所述装置还包括：模板生成模块35；其中，

模板生成模块35用于根据预先配置的抽取规则库生成所述目标数据抽取模板；其中，所述抽取规则库可编辑。

进一步的，所述装置还包括：存储模块36；其中，

存储模块36用于采用统一的封装存储逻辑存储所述目标数据。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

实施例四

图4a是本公开实施例四提供的一种数据采集系统框图。该系统40包括通信模块41、管理器42和上述实施例三所述的数据采集装置30。

其中，通信模块41可以为通信设备集群，例如安卓真机集群或安卓模拟器集群，用于与网络应用程序进行通信，以产生通信数据。

其中，管理器42用于通信模块的升级维护及监控，例如设备重启、系统软硬件升级、电量监控和设备状态异常报警等；以及用于发送通信指令。

其中，关于数据采集装置30已在上述实施例三中进行了详细描述，此处将不做详细阐述说明。

进一步的，如图4b所示，本实施例的系统还包括：分布式消息队列43，该分布式消息队列具体可以为kafka，用于存储通信数据。

进一步的，如图4b所示，本实施例的系统还包括：出口代理模块44，该出口代理模块44位于所述数据采集装置30和互联网之间，具体可以为http/socks出口代理模块，用于转发所述数据采集装置30和互联网之间的通信数据。

具体的，该系统的工作原理如下：数据采集装置30通过pull方式或push方式从管理器获取通信指令。通信模块41通过出口代理模块44及互联网与网络应用程序进行通信。数据采集装置30通过出口代理模块44及互联网获取通信模块41与网络应用程序的通信数据，并将所述通信数据写入分布式消息队列43。数据采集装置30从所述分布式消息队列中读取所述通信数据。数据采集装置30将所述通信数据转成统一格式，根据所述目标数据抽取模板从统一格式的通信数据中抽取数据，并对所述抽取数据进行数据清洗得到所述目标数据，并采用统一的封装存储逻辑存储所述目标数据。

实施例五

图5是根据一示例性实施例示出的一种用于数据采集的装置500的框图。例如，装置500可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。

参照图5，装置500可以包括以下一个或多个组件：处理组件502，存储器504，电力组件506，多媒体组件508，音频组件510，输入/输出(I/O)的接口512，传感器组件514，以及通信组件516。

处理组件502通常控制装置500的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件502可以包括一个或多个处理器520来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件502可以包括一个或多个模块，便于处理组件502和其他组件之间的交互。例如，处理组件502可以包括多媒体模块，以方便多媒体组件508和处理组件502之间的交互。

存储器504被配置为存储各种类型的数据以支持在设备500的操作。这些数据的示例包括用于在装置500上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器504可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电源组件506为装置500的各种组件提供电力。电源组件506可以包括电源管理系统，一个或多个电源，及其他与为装置500生成、管理和分配电力相关联的组件。

多媒体组件508包括在所述装置500和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件508包括一个前置摄像头和/或后置摄像头。当设备500处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件510被配置为输出和/或输入音频信号。例如，音频组件510包括一个麦克风(MIC)，当装置500处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器504或经由通信组件516发送。在一些实施例中，音频组件510还包括一个扬声器，用于输出音频信号。

I/O接口512为处理组件502和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件514包括一个或多个传感器，用于为装置500提供各个方面的状态评估。例如，传感器组件514可以检测到设备500的打开/关闭状态，组件的相对定位，例如所述组件为装置500的显示器和小键盘，传感器组件514还可以检测装置500或装置500一个组件的位置改变，用户与装置500接触的存在或不存在，装置500方位或加速/减速和装置500的温度变化。传感器组件514可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件514还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件514还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件516被配置为便于装置500和其他设备之间有线或无线方式的通信。装置500可以接入基于通信标准的无线网络，如WiFi，运营商网络(如2G、3G、4G或5G)，或它们的组合。在一个示例性实施例中，通信组件516经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件516还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，装置500可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种包括指令的存储介质，例如包括指令的存储器504，上述指令可由装置500的处理器520执行以完成上述方法。可选地，存储介质可以是非临时性计算机可读存储介质，例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (15)

1.一种数据采集方法，其特征在于，应用于数据采集装置，包括：

获取通信模块与网络应用程序的通信数据；

获取与所述通信数据的通信接口相匹配的目标数据抽取模板，所述目标数据抽取模板是进行数据抽取的核心知识库，所述目标数据抽取模板至少包括以下任意一项：XML模版、json模版、html模板；

根据所述目标数据抽取模板从所述通信数据中获取目标数据，包括：如果匹配的目标数据抽取模板为多个，则根据多个目标数据抽取模板对所述通信数据进行抽取，将所述多个目标数据抽取模板的抽取数据进行整合，得到所述目标数据；

采用统一的封装存储逻辑存储所述目标数据；

所述获取通信模块与网络应用程序的通信数据，包括：

通过所述通信模块接收管理器发送的通信指令，所述通信指令用于指示所述通信模块根据所述通信指令与所述网络应用程序进行通信，所述通信模块为通信设备集群；

获取所述通信模块与所述网络应用程序进行通信而产生的符合预设条件的通信数据，所述预设条件至少包括以下任意一项：domain、host、url path和url parameters；

所述通信数据为所述通信模块与所述网络应用程序之间的网络请求数据和/或网络响应数据。

2.根据权利要求1所述的方法，其特征在于，在所述获取通信模块与网络应用程序的通信数据之后，所述方法还包括：

将所述通信数据写入分布式消息队列；

相应的，所述获取与所述通信数据的通信接口相匹配的目标数据抽取模板，包括：

从所述分布式消息队列中读取所述通信数据，获取与所述通信数据的通信接口相匹配的目标数据抽取模板。

3.根据权利要求1所述的方法，其特征在于，所述根据所述目标数据抽取模板从所述通信数据中获取目标数据，包括：

将所述通信数据转成统一格式；

根据所述目标数据抽取模板的规则抽取获取目标数据。

4.根据权利要求1所述的方法，其特征在于，所述根据所述目标数据抽取模板从所述通信数据中获取目标数据，包括：

根据所述目标数据抽取模板从所述通信数据中抽取数据；

对所述抽取数据进行数据清洗得到所述目标数据。

5.根据权利要求1所述的方法，其特征在于，通过pull方式或者push方式获取所述通信指令。

6.根据权利要求1-5任一项所述的方法，其特征在于，所述方法还包括：

根据预先配置的抽取规则库生成所述目标数据抽取模板；其中，所述抽取规则库可编辑。

7.一种数据采集装置，其特征在于，包括：

通信数据获取模块，用于获取通信模块与网络应用程序的通信数据；

模板获取模块，用于与所述通信数据的通信接口相匹配的目标数据抽取模板，所述目标数据抽取模板是进行数据抽取的核心知识库，所述目标数据抽取模板至少包括以下任意一项：XML模版、json模版、html模板；

目标数据获取模块，用于根据所述目标数据抽取模板从所述通信数据中获取目标数据；所述目标数据获取模块具体用于：如果匹配的目标数据抽取模板为多个，则根据多个目标数据抽取模板对所述通信数据进行抽取；将所述多个目标数据抽取模板的抽取数据进行整合，得到所述目标数据；

存储模块，用于采用统一的封装存储逻辑存储所述目标数据；

所述通信数据获取模块具体用于：通过所述通信模块接收管理器发送的通信指令，所述通信指令用于指示所述通信模块根据所述通信指令与所述网络应用程序进行通信；获取所述通信模块与所述网络应用程序进行通信而产生的符合预设条件的通信数据，所述通信模块为通信设备集群，所述预设条件至少包括以下任意一项：domain、host、url path和urlparameters；

所述通信数据为所述通信模块与所述网络应用程序之间的网络请求数据和/或网络响应数据。

8.根据权利要求7所述的装置，其特征在于，所述装置还包括：

写入模块，用于在所述通信数据获取模块获取通信模块与网络应用程序的通信数据之后，将所述通信数据写入分布式消息队列；

相应的，所述模板获取模块具体用于：从所述分布式消息队列中读取所述通信数据，获取与所述通信数据的通信接口相匹配的目标数据抽取模板。

9.根据权利要求7所述的装置，其特征在于，所述目标数据获取模块具体用于：将所述通信数据转成统一格式；根据所述目标数据抽取模板的规则抽取获取目标数据。

10.根据权利要求7所述的装置，其特征在于，所述目标数据获取模块具体用于：根据所述目标数据抽取模板从所述通信数据中抽取数据；对所述抽取数据进行数据清洗得到所述目标数据。

11.根据权利要求7所述的装置，其特征在于，通过pull方式或者push方式获取所述通信指令。

12.根据权利要求7-11任一项所述的装置，其特征在于，所述装置还包括：

模板生成模块，用于根据预先配置的抽取规则库生成所述目标数据抽取模板；其中，所述抽取规则库可编辑。

13.一种数据采集系统，其特征在于，包括通信模块、管理器和权利要求7-12所述的数据采集装置。

14.一种电子设备，其特征在于，包括：

处理器；

用于存储处理器可执行指令的存储器；其中，所述处理器被配置为：通过执行指令以实现权利要求1-6任一项所述的数据采集方法。

15.一种非临时性计算机可读存储介质，当所述存储介质中的指令由移动终端的处理器执行时，使得移动终端能够执行权利要求1-6任一项所述的数据采集方法。

Images