[发明专利]一种网页信息抽取方法及系统

摘要

本发明公开了一种网页信息抽取方法及系统，该网页信息抽取方法，其特征在于，网页信息抽取方法包括：a.获取网页，并对网页按站点进行分类，分为多个大类，每个大类对应至少一个站点。b.根据网页的页面布局，按照不同种类的模板对大类中的网页进行分类，将每个大类分为多个小类，每个小类对应于一种模板。c.提取小类中网页的网页特征，将网页特征映射到小类所对应的模板的网页关系集合中，使网页特征与网页关系集合的节点一一对应。d.对网页关系集合的每个节点进行属性标注。e.进行数据提取，将所提取的数据与网页关系集合的节点相关联。通过上述方式，本发明的网页信息抽取方法及系统由系统自动配置模板，能够处理大量网站网页并且自动抽取网页信息。

主权项

一种网页信息抽取方法，其特征在于，所述网页信息抽取方法包括：a.获取网页，并对所述网页按站点进行分类，分为多个大类，每个所述大类对应于至少一个站点；b.根据所述网页的页面布局，按照不同种类的模板对所述大类中的网页进行分类，将每个所述大类分为多个小类，每个所述小类对应于一种模板；c.提取所述小类中网页的网页特征，将所述网页特征映射到所述小类所对应的模板的网页关系集合中，使所述网页特征与所述网页关系集合的节点一一对应；d.对所述网页关系集合的每个节点进行属性标注；e.进行数据提取，将所提取的数据与所述网页关系集合的节点相关联。