[发明专利]一种网页数据结构化提取的方法在审
| 申请号： | 202010303525.8 | 申请日： | 2020-04-16 |
| 公开（公告）号： | CN111523303A | 公开（公告）日： | 2020-08-11 |
| 发明（设计）人： | 徐利东;远贵良 | 申请（专利权）人： | 山东贝赛信息科技有限公司 |
| 主分类号： | G06F40/216 | 分类号： | G06F40/216;G06F40/258;G06F8/41 |
| 代理公司： | 济南瑞宸知识产权代理有限公司 37268 | 代理人： | 王萍 |
| 地址： | 250000 山东省济南市经十路7000号*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 网页 数据结构 提取 方法 | ||
【权利要求书】：
1.一种网页数据结构化提取的方法，其特征在于所述的网页数据结构化提取方法：
步骤1：网页源代码获取：获取html源代码信息为初始信息；
步骤2：解析页面标签：解析初始信息并遍历所有的页面标签；
步骤3：提取时间信息：提取html里面的时间信息；
步骤4：判断标题特征：解析页面标签，并判断具有标题特征的信息；
步骤5：提取信息：提取所有标签的文字长度，基于文字长度，计算文字密度，根据文字密度的分布提取正文内容；
步骤6：完成分析：完成对网页数据结构化提取的分析。
2.根据权利要求1所述的一种网页数据结构化提取的方法，其特征在于：所述的提取时间信息通过正则表达式实现。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于山东贝赛信息科技有限公司，未经山东贝赛信息科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202010303525.8/1.html，转载请声明来源钻瓜专利网。
