[发明专利]一种网页内容识别方法和装置

权利要求书

1.一种网页内容识别方法，其特征在于，包括：

记录下每个用户对网址地址中网页模块的标记行为；

检测当前用户所请求的网页地址是否被数量达到预定阈值的用户标记过，是则将所述网页地址中被最多用户标记过的内容模块作为所述网页地址的有效内容；否则

检查网页地址的上一级网址以及所述上一级网址所具有的其他子网址是否被数量达到用户数阈值用户标记过，直至到达顶级域名；是则将所述网页地址的上一级网址以及该上一级网址所具有的其他子网址中被最多用户标记过的内容模块作为网页地址对应的有效内容。

2.如权利要求1所述的方法，其特征在于，所述记录下每个用户对网址地址中网页模块的标记行为包括：

记录下用户所标记的网页内容对应DOM节点信息。

3.如权利要求2所述的方法，其特征在于，所述记录下用户所标记的网页内容对应DOM节点信息包括：

记录用户所标记的网页内容对应的一个或者一组XPath信息。

4.如权利要求2或3所述的方法，其特征在于，所述将记录的被最多用户标记过的内容模块作为该网页地址的有效内容包括：

将所述网页地址中被数量最多的用户标记过的一个或多个DOM节点作为所述网页地址的有效内容。

5.如权利要求3所述的方法，其特征在于，将所述网页地址的上一级网址以及该上一级网址所具有的其他子网址中被最多用户标记过的内容模块作为网页地址对应的有效内容包括：

将所述网页地址的上一级网址以及该上一级网址所具有的其他子网址中被最多用户标记过的内容模块的Xpath信息直接作为该网页地址有效内容的Xpath信息。

6.如权利要求1、2、3或5任意所述的方法，其特征在于，根据系统所支持用户的情况以及其他原因，设定或修改预定阈值的值。

7.一种网页内容识别装置，包括：

记录模块，用于记录下每个用户对网址地址中网页模块的标记行为；

检测模块，用于检测当前用户所请求的网页地址、网页地址的上一级网址以及所述上一级网址所具有的其他子网址是否被数量达到用户数阈值用户标记过，直至到达顶级域名，并当检测结果为是时，通知推介模块；

推介模块，用于将所述网页地址中被最多用户标记过的内容模块作为该网页地址的有效内容；或将所述网页地址的上一级网址以及该上一级网址所具有的其他子网址中被最多用户标记过的内容模块作为网页地址对应的有效内容。