[发明专利]一种提取互联网上内容信息的方法及系统

说明书

本发明提供了一种提取互联网上内容信息的方法，包括如下步骤：响应于待提取内容的输入指令；识别所述输入指令，并根据识别结果选择分类类别；使用所述分类类别分析所述输入指令，从而生成与所述分类类别相关联的内容集，所述内容集包含所述待提取内容；将所述内容集按照与输入指令相关联的关联系数进行排序，并在显示器上进行展示。本发明的方案，为用户提供设置接口，可以直接获取目标网页中的内容信息，并且不必被动依赖于资讯网站是否发布RSS和所发布的RSS内容，可以从更广阔的资讯来源中提取更丰富细致的资讯内容，此外，还可以将内容信息保存在本地以供用户访问，从而提高用户的浏览速度。

技术领域

本发明涉及通信技术领域，特别是涉及一种提取互联网上内容信息的方法及系统。

背景技术

互联网发展到如今，其包含的资讯内容已经达到了海量的地步，但是这些咨询内容分散在互联网中的成千上万个站点上，给人们的浏览带来了极大的不便。在这样的情况下，互联网内容提取技术越来越受到重视，它能够主动提取资讯内容，为内容聚合、内容挖掘、内容发布等业务提供原始数据。

互联网资讯内容的提取和搜索引擎是不同的概念。搜索引擎是通过用户输入的关键字，查找与关键字存在某种关系的网页，并将这些符合要求的网页地址罗列显示给用户。

互联网资讯内容的提取是通过用户输入的策略要求，对指定站点进行分析，找到符合要求的资讯内容，并且分别提取资讯内容的标题、作者、来源、发布时间、正文、图片等信息，然后通过一定的接口将这些提取的信息交付给其它应用程序，比如发布系统等。

目前存在一种基于可扩展标记语言(XML)的资讯内容提取技术，简称为“RSS”，是一种内容发布和展现格式，只包含数据，采用XML组织而成。在RSS方式下，资讯内容网站首先必须发布自己的RSS，即提供一个XML页面，该页面展示一定数量的最新资讯内容，包括标题、作者、发布时间、摘要、正文地址链接等。随后，用户通过一定的方式找到自己感兴趣的RSS，进行订阅。以后每隔一段时间刷新这个RSS，得到所订阅的最新资讯内容，包括标题、作者、发布时间、摘要、正文地址链接等，通过点击浏览正文地址链接，用户可以跳转到发布该RSS的咨询内容站点上浏览内容原文。

为了使用户方便订阅RSS，目前还出现了很多RSS阅读工具，包括桌面工具和Web工具，它们可以保存用户订阅的RSS，根据用户设置的时间间隔，定期的获取最新资讯内容，提醒用户浏览。

但是，上述现有技术存在以下的技术问题：

1)并非所有的资讯内容站点都提供RSS。采用上述现有技术的先决条件是，资讯内容站点必须首先发布RSS，用户才有可能进行订阅。但是对于互联网海量的资讯而言，发布RSS的站点只占很少一部分，而大部分的资讯站点仍然采用传统的网页浏览方式。

2)RSS内容依赖于资讯内容站点提供方。目前，许多资讯内容站点提供的RSS并没有覆盖该站点内所有的资讯，而只是提供了一小部分内容，对于RSS没有提供的内容，通过现有技术的方式就无法获得，这就限制了用户提取信息的主动性。

3)通过RSS无法获取并保存正文内容。目前的RSS只提供正文地址链接，而不提供正文的内容，用户必须访问正文地址链接所指向的网址，才能浏览正文，因此降低了用户的浏览速度。

发明内容

为了解决上述技术问题，本发明提供了一种提取互联网上内容信息的方法，包括如下步骤：

响应于待提取内容的输入指令；

识别所述输入指令，并根据识别结果选择分类类别；

使用所述分类类别分析所述输入指令，从而生成与所述分类类别相关联的内容集，所述内容集包含所述待提取内容；

将所述内容集按照与输入指令相关联的关联系数进行排序，并在显示器上进行展示。