本申请实施例涉及计算机技术领域，具体涉及互联网技术领域，尤其涉及用于获取数据的方法和装置。
背景技术：
随着计算机技术的发展，为了更好的进行数据分析，通常需要利用爬虫技术从网页中抓取数据。然而，许多网站都需要登录后才能获取到内容，例如社交网站等。一些非社交类的网站，为了防止爬虫抓取，即使没有用户登录需求，通常也需要用户登录以验证身份。
现有的方法通常是采用人工登录的方式来获取临时登录数据(session cookie)，然后将临时登录数据传递给爬虫，以便爬虫获取数据。
技术实现要素：
本申请实施例提出了用于获取数据的方法和装置。
第一方面，本申请实施例提供了一种用于获取数据的方法，该方法包括：确定目标网站是否未登录；响应于确定目标网站未登录，识别目标网站的登录页面中的登录表单，并确定登录表单中的各个字段的类别；对于登录表单中的每一个字段，输入与该字段的类别相对应的值，以登录目标网站；获取登录目标网站后所呈现的页面的页面数据。
在一些实施例中，响应于确定目标网站未登录，识别目标网站的登录页面中的登录表单，并确定登录表单中的各个字段的类别，包括：响应于确定目标网站未登录，从目标网站的登录页面的页面数据中提取表单信息；将表单信息输入至预先训练的逻辑回归模型，识别出登录页面中的登录表单，其中，逻辑回归模型用于识别表单的类型；提取登录表单中的各个字段的特征信息，将所提取的特征信息输入至预先训练的条件随机场模型，得到各个字段的类别，其中，条件随机场模型用于识别表单中的字段的类别。
在一些实施例中，确定目标网站是否未登录，包括：确定本地是否存储有目标网站的临时登录数据；响应于确定本地存储有临时登录数据，访问目标网站的目标页面，若目标页面被重定向至目标网站的登录页面，则确定目标网站未登录，其中，目标页面为待被获取数据的页面。
在一些实施例中，确定目标网站是否未登录，包括：响应于确定本地未存储有临时登录数据，确定目标网站未登录。
在一些实施例中，确定目标网站是否未登录，包括：访问目标网站的目标页面，其中，目标页面为待被获取数据的页面；确定目标页面中是否包含目标字符串和登录链接；响应于确定目标页面中包含目标字符串和/或登录链接，确定目标网站未登录。
在一些实施例中，对于登录表单中的每一个字段，输入与该字段的类别相对应的值，以登录目标网站，包括：对于登录表单中的每一个字段，输入与该字段的类别相对应的值；利用模拟点击提交方式登录目标网站。
第二方面，本申请实施例提供了一种用于获取数据的装置，该装置包括：确定单元，配置用于确定目标网站未登录；识别单元，配置用于响应于确定目标网站是否未登录，识别目标网站的登录页面中的登录表单，并确定登录表单中的各个字段的类别；输入单元，配置用于对于登录表单中的每一个字段，输入与该字段的类别相对应的值，以登录目标网站；获取单元，配置用于获取登录目标网站后所呈现的页面的页面数据。
在一些实施例中，识别单元包括：提取模块，配置用于响应于确定目标网站未登录，从目标网站的登录页面的页面数据中提取表单信息；第一输入模块，配置用于将表单信息输入至预先训练的逻辑回归模型，识别出登录页面中的登录表单，其中，逻辑回归模型用于识别表单的类型；第二输入模块，配置用于提取登录表单中的各个字段的特征信息，将所提取的特征信息输入至预先训练的条件随机场模型，得到各个字段的类别，其中，条件随机场模型用于识别表单中的字段的类别。
在一些实施例中，确定单元包括：第一确定模块，配置用于确定本地是否存储有目标网站的临时登录数据；第二确定模块，配置用于响应于确定本地存储有临时登录数据，访问目标网站的目标页面，若目标页面被重定向至目标网站的登录页面，则确定目标网站未登录，其中，目标页面为待被获取数据的页面。
在一些实施例中，确定单元还包括：第三确定模块，配置用于响应于确定本地未存储有临时登录数据，确定目标网站未登录。
在一些实施例中，确定单元包括：访问模块，配置用于访问目标网站的目标页面，其中，目标页面为待被获取数据的页面；第四确定模块，配置用于确定目标页面中是否包含目标字符串和登录链接；第五确定模块，配置用于响应于确定目标页面中包含目标字符串和/或登录链接，确定目标网站未登录。
在一些实施例中，输入单元包括：第三输入模块，配置用于对于登录表单中的每一个字段，输入与该字段的类别相对应的值；登录模块，配置用于利用模拟点击提交方式登录目标网站。
第三方面，本申请实施例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，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如用于获取数据的中任一实施例的方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如用于获取数据的中任一实施例的方法。
本申请实施例提供的用于获取数据的方法和装置，通过确定目标网站是否未登录，而后在确定目标网站未登录后识别该目标网站的登录页面中的登录表单，并确定该登录表单中的各个字段的类别，之后对于该登录表单中的每一个字段，输入与该字段的类别相对应的值，以登录该目标网站，最后获取登录该目标网站后所呈现的页面的页面数据，可以自动进行登录表单和登录表单中的字段的识别和填写，不需要用户手动登录和设置临时登录数据(session cookie)，也不需要在会话(session)过期后人工重复操作，从而提高了数据获取的灵活性。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1是本申请可以应用于其中的示例性系统架构图；
图2是根据本申请的用于获取数据的方法的一个实施例的流程图；
图3是根据本申请的用于获取数据的方法的又一个实施例的流程图；
图4是根据本申请的用于获取数据的装置的一个实施例的结构示意图；
图5是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的用于获取数据的方法或用于获取数据的装置的示例性系统架构100。
如图1所示，系统架构100可以包括终端设备101，网络102和服务器103、104、105。网络102用以在终端设备101和服务器103、104、105之间提供通信链路的介质。网络102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101通过网络102与服务器103、104、105交互，以接收或发送消息等。终端设备101上可以安装有各种通讯客户端应用，例如爬虫类应用、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。终端设备101可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于平板电脑、膝上型便携计算机和台式计算机等等。
服务器103、104、105可以是提供各种服务的服务器，例如对终端设备101上显示的不同网站中的网页提供支持的后台网页服务器。后台网页服务器可以对接收到的登录请求等数据进行分析等处理，并将处理结果(例如登录请求所指示的页面)反馈给终端设备。
需要说明的是，本申请实施例所提供的用于获取数据的方法一般由终端设备101执行，相应地，用于获取数据的装置一般设置于终端设备101中。
应该理解，图1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。
继续参考图2，示出了根据本申请的用于获取数据的方法的一个实施例的流程200。所述的用于获取数据的方法，包括以下步骤：
步骤201，确定目标网站是否未登录。
在本实施例中，用于获取数据的方法运行于其上的电子设备(例如图1所示的终端设备101)可以利用各种方式确定目标网站是否未登录。其中，上述目标网站可以是技术人员预先指定的需要从其中获取数据的、且需要登录后才能进行数据获取的网站，例如社交网站、专利检索网站等。
作为示例，上述电子设备可以预先存储有上述目标网站中的目标页面的网址，其中，上述目标页面可以是技术人员预先指定的、待被获取数据的页面。例如，若目标网站为专利检索网站，则可以将利用某一搜索词(例如“人脸识别方法”)搜索后的结果页作为该目标网站的目标页面。此时，上述电子设备可以首先访问上述目标页面，基于上述目标页面是否访问成功来确定上述目标网站是否未登录。即，若上述目标页面访问成功，则可以确定上述目标网站已登录；若上述目标页面访问失败(例如发生网页跳转)，则可以确定上述目标网站未登录。实践中，网址一般由统一资源定位符(Uniform Resource Locator，URL)来表示。
实践中，若上述目标页面未登录，则在访问上述目标页面时，会自动跳转至上述目标页面的登录页面。
在本实施例的一些可选的实现方式中，上述电子设备还可以通过以下步骤确定上述目标网站是否未登录：首先，上述电子设备可以确定本地是否存储有上述目标网站的临时登录数据(session cookie)。之后，响应于确定本地存储有上述临时登录数据，上述电子设备可以访问上述目标网站的目标页面，其中，上述目标页面可以是待被获取数据的页面。实践中，技术人员可以预先对目标页面进行指定。在访问上述目标页面的过程中，若上述目标页面被重定向至上述目标网站的登录页面，则可以确定上述目标网站未登录。若上述目标页面未被重定向至其他页面，则可以确定上述目标网站已登录。
在本实施例的一些可选的实现方式中，上述电子设备可以确定本地是否存储有上述目标网站的临时登录数据，响应于确定本地未存储有上述临时登录数据，上述电子设备可以确定上述目标网站未登录。
在本实施例的一些可选的实现方式中，上述电子设备还可以通过以下步骤确定上述目标网站是否未登录：首先，上述电子设备可以访问上述目标网站的目标页面，其中，上述目标页面为待被获取数据的页面。实践中，技术人员可以预先对目标页面进行指定。而后，上述电子设备可以确定上述目标页面中是否包含目标字符串和登录链接。其中，上述目标字符串可以是用于表征登录含义的字符串，例如“login”、“login_url_pattern”等；上述登录链接可以是访问登录页面的链接，例如“https://www.zhihu.com/login/{userName}”。响应于确定上述目标页面中包含上述目标字符串和/或上述登录链接，上述电子设备可以确定上述目标网站未登录。
步骤202，响应于确定目标网站未登录，识别目标网站的登录页面中的登录表单，并确定登录表单中的各个字段的类别。
在本实施例中，响应于确定目标网站未登录，上述电子设备可以识别上述目标网站的登录页面中的登录表单，并确定登录表单中的各个字段的类别。实践中，上述登录表单可以是用于登录上述目标网站所需填写的表单，登录表单中的字段的类别可以包括但不限于以下一项或多项：用户名类(例如字段“username”)、密码类(例如字段“password”)、确认密码类(例如字段“password confirmation”)、邮箱类(例如字段“email”)、确认邮箱类(例如字段“email confirmation”)、验证码类(例如字段“captcha”)、记住我类(例如字段“remember mecheckbox”)、提交按钮类(例如字段“submit button”)、删除按钮类(例如字段“cancel button”)、搜索按钮类(例如字段“search query”)等。
此处，上述电子设备可以利用各种方法识别登录表单和登录表单中的各个字段的类别。作为示例，可以预先对多个网站中的各个网站的登录页面进行分析，对各个网站中的登录页面中的登录表单和各网站的登录表单的字段类别进行统计，并存储各个网站的登录表单的信息。其中，每一个网站的登录表单的信息可以包括该网站的登录请求提交链接(post_login_url)和登录请求相关数据(JSON(JavaScriptObject Notation，JavaScript对象标记语言)格式)等。其中，登录请求相关数据可以包括但不限于登录用户名表单字段(username_key)、登录用户名(username_value)、登录密码表单字段(password_key)、登录密码(password_value)等，还可以包括CSRF(Cross-site requestforgery，跨站请求伪造)标记(token)，验证码(captcha)、指向验证码服务的链接等。在确定上述目标网站未登录后，上述电子设备可以提取预存的上述目标网站的登录表单的信息，将该预存的信息与上述目标网站的页面数据进行匹配，确定出上述目标网站的登录表单和该登录表单中的各个字段的类别。
步骤203，对于登录表单中的每一个字段，输入与该字段的类别相对应的值，以登录目标网站。
在本实施例中，上述电子设备中可以预先存储有各个类别的字段对应的值。作为示例，类别为用户名的字段对应的值可以是用户名的字符串。在确定出登录表单中的每一个字段的类别后，上述电子设备可以提取并输入与该字段的类别相对应的值。在输入上述登录表单中的各个字段对应的值后，可以以各种方式登录上述目标网站。例如，可以通过构造POST方式登录上述目标网站。
在本实施例的一些可选的实现方式中，上述电子设备对于上述登录表单中的每一个字段，可以输入与该字段的类别相对应的值；而后，可以利用模拟点击提交方式登录上述目标网站。实践中，可以利用Javascript模拟按键点击提交方式进行上述目标网站的登录。此处，由于有些网站的登录页面不仅需要进行CSRF token校验，还可能对表单内容进行加密，若采用POST方式需要执行加密逻辑，而采用模拟点击提交方式不需要执行加密逻辑，可以降低复杂性。
需要说明的是，上述POST方式和Javascript模拟按键点击均为提交数据的方式，且上述POST方式和Javascript模拟按键点击的方式是目前广泛研究和应用的公知技术，在此不再赘述。
步骤204，获取登录目标网站后所呈现的页面的页面数据。
在本实施例中，上述电子设备在登录上述目标网站后，可以获取登录目标网站后所呈现的页面的页面数据。实践中，在登录上述目标网站后，可以从当前页面自动跳转到原本请求访问的目标页面中，此时，上述电子设备可以利用各种现有的爬虫工具或者与存在上述电子设备中的爬虫应用，爬取该目标页面的页面数据(例如HTML(HyperText Markup Language，超级文本标记语言)格式的网页代码)。
本申请的上述实施例提供的方法，通过确定目标网站是否未登录，而后在确定目标网站未登录后识别该目标网站的登录页面中的登录表单，并确定该登录表单中的各个字段的类别，之后对于该登录表单中的每一个字段，输入与该字段的类别相对应的值，以登录该目标网站，最后获取登录该目标网站后所呈现的页面的页面数据，从而不需要用户手动登录和设置临时登录数据(session cookie)，也不需要在会话(session)过期后人工重新操作，提高了数据获取的灵活性。
进一步参考图3，其示出了用于获取数据的方法的又一个实施例的流程300。该用于获取数据的方法的流程300，包括以下步骤：
步骤301，确定目标网站是否未登录。
在本实施例中，用于获取数据的方法运行于其上的电子设备(例如图1所示的终端设备101)可以利用各种方式确定目标网站是否未登录。例如，可以首先确定本地是否存储有上述目标网站的临时登录数据。之后，响应于确定本地存储有上述临时登录数据，可以访问上述目标网站的目标页面，其中，上述目标页面可以是待被获取数据的页面。在访问上述目标页面的过程中，若上述目标页面被重定向至上述目标网站的登录页面，则可以确定上述目标网站未登录。若上述目标页面未被重定向至其他页面，则可以确定上述目标网站已登录。
步骤302，响应于确定目标网站未登录，从目标网站的登录页面的页面数据中提取表单信息。
在本实施例中，响应于确定目标网站未登录，上述电子设备可以从目标网站的登录页面的页面数据中提取表单信息。具体的，上述电子设备可以首先从目标网站的登录页面的页面数据中查找表单标签(例如“<form>”和“</form>”)；而后，可以提取表单标签中所包含的数据；之后，可以从所提取的数据中确定以下内容的一项或多项作为表单信息：表单字段的数目、表单提交方式是GET还是POST、提交按钮上的文字信息、表单名称、用于设置或返回控件的CSS(Cascading Style Sheets，层叠样式表)样式类(class)、CSS ID(Identification，身份标识号)、输入标签、链接是否包含某些字符串(例如“login”、“search”等)，并将所确定的各项作为表单信息。需要说明的是，表单信息不限于以上列举，还可以包括与表单相关的其他信息。
步骤303，将表单信息输入至预先训练的逻辑回归模型，识别出登录页面中的登录表单。
在本实施例中，上述电子设备可以将上述表单信息输入至预先训练的逻辑回归模型(Logistic Regressive)，识别出登录页面中的登录表单，其中，上述预先训练的逻辑回归模型可以用于识别表单的类型。需要说明的是，表单类型可以包括登录表单、搜索表单、注册表单、找回密码表单、联系表单等等。
此处，上述预先训练的逻辑回归模型可以通过如下方式训练得到：首先，可以获取多个表单信息样本(例如1000个)，其中，每一个表单信息样本带有标注，标注可以用于指示表单信息样本对应的表单的类型。而后，利用机器学习方式，将表单信息样本作为预先建立的逻辑回归模型(可以使用现有的各种逻辑回归模型)的输入，将表单信息样本带有的标注作为该预先建立的逻辑回归模的输出，对该预先建立的逻辑回归模型进行有监督训练，得到训练后的逻辑回归模型。此时，将待确定类型的表单信息输入至训练后的回归模型后，该训练后的回归模型可以输出相应的表单的类型。实践中，所述归回模型输出的内容可以是属于各个表单类型的概率，概率最大值对应的类型则为与输入的表单信息相对应的表单的类型。
实践中，训练逻辑回归模型所使用的多个表单信息样本对应的表单类型可以包括登录表单、搜索表单、注册表单、找回密码表单、联系表单等等。各个类型的表单的字段通常会存在不同类别的字段，例如，登录表单通常包含用户名字段、类别字段，而注册表单则一般含有邮件字段或者电话字段等。
步骤304，提取上述登录表单中的各个字段的特征信息，将所提取的特征信息输入至预先训练的条件随机场模型，得到各个字段的类别。
在本实施例中，上述电子设备可以首先提取上述登录表单中的各个字段的特征信息，其中，特征信息可以包括但不限于以下至少一项：该字段的名称、该字段前后的文字、该字段的CSS class和CSS ID、该字段的标题(title)和占位符(placeholder)属性等。而后，上述电子设备可以将所提取的各个字段的特征信息输入至预先训练的条件随机场(Conditional Random Field，CRF)模型，得到该字段的类别，其中，上述条件随机场模型可以用于识别表单中的字段的类别。需要说明的是，登录表单中的字段的类别可以包括但不限于：用户名类、密码类、确认密码类、邮箱类、确认邮箱类、验证码类、记住我类、提交按钮类、删除按钮类、搜索按钮类等。实践中，条件随机场模型是一种判别式概率模型，是随机场的一种，常用于标注或分析序列资料，如自然语言文字。因此，可以利用经过训练后的条件随机场模型进行字段的类别的识别。
此处，上述预先训练的条件随机场模型可以通过如下方式训练得到：首先，可以获取多个表单样本(例如1000个)的特征信息。而后，利用机器学习方式，将每一个表单样本中的各个字段对应的特征信息作为预先建立的条件随机场模型(可以使用现有的条件随机场模型)的输入，将该表单中的各个字段的类别作为该预先建立的条件随机场模型的输出，对该预先建立的条件随机场模型进行有监督训练，得到训练后的条件随机场模型。
需要说明的是，利用机器学习方法训练逻辑回归模型和条件随机场模型的方法是目前广泛研究和应用的公知技术，在此不再赘述。
步骤305，对于登录表单中的每一个字段，输入与该字段的类别相对应的值，以登录目标网站。
在本实施例中，上述电子设备中可以预先存储有各个类别的字段对应的值。作为示例，类别为用户名的字段对应的值可以是用户名的字符串。在确定出登录表单中的每一个字段的类别后，上述电子设备可以提取并输入与该字段的类别相对应的值。在输入上述登录表单中的各个字段对应的值后，可以利用模拟点击提交方式登录上述目标网站。
步骤306，获取登录目标网站后所呈现的页面的页面数据。
在本实施例中，上述电子设备在登录上述目标网站后，可以获取登录目标网站后所呈现的页面的页面数据。实践中，在登录上述目标网站后，可以从当前页面自动跳转到原本请求访问的目标页面中，此时，上述电子设备可以利用各种现有的爬虫工具或者与存在上述电子设备中的爬虫应用，爬取该目标页面的页面数据。
需要说明的是，步骤301、步骤305、步骤306的操作与步骤201、步骤203、步骤204的操作基本相同，此处不再赘述。
从图3中可以看出，与图2对应的实施例相比，本实施例中的用于获取数据的方法的流程300突出了利用逻辑回归模型识别登录表单的步骤和利用条件随机场模型识别登录表单中的各个字段的类别的步骤。由此，本实施例描述的方案不需要去分析各个网站的登录表单，可以自动识别登录表单和登录表单中的字段的类别，进一步提高了数据获取的灵活性。
进一步参考图4，作为对上述各图所示方法的实现，本申请提供了一种用于获取数据的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图4所示，本实施例所述的用于获取数据的装置400包括：确定单元401，配置用于确定目标网站是否未登录；识别单元402，配置用于响应于确定上述目标网站未登录，识别上述目标网站的登录页面中的登录表单，并确定上述登录表单中的各个字段的类别；输入单元403，配置用于对于上述登录表单中的每一个字段，输入与该字段的类别相对应的值，以登录上述目标网站；获取单元404，配置用于获取登录上述目标网站后所呈现的页面的页面数据。
在本实施例的一些可选的实现方式中，上述识别单元402包括提取模块、第一输入模块和第二输入模块(图中未示出)。其中，上述提取模块可以配置用于响应于确定上述目标网站未登录，从上述目标网站的登录页面的页面数据中提取表单信息。上述第一输入模块可以配置用于将上述表单信息输入至预先训练的逻辑回归模型，识别出上述登录页面中的登录表单，上述逻辑回归模型用于识别表单的类型。上述第二输入模块可以配置用于提取上述登录表单中的各个字段的特征信息，将所提取的特征信息输入至预先训练的条件随机场模型，得到各个字段的类别，其中，上述条件随机场模型用于识别表单中的字段的类别。
在本实施例的一些可选的实现方式中，上述确定单元401可以包括第一确定模块和第二确定模块(图中未示出)。其中，上述第一确定模块可以配置用于确定本地是否存储有目标网站的临时登录数据。上述第二确定模块可以配置用于响应于确定本地存储有上述临时登录数据，访问上述目标网站的目标页面，若上述目标页面被重定向至上述目标网站的登录页面，则确定上述目标网站未登录，其中，上述目标页面为待被获取数据的页面。
在本实施例的一些可选的实现方式中，上述确定单元401还可以包括第三确定模块(图中未示出)。其中，上述第三确定模块可以配置用于响应于确定本地未存储有上述临时登录数据，确定上述目标网站未登录。
在本实施例的一些可选的实现方式中，上述确定单元401可以包括访问模块、第四确定模块和第五确定模块(图中未示出)。其中，上述访问模块可以配置用于访问上述目标网站的目标页面，其中，上述目标页面为待被获取数据的页面。上述第四确定模块可以配置用于确定上述目标页面中是否包含目标字符串和登录链接。上述第五确定模块可以配置用于响应于确定上述目标页面中包含上述目标字符串和/或上述登录链接，确定上述目标网站未登录。
在本实施例的一些可选的实现方式中，上述输入单元403可以包括第三输入模块和登录模块(图中未示出)。其中，上述第三输入模块可以配置用于对于上述登录表单中的每一个字段，输入与该字段的类别相对应的值。上述登录模块可以配置用于利用模拟点击提交方式登录上述目标网站。
本申请的上述实施例提供的装置，通过确定单元401确定目标网站是否未登录，在确定目标网站未登录后识别单元402识别该目标网站的登录页面中的登录表单，并确定该登录表单中的各个字段的类别，之后输入单元403对于该登录表单中的每一个字段，输入与该字段的类别相对应的值，以登录该目标网站，最后获取单元404获取登录该目标网站后所呈现的页面的页面数据，从而不需要用户手动登录和设置临时登录数据(session cookie)，也不需要在会话(session)过期后人工重新操作，提高了数据获取的灵活性。
下面参考图5，其示出了适于用来实现本申请实施例的电子设备的计算机系统500的结构示意图。图5示出的电子设备仅仅是一个示例，不应对本申请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RAM 503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，执行本申请的方法中限定的上述功能。需要说明的是，本申请所述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。在本申请中，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。而在本申请中，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，图示了按照本申请各种实施例的系统、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，该模块、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，框图和/或流程图中的每个方框、以及框图和/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。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括确定单元、识别单元、输入单元和获取单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，确定单元还可以被描述为“确定目标网站是否未登录的单元”。
作为另一方面，本申请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装置中所包含的；也可以是单独存在，而未装配入该装置中。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该装置执行时，使得该装置：确定目标网站是否未登录；响应于确定该目标网站未登录，识别该目标网站的登录页面中的登录表单，并确定该登录表单中的各个字段的类别；对于该登录表单中的每一个字段，输入与该字段的类别相对应的值，以登录该目标网站；获取登录该目标网站后所呈现的页面的页面数据。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。