專利名稱：：網(wǎng)站內(nèi)容檢索系統(tǒng)及方法
技術領域：
：本發(fā)明涉及一種檢索系統(tǒng)及方法，尤其涉及一種網(wǎng)站內(nèi)容檢索系統(tǒng)及方法。
背景技術：
：隨著計算機網(wǎng)絡的發(fā)展，網(wǎng)站在信息發(fā)布與傳遞方面的作用越來越強大，其所包含的內(nèi)容與數(shù)據(jù)也成倍增長。數(shù)據(jù)量的膨脹導致用戶要準確找到所需資料非常困難。目前大部分采用的方式是公共搜索服務，用戶利用各大搜索引擎(如百度、谷歌等)進行搜索所需要的資料，這些搜索引擎通過強大的服務器與文件數(shù)據(jù)索引技術，將目標網(wǎng)站中的內(nèi)容進行索引，提供給公眾查詢服務。但是，這些搜索引擎存在了一定的缺陷，首先，所述搜索引擎只能搜索已經(jīng)收錄于數(shù)據(jù)庫的網(wǎng)站內(nèi)容。搜索引擎查找是第三方服務商提供的文件內(nèi)容檢索服務，搜索引擎在收錄一個站點時，會根據(jù)自身的詞庫對站點進行搜索，保存搜索結(jié)果。例如A網(wǎng)站被某搜索引擎所收錄，那么A網(wǎng)站中的大部分內(nèi)容用戶可以通過該搜索引擎搜索出來。若B網(wǎng)站沒有被該搜索引擎收錄，那么在搜索引擎中是不能查找到該B網(wǎng)站中的相關內(nèi)容。建立專門的搜索服務引擎需要消耗大量的人力物力，且維護困難。其次，由于站點開發(fā)的語言和運行服務器環(huán)境存在很大的差異，搜索引擎在收錄站點的時候?qū)τ诟鞣N動態(tài)的網(wǎng)站收錄支持并不是很完善，內(nèi)容收錄不全面。除此之外，搜索引擎采用文件索引技術，在其收錄過程中會對預搜索的結(jié)果進行保存，而網(wǎng)站的實際內(nèi)容可能已經(jīng)發(fā)生變化，所以搜索到的可能為過期內(nèi)容。
發(fā)明內(nèi)容鑒于以上內(nèi)容，有必要提供一種網(wǎng)站內(nèi)容檢索系統(tǒng)，可以有效地檢索到用戶需要的所有網(wǎng)站內(nèi)容。還有必要提供一種網(wǎng)站內(nèi)容檢索方法，可以有效地檢索到用戶需要的所有網(wǎng)站內(nèi)容。—種網(wǎng)站內(nèi)容檢索系統(tǒng)，該系統(tǒng)運行于客戶端主機中，該客戶端主機包括一個檢索結(jié)果列表，該系統(tǒng)包括接收模塊，用于接收關鍵字及網(wǎng)址，向Web服務器發(fā)送訪問所述網(wǎng)址對應的當前網(wǎng)頁的請求，并接收Web服務器解析該當前網(wǎng)頁所產(chǎn)生的html代碼；篩選模塊，用于從所述html代碼中篩選出文字信息；查找模塊，用于從篩選后的文字信息中查找所述關鍵字；保存模塊，用于當從篩選后的文字信息中查找到所述關鍵字時，保存該當前網(wǎng)頁的路徑至檢索結(jié)果列表中；提取模塊，用于在查找完成后，當所述html代碼中存在跳轉(zhuǎn)鏈接地址時，提取所需的跳轉(zhuǎn)鏈接地址；所述保存模塊，還用于將所提取出的跳轉(zhuǎn)鏈接地址存儲到一個數(shù)組中；及所述篩選模塊，還用于遍歷所述數(shù)組，從中篩選出當前網(wǎng)頁的子網(wǎng)頁跳轉(zhuǎn)鏈接地址，并將每個子網(wǎng)頁跳轉(zhuǎn)鏈接地址發(fā)送給所述接收模塊?！N網(wǎng)站內(nèi)容檢索方法，該方法包括如下步驟(a)接收關鍵字及網(wǎng)址；(b)向Web服務器發(fā)送訪問該網(wǎng)址對應的當前網(wǎng)頁的請求；(c)接收Web服務器解析該當前網(wǎng)頁所產(chǎn)3生的html代碼；(d)從所述html代碼中篩選出文字信息；(e)當從篩選后的文字信息中查找到所述關鍵字時，保存該當前網(wǎng)頁的路徑至檢索結(jié)果列表中；(f)當所述html代碼中存在跳轉(zhuǎn)鏈接地址時，提取所需的跳轉(zhuǎn)鏈接地址，將所提取出的跳轉(zhuǎn)鏈接地址存儲到一個數(shù)組中，遍歷所述數(shù)組，從中篩選出當前網(wǎng)頁的子網(wǎng)頁跳轉(zhuǎn)鏈接地址作為當前網(wǎng)頁，轉(zhuǎn)至步驟(b);及(g)當所述html代碼中不存在跳轉(zhuǎn)鏈接地址時，提示檢索完成。相較于現(xiàn)有技術，所述網(wǎng)站內(nèi)容檢索系統(tǒng)及方法，通過遞歸算法層級搜索網(wǎng)站內(nèi)容，不依賴于網(wǎng)站數(shù)據(jù)庫的檢索，可以更加全面地搜索到用戶所需要檢索的網(wǎng)站內(nèi)容。圖1是本發(fā)明網(wǎng)站內(nèi)容檢索控制系統(tǒng)較佳實施例的運行環(huán)境圖。圖2是本發(fā)明網(wǎng)站內(nèi)容檢索系統(tǒng)100較佳實施例的功能模塊圖。圖3是本發(fā)明網(wǎng)站內(nèi)容檢索方法較佳實施例的作業(yè)流程圖。具體實施例方式如圖l所示，是本發(fā)明一種網(wǎng)站內(nèi)容檢索系統(tǒng)較佳實施例的運行環(huán)境圖。該網(wǎng)站內(nèi)容檢索系統(tǒng)100運行于客戶端主機1上，該網(wǎng)站內(nèi)容檢索系統(tǒng)100可以擁有自己的域名獨立運行，也可以內(nèi)嵌于一個網(wǎng)頁4中，作為該網(wǎng)頁4內(nèi)的一個組件，該網(wǎng)頁可設置為首頁。該網(wǎng)站內(nèi)容檢索系統(tǒng)IOO提供了一個界面，該界面包括至少兩個輸入欄，用戶可以于一個輸入欄中輸入至少一個關鍵字，也可以在該輸入欄中輸入多個關鍵字，關鍵字之間以空格進行區(qū)分，在另一個欄位中輸入網(wǎng)址，該網(wǎng)址即為檢索的最上層網(wǎng)頁，該網(wǎng)址對應的網(wǎng)站也即為所需要檢索的目標網(wǎng)站。所述網(wǎng)站內(nèi)容檢索系統(tǒng)ioo找到用戶輸入的網(wǎng)址對應的網(wǎng)頁，并在該網(wǎng)頁中查找所輸入的關鍵字。本發(fā)明采取多線程技術，支持多網(wǎng)站檢索，即可以將檢索關鍵字的范圍設置為多個網(wǎng)站。該客戶端主機1包括一個檢索結(jié)果列表，該檢索結(jié)果列表用于存儲該網(wǎng)站內(nèi)容檢索系統(tǒng)100所檢索到的網(wǎng)頁地址或者網(wǎng)頁內(nèi)容。所述客戶端主機1連接于Web服務器2，該Web服務器2用于通過網(wǎng)絡3訪問所有網(wǎng)頁4，所述網(wǎng)絡3可以是互聯(lián)網(wǎng)、企業(yè)內(nèi)部網(wǎng)或者其他任意適用的通信媒介。如圖2所示，是本發(fā)明網(wǎng)站內(nèi)容檢索系統(tǒng)100較佳實施例的功能模塊圖。所述模塊是具有特定功能的軟件程序段，該軟件存儲于計算機可讀存儲介質(zhì)或其它存儲設備，可被計算機或其它包含處理器的計算裝置執(zhí)行，從而完成網(wǎng)站內(nèi)容檢索的系列流程。所述網(wǎng)站內(nèi)容檢索系統(tǒng)100包括接收模塊10、篩選模塊12、查找模塊14、保存模塊16、提取模塊18及提示模塊20。接收模塊10用于接收用戶在輸入欄中所輸入的關鍵字及要檢索的網(wǎng)址。該接收模塊10還用于在接收到需要檢索的網(wǎng)址后向Web服務器2發(fā)送訪問所接收的網(wǎng)址對應的網(wǎng)頁的請求，將該網(wǎng)址對應的網(wǎng)頁稱為當前網(wǎng)頁，并接收Web服務器2解析當前網(wǎng)頁所產(chǎn)生的html代碼。本較佳實施例中，當用戶在輸入欄中輸入關鍵字和要檢索的網(wǎng)址后，Web服務器2立即對該網(wǎng)址對應的網(wǎng)頁的內(nèi)容進行解析。若網(wǎng)站本身采用的開發(fā)語言為動態(tài)語言(例如JSP，ASP，.NET等)，該Web服務器2解析所述動態(tài)語言程序生成html代碼，并將該html代碼返回給客戶端主機l，所述接收模塊10接收該html代碼。4篩選模塊12用于從接收模塊10所接收的html代碼中篩選出文字信息。因為html代碼中包括構建頁面所需要的標準html標簽，例如表格標簽〈table〉，層標簽div等，所述標準html標簽不是網(wǎng)頁顯示的內(nèi)容，只是用于修飾網(wǎng)頁的界面。因此該篩選模塊12篩選掉除了跳轉(zhuǎn)鏈接(〈a〉〈a〉)之外的所有html標簽，剩下的即為網(wǎng)頁的文字信息。查找模塊14用于在所篩選后的文字信息中查找是否存在所述接收模塊IO所接收的關鍵字。保存模塊16用于當篩選后的文字信息中查找到所述關鍵字時，保存該當前網(wǎng)頁的路徑至檢索結(jié)果列表中。提取模塊18用于查找完成后，判斷所述html代碼中是否存在跳轉(zhuǎn)鏈接，若存在，提取所述html代碼中的所有跳轉(zhuǎn)鏈接。本實施例中，所述跳轉(zhuǎn)鏈接的格式為〈ahref=http://xxx.com〉文字〈/a〉。所述保存模塊16還用于將所提取出的跳轉(zhuǎn)鏈接存儲到一個數(shù)組中。所述篩選模塊12還用于遍歷所述數(shù)組，從中篩選出當前網(wǎng)頁的所有子網(wǎng)頁跳轉(zhuǎn)鏈接地址，將該每個子網(wǎng)頁跳轉(zhuǎn)鏈接地址發(fā)送給接收模塊10。所述接收模塊10向所述Web服務器2發(fā)送訪問每個所選擇的跳轉(zhuǎn)鏈接地址的請求。跳轉(zhuǎn)鏈接中不僅包括當前網(wǎng)頁的子網(wǎng)頁的鏈接，還包括友情鏈接或者網(wǎng)絡鏈接等跳轉(zhuǎn)鏈接地址。所述篩選模塊12將不屬于本網(wǎng)站的跳轉(zhuǎn)鏈接地址篩選掉。本較佳實施例中，該篩選模塊12查看所述數(shù)組中的跳轉(zhuǎn)鏈接地址路徑是否為檢索結(jié)果列表中保存的當前網(wǎng)頁路徑的子路徑，也即判斷每個跳轉(zhuǎn)鏈接地址的域名的前部分是否都與接收模塊10所接收的需檢索的網(wǎng)址對應網(wǎng)站的域名相同，如果相同，則該跳轉(zhuǎn)鏈接地址屬于該網(wǎng)站，否則表明該跳轉(zhuǎn)鏈接地址不屬于該網(wǎng)站。同時為了避免出現(xiàn)對同一網(wǎng)址中的網(wǎng)頁反復檢索造成死循環(huán)，數(shù)組中所保存的跳轉(zhuǎn)鏈接地址的域名長度必須要大于接收模塊IO所接收的網(wǎng)址的域名長度。如所接的網(wǎng)址的域名路徑為http:〃www.abc.com，則所述數(shù)組中保存的跳轉(zhuǎn)鏈接網(wǎng)頁的域名地址必須包含該路徑，且長度必須大于該路徑，比如跳轉(zhuǎn)鏈接地址為http:〃www.abc.com/xxx才符合要求。提示模塊20用于當所述html代碼中不存在跳轉(zhuǎn)鏈接時，提示檢索完成。如圖3所示，是本發(fā)明網(wǎng)站內(nèi)容檢索方法較佳實施例的作業(yè)流程圖。步驟S30，接收模塊10接收用戶在輸入欄中所輸入的關鍵字及需檢索的網(wǎng)址。步驟S32，該接收模塊10向Web服務器2發(fā)送訪問所接收的網(wǎng)址對應網(wǎng)頁的請求，將該網(wǎng)址對應的網(wǎng)頁稱為當前網(wǎng)頁。步驟S34，接收模塊10接收Web服務器2解析該當前網(wǎng)頁所產(chǎn)生的html代碼。本較佳實施例中，當用戶在輸入欄中輸入關鍵字和需檢索的網(wǎng)址后，Web服務器2立即對該網(wǎng)址對應的網(wǎng)頁的內(nèi)容進行解析。若網(wǎng)站本身采用的開發(fā)語言為動態(tài)語言(例如JSP，ASP，.NET等)，該Web服務器2解析所述動態(tài)語言程序生成html代碼，并將該html代碼返回給客戶端主機l，所述接收模塊10接收該html代碼。步驟S36，篩選模塊12從接收模塊10所接收的html代碼中篩選出文字信息。因為html代碼中包括構建頁面所需要的標準html標簽，例如表格標簽〈table〉，層標簽div等，所述標簽不是網(wǎng)頁顯示的內(nèi)容，只是用于修飾網(wǎng)頁的界面。因此該篩選模塊12篩選掉除了跳轉(zhuǎn)鏈接(〈a〉〈a〉)之外的所有html標簽，剩下的即為網(wǎng)頁的文字信息。步驟S38，查找模塊14在所篩選后的文字信息中查找是否存在所述接收模塊10所接收的關鍵字。若查找模塊14在篩選后的文字信息中查找到所述關鍵字時，進入步驟S40。若查找模塊14在篩選后的文字信息中沒有查找到所述關鍵字時，進入步驟S42。步驟S40，保存模塊16保存該當前網(wǎng)頁的路徑至檢索結(jié)果列表中，并進入步驟S42。步驟S42，提取模塊18判斷所述html代碼中是否存在跳轉(zhuǎn)鏈接。若存在，進入步驟S44。若不存在，進入步驟S48。步驟S44，提取模塊18提取所述html代碼中的所有跳轉(zhuǎn)鏈接。本實施例中，所述跳轉(zhuǎn)鏈接的格式為〈ahref=http:〃xxx.com〉文字〈/a>。所述保存模塊16將所提取出的跳轉(zhuǎn)鏈接存儲到一個數(shù)組中。步驟S46，所述篩選模塊12遍歷所述數(shù)組，從中篩選出當前網(wǎng)頁的所有子網(wǎng)頁跳轉(zhuǎn)鏈接地址，并將每個子網(wǎng)頁跳轉(zhuǎn)鏈接地址發(fā)送給接收模塊IO，轉(zhuǎn)至步驟S32，所述接收模塊10向所述Web服務器2發(fā)送訪問每個所選擇的跳轉(zhuǎn)鏈接地址的請求。跳轉(zhuǎn)鏈接中不僅包括當前網(wǎng)頁的子網(wǎng)頁的鏈接，還包括友情鏈接或者網(wǎng)絡鏈接等跳轉(zhuǎn)鏈接地址。所述篩選模塊12將不屬于本網(wǎng)站的跳轉(zhuǎn)鏈接地址篩選掉。本較佳實施例中，該篩選模塊12查看所述數(shù)組中的跳轉(zhuǎn)鏈接地址路徑是否為檢索結(jié)果列表中保存的當前網(wǎng)頁的路徑的子路徑，也即判斷每個跳轉(zhuǎn)鏈接地址的域名的前部分是否都與接收模塊10所接收的網(wǎng)址對應網(wǎng)站的域名相同，如果相同，則該跳轉(zhuǎn)鏈接地址屬于該網(wǎng)站，否則表明該跳轉(zhuǎn)鏈接地址不屬于該網(wǎng)站。同時為了避免出現(xiàn)對同一網(wǎng)址中的網(wǎng)頁反復檢索造成死循環(huán)，數(shù)組中所保存的跳轉(zhuǎn)鏈接地址域名長度必須要大于接收模塊IO所接收的網(wǎng)址的域名長度。如所接的網(wǎng)址的域名路徑為http:〃www.abc.com，則所述數(shù)組中保存的跳轉(zhuǎn)鏈接網(wǎng)頁的域名地址必須包含該路徑，且長度必須大于該路徑，比如跳轉(zhuǎn)鏈接地址為http:〃www.abc.com/xxx才符合要求。步驟S48，提示模塊20提示檢索完成。最后所應說明的是，以上實施例僅用以說明本發(fā)明的技術方案而非限制，盡管參照較佳實施例對本發(fā)明進行了詳細說明，本領域的普通技術人員應當理解，可以對本發(fā)明的技術方案進行修改或等同替換，而不脫離本發(fā)明技術方案的精神和范圍。權利要求一種網(wǎng)站內(nèi)容檢索系統(tǒng)，該系統(tǒng)運行于客戶端主機中，該客戶端主機包括一個檢索結(jié)果列表，其特征在于，該系統(tǒng)包括接收模塊，用于接收關鍵字及網(wǎng)址，向Web服務器發(fā)送訪問所述網(wǎng)址對應的當前網(wǎng)頁的請求，并接收Web服務器解析該當前網(wǎng)頁所產(chǎn)生的html代碼；篩選模塊，用于從所述html代碼中篩選出文字信息；查找模塊，用于從篩選后的文字信息中查找所述關鍵字；保存模塊，用于當從篩選后的文字信息中查找到所述關鍵字時，保存該當前網(wǎng)頁的路徑至檢索結(jié)果列表中；提取模塊，用于在查找完成后，當所述html代碼中存在跳轉(zhuǎn)鏈接地址時，提取所需的跳轉(zhuǎn)鏈接地址；所述保存模塊，還用于將所提取出的跳轉(zhuǎn)鏈接地址存儲到一個數(shù)組中；及所述篩選模塊，還用于遍歷所述數(shù)組，從中篩選出當前網(wǎng)頁的子網(wǎng)頁跳轉(zhuǎn)鏈接地址，并將每個子網(wǎng)頁跳轉(zhuǎn)鏈接地址發(fā)送給所述接收模塊。2.如權利要求1所述的網(wǎng)站內(nèi)容檢索系統(tǒng)，其特征在于，該系統(tǒng)還包括提示模塊，用于當所述html代碼中不存在跳轉(zhuǎn)鏈接時，提示檢索完成。3.如權利要求l所述的網(wǎng)站內(nèi)容檢索系統(tǒng)，其特征在于，所述當前網(wǎng)頁的子網(wǎng)頁的跳轉(zhuǎn)鏈接地址域名長度大于當前網(wǎng)頁的域名長度。4.如權利要求1所述的網(wǎng)站內(nèi)容檢索系統(tǒng)，其特征在于，所述關鍵字為一個或多個，若為多個關鍵字，則每個關鍵字之間以空格進行區(qū)分。5.—種網(wǎng)站內(nèi)容檢索方法，其特征在于，該方法包括如下步驟(a)接收關鍵字及網(wǎng)址；(b)向Web服務器發(fā)送訪問該網(wǎng)址對應的當前網(wǎng)頁的請求；(c)接收Web服務器解析該當前網(wǎng)頁所產(chǎn)生的html代碼；(d)從所述html代碼中篩選出文字信息；(e)當從篩選后的文字信息中查找到所述關鍵字時，保存該當前網(wǎng)頁的路徑至檢索結(jié)果列表中；(f)當所述html代碼中存在跳轉(zhuǎn)鏈接地址時，提取所需的跳轉(zhuǎn)鏈接地址，將所提取出的跳轉(zhuǎn)鏈接地址存儲到一個數(shù)組中，遍歷所述數(shù)組，從中篩選出當前網(wǎng)頁的子網(wǎng)頁跳轉(zhuǎn)鏈接地址作為當前網(wǎng)頁，轉(zhuǎn)至步驟(b);及(g)當所述html代碼中不存在跳轉(zhuǎn)鏈接地址時，提示檢索完成。6.如權利要求5所述的網(wǎng)站內(nèi)容檢索方法，其特征在于，所述當前網(wǎng)頁的子網(wǎng)頁的跳轉(zhuǎn)鏈接地址域名長度大于當前網(wǎng)頁的域名長度。7.如權利要求5所述的網(wǎng)站內(nèi)容檢索方法，其特征在于，所述關鍵字為一個或多個，若為多個關鍵字，則每個關鍵字之間以空格進行區(qū)分。全文摘要一種網(wǎng)站內(nèi)容檢索方法，包括(a)接收關鍵字及網(wǎng)址；(b)向Web服務器發(fā)送訪問該網(wǎng)址對應的當前網(wǎng)頁的請求；(c)接收Web服務器解析該當前網(wǎng)頁所產(chǎn)生的html代碼；(d)從所述html代碼中篩選出文字信息；(e)當從篩選后的文字信息中查找到所述關鍵字時，保存該當前網(wǎng)頁的路徑至檢索結(jié)果列表中；(f)當所述html代碼中存在跳轉(zhuǎn)鏈接地址時，提取所需的跳轉(zhuǎn)鏈接地址，將所提取出的跳轉(zhuǎn)鏈接地址存儲到一個數(shù)組中，遍歷所述數(shù)組，從中篩選出當前網(wǎng)頁的子網(wǎng)頁跳轉(zhuǎn)鏈接地址作為當前網(wǎng)頁，轉(zhuǎn)至步驟(b)；及(g)當所述html代碼中不存在跳轉(zhuǎn)鏈接地址時，提示檢索完成。另外，本發(fā)明還提供一種網(wǎng)站內(nèi)容檢索系統(tǒng)。文檔編號G06F17/30GK101727471SQ200810305300公開日2010年6月9日申請日期2008年10月30日優(yōu)先權日2008年10月30日發(fā)明者常小軍申請人:鴻富錦精密工業(yè)(深圳)有限公司;鴻海精密工業(yè)股份有限公司