本發(fā)明涉及互聯(lián)網(wǎng)技術(shù)領(lǐng)域，尤其涉及一種獲取網(wǎng)頁(yè)更新時(shí)間的方法和裝置。

背景技術(shù)：

在實(shí)際應(yīng)用中，網(wǎng)絡(luò)工作者常常需要統(tǒng)計(jì)網(wǎng)站每天的更新量，從而根據(jù)更新量來(lái)統(tǒng)計(jì)用戶在網(wǎng)站的投稿情況。

現(xiàn)有統(tǒng)計(jì)網(wǎng)站更新量的具體方法為：利用爬蟲技術(shù)爬取網(wǎng)站上的網(wǎng)頁(yè)，將爬取某網(wǎng)頁(yè)時(shí)的爬取時(shí)間作為該網(wǎng)頁(yè)的更新時(shí)間，并通過更新時(shí)間來(lái)判斷該網(wǎng)頁(yè)是哪一天更新的網(wǎng)頁(yè)，在獲知網(wǎng)站上每一個(gè)網(wǎng)頁(yè)的更新時(shí)間后，可通過更新時(shí)間統(tǒng)計(jì)出某一天內(nèi)網(wǎng)站上網(wǎng)頁(yè)的更新量。由此可知，統(tǒng)計(jì)網(wǎng)站更新量的關(guān)鍵在于獲知每個(gè)網(wǎng)頁(yè)的更新時(shí)間，但是，將爬取網(wǎng)頁(yè)時(shí)的爬取時(shí)間作為更新時(shí)間會(huì)存在不準(zhǔn)確的情況。例如，某網(wǎng)頁(yè)a發(fā)布到網(wǎng)上的時(shí)間(即網(wǎng)頁(yè)的創(chuàng)建時(shí)間)為2015年10月2日晚上11點(diǎn)30分，通過爬蟲技術(shù)爬取網(wǎng)頁(yè)時(shí)，需要建立爬蟲隊(duì)列，并根據(jù)爬蟲隊(duì)列中的URL(Uniform Resource Locator，統(tǒng)一資源定位符)順序爬取各個(gè)URL對(duì)應(yīng)的網(wǎng)頁(yè)，即需要將位于網(wǎng)頁(yè)a前面的網(wǎng)頁(yè)都爬取之后，才能爬取該網(wǎng)頁(yè)a。因此，當(dāng)位于網(wǎng)頁(yè)a前面的網(wǎng)頁(yè)的數(shù)量較多時(shí)，需要在較長(zhǎng)時(shí)間后才能爬取到網(wǎng)頁(yè)a，從而可能出現(xiàn)在2015年10月3日才爬取到網(wǎng)頁(yè)a的現(xiàn)象。在這種情況下，若將爬取時(shí)間作為更新時(shí)間，則會(huì)將網(wǎng)頁(yè)a統(tǒng)計(jì)到2015年10月3日的更新量中，從而造成網(wǎng)站更新量統(tǒng)計(jì)不準(zhǔn)確。

技術(shù)實(shí)現(xiàn)要素：

鑒于上述技術(shù)問題，本發(fā)明提出了一種獲取網(wǎng)頁(yè)更新時(shí)間的方法和裝置，能夠解決現(xiàn)有技術(shù)中在統(tǒng)計(jì)網(wǎng)站更新量時(shí)，由于獲取的網(wǎng)頁(yè)更新時(shí)間不準(zhǔn)確，而造成網(wǎng)站更新量統(tǒng)計(jì)不準(zhǔn)確的問題。

一方面，本發(fā)明提供了一種獲取網(wǎng)頁(yè)更新時(shí)間的方法，所述方法包括：

獲取爬取的網(wǎng)頁(yè)；

判斷所述網(wǎng)頁(yè)是否為內(nèi)容頁(yè)，所述內(nèi)容頁(yè)為包含文章內(nèi)容的網(wǎng)頁(yè)；

若所述網(wǎng)頁(yè)為內(nèi)容頁(yè)，則從所述網(wǎng)頁(yè)的相關(guān)信息中提取目標(biāo)時(shí)間，所述網(wǎng)頁(yè)的相關(guān)信息包括網(wǎng)頁(yè)的頁(yè)面內(nèi)容和/或網(wǎng)頁(yè)的統(tǒng)一資源定位符URL；

將所述目標(biāo)時(shí)間確定為網(wǎng)頁(yè)更新時(shí)間。

另一方面，本發(fā)明提供了一種獲取網(wǎng)頁(yè)更新時(shí)間的裝置，所述裝置包括：

獲取單元，用于獲取爬取的網(wǎng)頁(yè)；

判斷單元，用于判斷所述獲取單元獲取的所述網(wǎng)頁(yè)是否為內(nèi)容頁(yè)，所述內(nèi)容頁(yè)為包含文章內(nèi)容的網(wǎng)頁(yè)；

提取單元，用于當(dāng)所述判斷單元判斷的結(jié)果為所述網(wǎng)頁(yè)為內(nèi)容頁(yè)時(shí)，從所述網(wǎng)頁(yè)的相關(guān)信息中提取目標(biāo)時(shí)間，所述網(wǎng)頁(yè)的相關(guān)信息包括網(wǎng)頁(yè)的頁(yè)面內(nèi)容和/或網(wǎng)頁(yè)的統(tǒng)一資源定位符URL；

確定單元，用于將所述提取單元提取的所述目標(biāo)時(shí)間確定為網(wǎng)頁(yè)更新時(shí)間。

借由上述技術(shù)方案，本發(fā)明提供的獲取網(wǎng)頁(yè)更新時(shí)間的方法和裝置，能夠在獲取爬取的網(wǎng)頁(yè)后，判斷該網(wǎng)頁(yè)是否為內(nèi)容頁(yè)，當(dāng)該網(wǎng)頁(yè)為內(nèi)容頁(yè)時(shí)，從該網(wǎng)頁(yè)的頁(yè)面內(nèi)容或者網(wǎng)頁(yè)的URL中提取目標(biāo)時(shí)間，并將提取的目標(biāo)時(shí)間確定為網(wǎng)頁(yè)更新時(shí)間。由于頁(yè)面內(nèi)容以及URL中往往攜帶網(wǎng)頁(yè)創(chuàng)建時(shí)間，所以上述提取的目標(biāo)時(shí)間指的是網(wǎng)頁(yè)創(chuàng)建時(shí)間，網(wǎng)頁(yè)創(chuàng)建時(shí)間即為網(wǎng)頁(yè)被發(fā)布到網(wǎng)站上的時(shí)間。由此可知，將網(wǎng)頁(yè)創(chuàng)建時(shí)間作為網(wǎng)頁(yè)更新時(shí)間是準(zhǔn)確無(wú)誤的，從而將網(wǎng)頁(yè)創(chuàng)建時(shí)間作為網(wǎng)頁(yè)更新時(shí)間不會(huì)對(duì)后續(xù)統(tǒng)計(jì)網(wǎng)站更新量造成不準(zhǔn)確現(xiàn)象，進(jìn)而提高了統(tǒng)計(jì)網(wǎng)站更新量的準(zhǔn)確率。

上述說(shuō)明僅是本發(fā)明技術(shù)方案的概述，為了能夠更清楚了解本發(fā)明的技術(shù)手段，而可依照說(shuō)明書的內(nèi)容予以實(shí)施，并且為了讓本發(fā)明的上述和其它目的、特征和優(yōu)點(diǎn)能夠更明顯易懂，以下特舉本發(fā)明的具體實(shí)施方式。

附圖說(shuō)明

通過閱讀下文優(yōu)選實(shí)施方式的詳細(xì)描述，各種其他的優(yōu)點(diǎn)和益處對(duì)于本領(lǐng)域普通技術(shù)人員將變得清楚明了。附圖僅用于示出優(yōu)選實(shí)施方式的目的，而并不認(rèn)為是對(duì)本發(fā)明的限制。而且在整個(gè)附圖中，用相同的參考符 號(hào)表示相同的部件。在附圖中：

圖1示出了本發(fā)明實(shí)施例提供的一種獲取網(wǎng)頁(yè)更新時(shí)間的方法的流程圖；

圖2示出了本發(fā)明實(shí)施例提供的一種獲取網(wǎng)頁(yè)更新時(shí)間的裝置的組成框圖；

圖3示出了本發(fā)明實(shí)施例提供的另一種獲取網(wǎng)頁(yè)更新時(shí)間的裝置的組成框圖。

具體實(shí)施方式

下面將參照附圖更詳細(xì)地描述本公開的示例性實(shí)施例。雖然附圖中顯示了本公開的示例性實(shí)施例，然而應(yīng)當(dāng)理解，可以以各種形式實(shí)現(xiàn)本公開而不應(yīng)被這里闡述的實(shí)施例所限制。相反，提供這些實(shí)施例是為了能夠更透徹地理解本公開，并且能夠?qū)⒈竟_的范圍完整的傳達(dá)給本領(lǐng)域的技術(shù)人員。

本發(fā)明實(shí)施例提供了一種獲取網(wǎng)頁(yè)更新時(shí)間的方法，如圖1所示，該方法包括：

101、獲取爬取的網(wǎng)頁(yè)。

當(dāng)需要獲取網(wǎng)頁(yè)更新時(shí)間時(shí)，可通過爬蟲技術(shù)爬取網(wǎng)站上的網(wǎng)頁(yè)，再對(duì)爬取的網(wǎng)頁(yè)進(jìn)行分析，從中確定網(wǎng)頁(yè)更新時(shí)間。

在實(shí)際應(yīng)用中，可以先爬取網(wǎng)站上的所有網(wǎng)頁(yè)，在爬取網(wǎng)站上的所有網(wǎng)頁(yè)之后，再分別對(duì)每一個(gè)網(wǎng)頁(yè)執(zhí)行如步驟101-104所述的操作；也可以每爬取一個(gè)網(wǎng)頁(yè)，就對(duì)該網(wǎng)頁(yè)執(zhí)行如步驟101-104所述的操作，在執(zhí)行完后，再爬取下一個(gè)網(wǎng)頁(yè)。本發(fā)明實(shí)施例對(duì)執(zhí)行步驟101-104的時(shí)機(jī)不作限定。

102、判斷網(wǎng)頁(yè)是否為內(nèi)容頁(yè)。

其中，內(nèi)容頁(yè)為包含文章內(nèi)容的網(wǎng)頁(yè)。在實(shí)際應(yīng)用中，由于網(wǎng)站中真正更新的網(wǎng)頁(yè)是含有文章內(nèi)容的網(wǎng)頁(yè)，而其他網(wǎng)頁(yè)僅僅通過文章的部分內(nèi)容引導(dǎo)用戶點(diǎn)擊進(jìn)入內(nèi)容頁(yè)(例如包含用于點(diǎn)擊進(jìn)入內(nèi)容頁(yè)的鏈接)，所以其他網(wǎng)頁(yè)不包含網(wǎng)站實(shí)際更新的內(nèi)容。由此可知，在統(tǒng)計(jì)網(wǎng)站更新量時(shí)，僅需要統(tǒng)計(jì)包含文章內(nèi)容的網(wǎng)頁(yè)的更新數(shù)量，而不需要統(tǒng)計(jì)不包含文章內(nèi)容的網(wǎng)頁(yè)的更新數(shù)量。因此，在獲得爬取的網(wǎng)頁(yè)后，需要先判斷該網(wǎng)頁(yè)是 否為內(nèi)容頁(yè)；若該網(wǎng)頁(yè)為內(nèi)容頁(yè)，則需要確定該網(wǎng)頁(yè)對(duì)應(yīng)的更新時(shí)間；若該網(wǎng)頁(yè)不是內(nèi)容頁(yè)，則無(wú)需確定該網(wǎng)頁(yè)對(duì)應(yīng)的更新時(shí)間。

需要說(shuō)明的是，判斷某網(wǎng)頁(yè)是否為內(nèi)容頁(yè)的具體實(shí)現(xiàn)方法可以為：(1)先判斷該網(wǎng)頁(yè)對(duì)應(yīng)的URL是否包括文件名字段；若包含文件名字段，則該網(wǎng)頁(yè)為內(nèi)容頁(yè)；若不包含文件名字段，則該網(wǎng)頁(yè)不是內(nèi)容頁(yè)。(2)先判斷該網(wǎng)頁(yè)的頁(yè)面內(nèi)容中是否包含預(yù)設(shè)字?jǐn)?shù)以上的段落；若包含，則該網(wǎng)頁(yè)為內(nèi)容頁(yè)；若不包含，則該網(wǎng)頁(yè)不是內(nèi)容。

103、若網(wǎng)頁(yè)為內(nèi)容頁(yè)，則從網(wǎng)頁(yè)的相關(guān)信息中提取目標(biāo)時(shí)間。

其中，網(wǎng)頁(yè)的相關(guān)信息包括網(wǎng)頁(yè)的頁(yè)面內(nèi)容和/或網(wǎng)頁(yè)的URL，目標(biāo)時(shí)間為網(wǎng)頁(yè)創(chuàng)建時(shí)間。在實(shí)際應(yīng)用中，網(wǎng)頁(yè)的頁(yè)面內(nèi)容或者網(wǎng)頁(yè)的URL常常包含網(wǎng)頁(yè)創(chuàng)建時(shí)間，因此可以從頁(yè)面內(nèi)容或者URL中提取網(wǎng)頁(yè)創(chuàng)建時(shí)間。

104、將目標(biāo)時(shí)間確定為網(wǎng)頁(yè)更新時(shí)間。

在步驟103中提及，目標(biāo)時(shí)間為網(wǎng)頁(yè)創(chuàng)建時(shí)間，即網(wǎng)頁(yè)發(fā)布到網(wǎng)站上的時(shí)間，因此將目標(biāo)時(shí)間確定為網(wǎng)頁(yè)更新時(shí)間，不會(huì)對(duì)后續(xù)統(tǒng)計(jì)網(wǎng)站更新量造成不準(zhǔn)確的現(xiàn)象。

本發(fā)明實(shí)施例提供的獲取網(wǎng)頁(yè)更新時(shí)間的方法，能夠在獲取爬取的網(wǎng)頁(yè)后，判斷該網(wǎng)頁(yè)是否為內(nèi)容頁(yè)，當(dāng)該網(wǎng)頁(yè)為內(nèi)容頁(yè)時(shí)，從該網(wǎng)頁(yè)的頁(yè)面內(nèi)容或者網(wǎng)頁(yè)的URL中提取目標(biāo)時(shí)間，并將提取的目標(biāo)時(shí)間確定為網(wǎng)頁(yè)更新時(shí)間。由于頁(yè)面內(nèi)容以及URL中往往攜帶網(wǎng)頁(yè)創(chuàng)建時(shí)間，所以上述提取的目標(biāo)時(shí)間指的是網(wǎng)頁(yè)創(chuàng)建時(shí)間，網(wǎng)頁(yè)創(chuàng)建時(shí)間即為網(wǎng)頁(yè)被發(fā)布到網(wǎng)站上的時(shí)間。由此可知，將網(wǎng)頁(yè)創(chuàng)建時(shí)間作為網(wǎng)頁(yè)更新時(shí)間是準(zhǔn)確無(wú)誤的，從而將網(wǎng)頁(yè)創(chuàng)建時(shí)間作為網(wǎng)頁(yè)更新時(shí)間不會(huì)對(duì)后續(xù)統(tǒng)計(jì)網(wǎng)站更新量造成不準(zhǔn)確現(xiàn)象，進(jìn)而提高了統(tǒng)計(jì)網(wǎng)站更新量的準(zhǔn)確率。

進(jìn)一步的，上述實(shí)施例中提及，可從網(wǎng)頁(yè)的頁(yè)面內(nèi)容或者網(wǎng)頁(yè)的URL中提取目標(biāo)時(shí)間，下面分別對(duì)這兩種提取目標(biāo)時(shí)間的方法進(jìn)行詳細(xì)介紹：

第一種方法：從網(wǎng)頁(yè)的頁(yè)面內(nèi)容中提取目標(biāo)時(shí)間

具體的，先獲取頁(yè)面內(nèi)容中的文章內(nèi)容，再?gòu)奈恼聝?nèi)容中提取開頭內(nèi)容或結(jié)尾內(nèi)容，最后從開頭內(nèi)容或結(jié)尾內(nèi)容中提取目標(biāo)時(shí)間。

其中，由于頁(yè)面內(nèi)容中除了包含文章內(nèi)容外，還可能包含相關(guān)鏈接、 廣告等內(nèi)容，所以需要先識(shí)別出文章內(nèi)容，才能進(jìn)行后續(xù)目標(biāo)時(shí)間提取操作。

示例性的，若某文章內(nèi)容的開頭內(nèi)容為

“如何合理飲食

某某飲食網(wǎng)站www.yinshi.com 2015-07-28 來(lái)源：某某健康網(wǎng)”，

則可從該開頭內(nèi)容中提取目標(biāo)時(shí)間 2015-07-28，并將2015-07-28確定為網(wǎng)頁(yè)更新時(shí)間。

需要說(shuō)明的是，由于開頭內(nèi)容或者結(jié)尾內(nèi)容中的時(shí)間往往與“來(lái)源：”字段相鄰且位于“來(lái)源：”字段的前面，所以在獲得開頭內(nèi)容或者結(jié)尾內(nèi)容后，可直接提取“來(lái)源：”字段前面的數(shù)字作為目標(biāo)時(shí)間。

第二種方法：從網(wǎng)頁(yè)的URL中提取目標(biāo)時(shí)間

具體的，根據(jù)正則表達(dá)式從網(wǎng)頁(yè)的URL中提取目標(biāo)時(shí)間。

其中，正則表達(dá)式為用于描述需要提取的目標(biāo)時(shí)間的格式，當(dāng)需要提取目標(biāo)時(shí)間時(shí)，掃描URL中的內(nèi)容，將與正則表達(dá)式所描述的格式相同的內(nèi)容提取出來(lái)，即為目標(biāo)時(shí)間。由于不同的網(wǎng)站所設(shè)置的URL中時(shí)間的格式會(huì)有所不同(例如有的時(shí)間為2015-01-02，有的時(shí)間為201501/02)，所以正則表達(dá)式可能有多種。在實(shí)際應(yīng)用中，可將多種正則表達(dá)式存儲(chǔ)在本地，當(dāng)需要從URL中提取目標(biāo)時(shí)間時(shí)，可分別將每一個(gè)正則表達(dá)式作為提取依據(jù)進(jìn)行提取，直至提取到目標(biāo)時(shí)間為止。

示例性的，若某網(wǎng)頁(yè)的URL為“http://www.yinshi.com/jiankang/2015-08-25/6051825-6264844.html”，則通過正則表達(dá)式可從中提取目標(biāo)時(shí)間2015-08-25。

與第二種方法相類似的，在第一種方法中，從開頭內(nèi)容或結(jié)尾內(nèi)容中提取目標(biāo)時(shí)間時(shí)，也可根據(jù)第二種方法中提及的正則表達(dá)式從開頭內(nèi)容或結(jié)尾內(nèi)容中提取目標(biāo)時(shí)間。

進(jìn)一步的，在上述實(shí)施例中提及，可通過判斷網(wǎng)頁(yè)的URL中是否含有文件名字段來(lái)判斷該網(wǎng)頁(yè)是否為內(nèi)容頁(yè)，即若URL中含有文件名字段，則確定該網(wǎng)頁(yè)為內(nèi)容頁(yè)，若URL中沒有文件名字段，則確定該網(wǎng)頁(yè)不是內(nèi)容頁(yè)。

具體的，當(dāng)要對(duì)某網(wǎng)頁(yè)上的文章進(jìn)行展示時(shí)，需要從數(shù)據(jù)庫(kù)中獲取對(duì)應(yīng)該文章的文件(常常以數(shù)字作為文件名)，然后調(diào)取文件中的數(shù)據(jù)進(jìn)行展示。因此，在實(shí)際應(yīng)用中，每篇文章會(huì)對(duì)應(yīng)一個(gè)文件。由于URL表示了某網(wǎng)頁(yè)的路徑，所以當(dāng)需要調(diào)用某文章對(duì)應(yīng)的文件時(shí)，URL中會(huì)攜帶該文件的文件名，從而可通過判斷URL中是否含有文件名字段來(lái)判斷該網(wǎng)頁(yè)是否為內(nèi)容頁(yè)。

進(jìn)一步的，在實(shí)際應(yīng)用中，當(dāng)需要調(diào)用網(wǎng)站主頁(yè)所對(duì)應(yīng)的文件時(shí)，URL中也可能會(huì)包含文件名字段，而主頁(yè)一般包含各種鏈接，不包含文章內(nèi)容，此外，文章所對(duì)應(yīng)的文件名往往用數(shù)字命名。因此，為避免錯(cuò)將不是內(nèi)容頁(yè)的網(wǎng)頁(yè)確定為內(nèi)容頁(yè)，可對(duì)上述方案做如下改進(jìn)：判斷網(wǎng)頁(yè)的URL中是否含有用數(shù)字命名的文件名字段；若URL中含有用數(shù)字命名的文件名字段，則確定該網(wǎng)頁(yè)為內(nèi)容頁(yè)；若URL中沒有用數(shù)字命名的文件名字段，則確定該網(wǎng)頁(yè)不是內(nèi)容頁(yè)。

進(jìn)一步的，在實(shí)際應(yīng)用中，并不是每一個(gè)內(nèi)容頁(yè)的頁(yè)面內(nèi)容中都含有目標(biāo)時(shí)間，也并不是每一個(gè)內(nèi)容頁(yè)的URL中都含有目標(biāo)時(shí)間，因此，當(dāng)頁(yè)面內(nèi)容和URL中均沒有目標(biāo)時(shí)間時(shí)，可將爬取網(wǎng)頁(yè)時(shí)的爬取時(shí)間確定為網(wǎng)頁(yè)更新時(shí)間。對(duì)于一個(gè)網(wǎng)站而言，大部分內(nèi)容頁(yè)的頁(yè)面內(nèi)容或者URL中含有目標(biāo)時(shí)間，因此對(duì)于統(tǒng)計(jì)網(wǎng)站的更新量而言，將含有目標(biāo)時(shí)間的內(nèi)容頁(yè)中的目標(biāo)時(shí)間作為網(wǎng)頁(yè)更新時(shí)間，將沒有目標(biāo)時(shí)間的內(nèi)容頁(yè)對(duì)應(yīng)的爬取時(shí)間作為網(wǎng)頁(yè)更新時(shí)間，比將所有內(nèi)容頁(yè)對(duì)應(yīng)的爬取時(shí)間都作為網(wǎng)頁(yè)更新時(shí)間的準(zhǔn)確率高。

進(jìn)一步的，依據(jù)上述方法實(shí)施例，本發(fā)明的另一個(gè)實(shí)施例提供了一種獲取網(wǎng)頁(yè)更新時(shí)間的裝置，如圖2所示，該裝置包括：獲取單元21、判斷單元22、提取單元23和確定單元24。其中，

獲取單元21，用于獲取爬取的網(wǎng)頁(yè)；

判斷單元22，用于判斷獲取單元21獲取的網(wǎng)頁(yè)是否為內(nèi)容頁(yè)，內(nèi)容頁(yè)為包含文章內(nèi)容的網(wǎng)頁(yè)；

提取單元23，用于當(dāng)判斷單元22判斷的結(jié)果為網(wǎng)頁(yè)為內(nèi)容頁(yè)時(shí)，從網(wǎng)頁(yè)的相關(guān)信息中提取目標(biāo)時(shí)間，網(wǎng)頁(yè)的相關(guān)信息包括網(wǎng)頁(yè)的頁(yè)面內(nèi)容和/或 網(wǎng)頁(yè)的統(tǒng)一資源定位符URL；

確定單元24，用于將提取單元23提取的目標(biāo)時(shí)間確定為網(wǎng)頁(yè)更新時(shí)間。

其中，目標(biāo)時(shí)間即為網(wǎng)頁(yè)創(chuàng)建時(shí)間，即網(wǎng)頁(yè)發(fā)布到網(wǎng)站上的時(shí)間，因此確定單元24將目標(biāo)時(shí)間確定為網(wǎng)頁(yè)更新時(shí)間，不會(huì)對(duì)后續(xù)統(tǒng)計(jì)網(wǎng)站更新量造成不準(zhǔn)確的現(xiàn)象。

本發(fā)明實(shí)施例提供的獲取網(wǎng)頁(yè)更新時(shí)間的裝置，能夠在獲取爬取的網(wǎng)頁(yè)后，判斷該網(wǎng)頁(yè)是否為內(nèi)容頁(yè)，當(dāng)該網(wǎng)頁(yè)為內(nèi)容頁(yè)時(shí)，從該網(wǎng)頁(yè)的頁(yè)面內(nèi)容或者網(wǎng)頁(yè)的URL中提取目標(biāo)時(shí)間，并將提取的目標(biāo)時(shí)間確定為網(wǎng)頁(yè)更新時(shí)間。由于頁(yè)面內(nèi)容以及URL中往往攜帶網(wǎng)頁(yè)創(chuàng)建時(shí)間，所以上述提取的目標(biāo)時(shí)間指的是網(wǎng)頁(yè)創(chuàng)建時(shí)間，網(wǎng)頁(yè)創(chuàng)建時(shí)間即為網(wǎng)頁(yè)被發(fā)布到網(wǎng)站上的時(shí)間。由此可知，將網(wǎng)頁(yè)創(chuàng)建時(shí)間作為網(wǎng)頁(yè)更新時(shí)間是準(zhǔn)確無(wú)誤的，從而將網(wǎng)頁(yè)創(chuàng)建時(shí)間作為網(wǎng)頁(yè)更新時(shí)間不會(huì)對(duì)后續(xù)統(tǒng)計(jì)網(wǎng)站更新量造成不準(zhǔn)確現(xiàn)象，進(jìn)而提高了統(tǒng)計(jì)網(wǎng)站更新量的準(zhǔn)確率。

進(jìn)一步的，如圖3所示，提取單元23，包括：

獲取模塊231，用于獲取頁(yè)面內(nèi)容中的文章內(nèi)容；

第一提取模塊232，用于從獲取模塊231獲取的文章內(nèi)容中提取開頭內(nèi)容或結(jié)尾內(nèi)容；

第一提取模塊232，還用于從開頭內(nèi)容或結(jié)尾內(nèi)容中提取目標(biāo)時(shí)間。

進(jìn)一步的，如圖3所示，提取單元23，包括：

第二提取模塊233，用于根據(jù)正則表達(dá)式從網(wǎng)頁(yè)的URL中提取目標(biāo)時(shí)間。

進(jìn)一步的，如圖3所示，判斷單元22，包括：

判斷模塊221，用于判斷網(wǎng)頁(yè)的URL中是否含有文件名字段；

確定模塊222，用于當(dāng)判斷模塊221的判斷結(jié)果為URL中含有文件名字段時(shí)，確定網(wǎng)頁(yè)為內(nèi)容頁(yè)；當(dāng)判斷模塊221的判斷結(jié)果為URL中沒有文件名字段時(shí)，確定網(wǎng)頁(yè)不是內(nèi)容頁(yè)。

進(jìn)一步的，在實(shí)際應(yīng)用中，并不是每一個(gè)內(nèi)容頁(yè)的頁(yè)面內(nèi)容中都含有目標(biāo)時(shí)間，也并不是每一個(gè)內(nèi)容頁(yè)的URL中都含有目標(biāo)時(shí)間，因此，確定 單元24，還用于當(dāng)網(wǎng)頁(yè)的相關(guān)信息中沒有目標(biāo)時(shí)間時(shí)，將爬取網(wǎng)頁(yè)時(shí)的爬取時(shí)間確定為網(wǎng)頁(yè)更新時(shí)間。

該裝置實(shí)施例與前述方法實(shí)施例對(duì)應(yīng)，為便于閱讀，本裝置實(shí)施例不再對(duì)前述方法實(shí)施例中的細(xì)節(jié)內(nèi)容進(jìn)行逐一贅述，但應(yīng)當(dāng)明確，本實(shí)施例中的裝置能夠?qū)?yīng)實(shí)現(xiàn)前述方法實(shí)施例中的全部?jī)?nèi)容。

所述獲取網(wǎng)頁(yè)更新時(shí)間的裝置包括處理器和存儲(chǔ)器，上述獲取單元、判斷單元、提取單元和確定單元等均作為程序單元存儲(chǔ)在存儲(chǔ)器中，由處理器執(zhí)行存儲(chǔ)在存儲(chǔ)器中的上述程序單元來(lái)實(shí)現(xiàn)相應(yīng)的功能。

處理器中包含內(nèi)核，由內(nèi)核去存儲(chǔ)器中調(diào)取相應(yīng)的程序單元。內(nèi)核可以設(shè)置一個(gè)或以上，通過調(diào)整內(nèi)核參數(shù)來(lái)提高確定的網(wǎng)頁(yè)更新時(shí)間的準(zhǔn)確率。

存儲(chǔ)器可能包括計(jì)算機(jī)可讀介質(zhì)中的非永久性存儲(chǔ)器，隨機(jī)存取存儲(chǔ)器(RAM)和/或非易失性內(nèi)存等形式，如只讀存儲(chǔ)器(ROM)或閃存(flash RAM)，存儲(chǔ)器包括至少一個(gè)存儲(chǔ)芯片。

本申請(qǐng)還提供了一種計(jì)算機(jī)程序產(chǎn)品，當(dāng)在數(shù)據(jù)處理設(shè)備上執(zhí)行時(shí)，適于執(zhí)行初始化有如下方法步驟的程序代碼：

獲取爬取的網(wǎng)頁(yè)；

判斷網(wǎng)頁(yè)是否為內(nèi)容頁(yè)，內(nèi)容頁(yè)為包含文章內(nèi)容的網(wǎng)頁(yè)；

若網(wǎng)頁(yè)為內(nèi)容頁(yè)，則從網(wǎng)頁(yè)的相關(guān)信息中提取目標(biāo)時(shí)間，網(wǎng)頁(yè)的相關(guān)信息包括網(wǎng)頁(yè)的頁(yè)面內(nèi)容和/或網(wǎng)頁(yè)的統(tǒng)一資源定位符URL；

將目標(biāo)時(shí)間確定為網(wǎng)頁(yè)更新時(shí)間。

本領(lǐng)域內(nèi)的技術(shù)人員應(yīng)明白，本申請(qǐng)的實(shí)施例可提供為方法、系統(tǒng)、或計(jì)算機(jī)程序產(chǎn)品。因此，本申請(qǐng)可采用完全硬件實(shí)施例、完全軟件實(shí)施例、或結(jié)合軟件和硬件方面的實(shí)施例的形式。而且，本申請(qǐng)可采用在一個(gè)或多個(gè)其中包含有計(jì)算機(jī)可用程序代碼的計(jì)算機(jī)可用存儲(chǔ)介質(zhì)(包括但不限于磁盤存儲(chǔ)器、CD-ROM、光學(xué)存儲(chǔ)器等)上實(shí)施的計(jì)算機(jī)程序產(chǎn)品的形式。

本申請(qǐng)是參照根據(jù)本申請(qǐng)實(shí)施例的方法、設(shè)備(系統(tǒng))、和計(jì)算機(jī)程序產(chǎn)品的流程圖和/或方框圖來(lái)描述的。應(yīng)理解可由計(jì)算機(jī)程序指令實(shí)現(xiàn)流 程圖和/或方框圖中的每一流程和/或方框、以及流程圖和/或方框圖中的流程和/或方框的結(jié)合?？商峁┻@些計(jì)算機(jī)程序指令到通用計(jì)算機(jī)、專用計(jì)算機(jī)、嵌入式處理機(jī)或其他可編程數(shù)據(jù)處理設(shè)備的處理器以產(chǎn)生一個(gè)機(jī)器，使得通過計(jì)算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備的處理器執(zhí)行的指令產(chǎn)生用于實(shí)現(xiàn)在流程圖一個(gè)流程或多個(gè)流程和/或方框圖一個(gè)方框或多個(gè)方框中指定的功能的裝置。

這些計(jì)算機(jī)程序指令也可存儲(chǔ)在能引導(dǎo)計(jì)算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備以特定方式工作的計(jì)算機(jī)可讀存儲(chǔ)器中，使得存儲(chǔ)在該計(jì)算機(jī)可讀存儲(chǔ)器中的指令產(chǎn)生包括指令裝置的制造品，該指令裝置實(shí)現(xiàn)在流程圖一個(gè)流程或多個(gè)流程和/或方框圖一個(gè)方框或多個(gè)方框中指定的功能。

這些計(jì)算機(jī)程序指令也可裝載到計(jì)算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備上，使得在計(jì)算機(jī)或其他可編程設(shè)備上執(zhí)行一系列操作步驟以產(chǎn)生計(jì)算機(jī)實(shí)現(xiàn)的處理，從而在計(jì)算機(jī)或其他可編程設(shè)備上執(zhí)行的指令提供用于實(shí)現(xiàn)在流程圖一個(gè)流程或多個(gè)流程和/或方框圖一個(gè)方框或多個(gè)方框中指定的功能的步驟。

在一個(gè)典型的配置中，計(jì)算設(shè)備包括一個(gè)或多個(gè)處理器(CPU)、輸入/輸出接口、網(wǎng)絡(luò)接口和內(nèi)存。

存儲(chǔ)器可能包括計(jì)算機(jī)可讀介質(zhì)中的非永久性存儲(chǔ)器，隨機(jī)存取存儲(chǔ)器(RAM)和/或非易失性內(nèi)存等形式，如只讀存儲(chǔ)器(ROM)或閃存(flash RAM)。存儲(chǔ)器是計(jì)算機(jī)可讀介質(zhì)的示例。

計(jì)算機(jī)可讀介質(zhì)包括永久性和非永久性、可移動(dòng)和非可移動(dòng)媒體可以由任何方法或技術(shù)來(lái)實(shí)現(xiàn)信息存儲(chǔ)。信息可以是計(jì)算機(jī)可讀指令、數(shù)據(jù)結(jié)構(gòu)、程序的模塊或其他數(shù)據(jù)。計(jì)算機(jī)的存儲(chǔ)介質(zhì)的例子包括，但不限于相變內(nèi)存(PRAM)、靜態(tài)隨機(jī)存取存儲(chǔ)器(SRAM)、動(dòng)態(tài)隨機(jī)存取存儲(chǔ)器(DRAM)、其他類型的隨機(jī)存取存儲(chǔ)器(RAM)、只讀存儲(chǔ)器(ROM)、電可擦除可編程只讀存儲(chǔ)器(EEPROM)、快閃記憶體或其他內(nèi)存技術(shù)、只讀光盤只讀存儲(chǔ)器(CD-ROM)、數(shù)字多功能光盤(DVD)或其他光學(xué)存儲(chǔ)、磁盒式磁帶，磁帶磁磁盤存儲(chǔ)或其他磁性存儲(chǔ)設(shè)備或任何其他非傳輸介質(zhì)，可用于存儲(chǔ)可以被計(jì)算設(shè)備訪問的信息。按照本文中的界定，計(jì)算機(jī)可讀 介質(zhì)不包括暫存電腦可讀媒體(transitory media)，如調(diào)制的數(shù)據(jù)信號(hào)和載波。

以上僅為本申請(qǐng)的實(shí)施例而已，并不用于限制本申請(qǐng)。對(duì)于本領(lǐng)域技術(shù)人員來(lái)說(shuō)，本申請(qǐng)可以有各種更改和變化。凡在本申請(qǐng)的精神和原理之內(nèi)所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本申請(qǐng)的權(quán)利要求范圍之內(nèi)。