[发明专利]网页信息的处理方法和装置

摘要

本发明提供一种网页信息的处理方法和装置。本发明网页信息的处理方法，包括：根据待处理网页中的文本信息分布，建立所述待处理网页的文档对象模型Dom树，其中，所述Dom树包括一个以上的节点，所述节点与所述待处理网页中的文本信息分布相对应，对所述Dom树中的所有节点进行信息统计，确定所述Dom树的主题文本节点；将所述Dom树的主题文本节点对应的文本信息作为所述待处理网页的主题信息，可以提高网页信息处理的准确率和效率。

主权项

1.一种网页信息的处理方法，其特征在于，包括：根据待处理网页中的文本信息分布，建立所述待处理网页的文档对象模型Dom树，其中，所述Dom树包括多个节点，所述节点与所述待处理网页中的文本信息分布相对应；根据所述Dom树中的多层节点，确定所述Dom树的主题文本节点；将所述Dom树的主题文本节点对应的文本信息确定为所述待处理网页的主题信息；若所述Dom树中第1层节点为根节点，第2层节点为所述根节点的下一级节点，第3层节点为所述第2层节点的下一级节点，以此类推，直至第n层节点为止；则根据所述Dom树中的多层节点，确定所述Dom树的主题文本节点，包括：根据所述Dom树中第i层节点中的每个子节点包含的文本总数，确定所述第i层中的第i代表节点，所述第i代表节点中包含的文本总数大于所述第i层中除所述第i代表节点之外的其他节点包含的文本总数；确定第i+1层中所述第i代表节点的下一级节点包含的文本总数，确定第i+1层中的第i+1代表节点，所述第i+1代表节点包含的文本总数大于所述第i代表节点的下一级节点中除所述第i+1代表节点之外的其他节点所包含的文本总数；将i加1，重复执行该步骤，直至获取第n层中的第n代表节点；将所述第n代表节点确定为所述Dom树的主题文本节点；其中，2≤i≤n，n为大于等于2的正整数。