1.一种互联网数据智能采集方法，其特征在于：包括以下步骤：

步骤一、数据采集：提供程序输入入口输入采集需求文字，对输入的采集需求文字进行处理得到命名实体识别结果，对命名实体识别结果进行采集规则分类得到需求分类结果；

具体包括以下步骤：

S1、提供程序输入入口，让使用者输入文字来描述采集需求；

S2、使用自然语言处理技术和语义识别技术，将输入内容基于Hmm和Viterbi算法进行中文分词和词性标注，提取名词、动词、副词、数词、形容词，完成命名实体识别；

其中，中文分词和词性标注包括以下步骤：

（1）通过正则检测输入字符串的中文字符，根据邻近词词典对中文字符进行预分词；

（2）基于HMM模型得出状态序列并采用Viterbi算法得出状态序列的最优路径，完成中文分词；

（3）根据词性标注语料库对分词结果进行分类，并基于Viterbi算法完成命名实体识别S3、对命名实体识别结果进行采集规则分类：根据采集需求分别提供智能采集、垂直采集、定制采集三种选择标签，让使用者自行选择对应的需求分类规则，得到需求分类结果；

步骤二、页面数据解析：根据不同需求分类结果选择对应的解析策略进行页面数据解析，得到解析结果；

步骤三、数据存储：将采集完成的数据进行云端存储。

2.根据权利要求1所述的互联网数据智能采集方法，其特征在于：步骤（3）包括以下步骤：a、通过正则表达式从输入的字符串的匹配出中文字符,非中文则保留原有字符；

b、加载相邻词词典进行分词：遍历中文字符串，以字符串每两个相邻的字为一组，在词典中进行匹配；如果两个字在词典中则为一组普通词语，就把词语的第一字保留下来，遍历第二组词；如果第二组词在相邻词典中匹配不到，则认为第一组词为正常词语，否则继续遍历，直到匹配不到内容；

c、分词后通过查词性标注语料库，标上所有可能的词类，组成词性序列，采用Hmm模型将词性序列作为隐藏序列，将词语序列作为观测序列，然后通过Viterbi算法遍历所有词；

每个词都计算各个词性下的一阶HMM值，取值最大的为最终词性，保存该词性和概率，得出最优词性序列；

d、根据得出的最优词性序列，提取出关键信息，最后返回命名实体识别结果，所述关键信息包括采集目标，采集规则，采集内容。

3.根据权利要求1所述的互联网数据智能采集方法，其特征在于：步骤S3中智能采集是自动根据命名实体识别结果进行需求分类，对识别后的采集目标进行网页主体类型识别，具体是运用基于Web结构特征的数据挖掘算法进行网页主体识别，网页主体识别流程为：爬虫系统获取网页源码并解析成 DOM 树，然后对DOM树的节点预处理，提取文本特征，使用TF‑IDF算法计算关键词权重，然后构造分类器，最后通过分类器完成网页类型的自动识别。

4.根据权利要求1所述的互联网数据智能采集方法，其特征在于：采用主体解析方式对智能采集的分类结果进行页面数据解析；采用模板解析的方式对垂直采集的分类结果进行页面数据解析；采用定制解析的方式对定制采集的分类结果进行页面数据解析。

5.根据权利要求4所述的互联网数据智能采集方法，其特征在于：定制解析是由人工确定解析规则或者由使用者自行配置解析规则，可以根据需要采集的字段名称、HTML标签、DOM节点配置解析规则。

6.根据权利要求1所述的互联网数据智能采集方法，其特征在于：步骤三中数据存储包括以下步骤：S1、数据存储：采集者选择存储类型对采集完成的数据进行云端存储，并实时查看当前采集内容和采集效率；所述存储类型包括关系型、文档型、音视频文件型；

S2、数据管理：对采集完成的数据按照规则进行去重、过滤、清洗、转换、分组等，进行数据分析和数据可视化；

S3、数据导出：将采集完成的数据下载下来，并可按照需求类型将数据导出。