[发明专利]网页数据处理方法、装置、计算机设备和存储介质

说明书

本发明涉及一种网页数据处理方法、装置、计算机设备和存储介质，所述方法包括：获取待处理网页对应的待处理超文本文件；从待处理超文本文件中提取目标内容超文本数据，所述目标内容超文本数据包括一个或多个目标超文本标签以及所述目标超文本标签对应的超文本内容；将目标内容超文本数据中的各个目标超文本标签作为当前超文本标签，生成各个目标超文本标签对应的网页对象；将各个目标超文本标签对应的网页对象组成网页对象序列。上述方法可以降低了对计算机资源的占用度。

技术领域

本发明涉及互联网技术领域，特别是涉及网页数据处理方法、装置、计算机设备和存储介质。

背景技术

随着互联网的快速发展，互联网网页已经成为信息发布和信息共享的载体，互联网用户可以在网页上分布各种内容，例如新闻、产品介绍等信息。

目前，一个网页上的信息除了想要发布的内容之外，还有很多其他信息，例如广告、导航以及版权信息等，因此，当要将发布的内容转换到其他平台发布或者保存时，需要获取整个网页的数据，数据量大，占用计算机资源。

发明内容

基于此，有必要针对上述的问题，提供一种网页数据处理方法、装置、计算机设备和存储介质，可从待处理网页对应的待处理超文本文件中提取目标内容超文本数据，根据目标内容超文本数据的超文本标签表示的数据类型分别处理超文本内容，并在超文本标签表示的数据类型为文本数据类型时，进一步根据标签类型处理超文本内容，获取到目标网页内容对应的网页对象序列，得到目标页面内容的效率高且降低了数据量，降低了对计算机资源的占用度。

一种网页数据处理方法，所述方法包括：获取待处理网页对应的待处理超文本文件；从所述待处理超文本文件中提取目标内容超文本数据，所述目标内容超文本数据包括一个或多个目标超文本标签以及所述目标超文本标签对应的超文本内容；将所述目标内容超文本数据中的各个目标超文本标签作为当前超文本标签，生成所述各个目标超文本标签对应的网页对象，包括：获取所述当前超文本标签表示的当前数据类型，当所述当前数据类型为非文本数据类型时，根据所述当前超文本标签对应的当前超文本内容得到所述当前超文本标签对应的第一网页对象，当所述当前数据类型为文本数据类型时，获取所述当前超文本标签对应的当前标签类型，根据所述当前标签类型对所述当前超文本标签对应的当前超文本内容进行处理，得到第二网页对象；将所述各个目标超文本标签对应的网页对象组成网页对象序列。

一种网页数据处理装置，所述装置包括：待处理文件获取模块，用于获取待处理网页对应的待处理超文本文件；提取模块，用于从所述待处理超文本文件中提取目标内容超文本数据，所述目标内容超文本数据包括一个或多个目标超文本标签以及所述目标超文本标签对应的超文本内容；对象生成模块，用于将所述目标内容超文本数据中的各个目标超文本标签作为当前超文本标签，生成所述各个目标超文本标签对应的网页对象，包括：获取所述当前超文本标签表示的当前数据类型，当所述当前数据类型为非文本数据类型时，根据所述当前超文本标签对应的当前超文本内容得到所述当前超文本标签对应的第一网页对象，当所述当前数据类型为文本数据类型时，获取所述当前超文本标签对应的当前标签类型，根据所述当前标签类型对所述当前超文本标签对应的当前超文本内容进行处理，得到第二网页对象；序列组成模块，用于将所述各个目标超文本标签对应的网页对象组成网页对象序列。

在一个实施例中，所述装置还包括：内容获取模块，用于当所述当前数据类型为非文本数据类型时，获取当前待生成的网页对象的内容，根据当前待生成的网页对象的内容生成所述第三网页对象。

在一个实施例中，所述装置还包括：模板获取模块，用于获取网页超文本模板；填充模块，用于将所述网页对象序列中各个网页对象填充到所述网页超文本模板中，得到对应的目标网页超文本文件，所述目标网页超文本文件中所述网页对象序列中各个网页对象对应的超文本标签为块级标签。