[发明专利]网页主图提取方法及装置有效
| 申请号： | 201410346226.7 | 申请日： | 2014-07-21 |
| 公开（公告）号： | CN104123363B | 公开（公告）日： | 2018-07-13 |
| 发明（设计）人： | 陈华清;许晟 | 申请（专利权）人： | 北京奇虎科技有限公司;奇智软件（北京）有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 工业和信息化部电子专利中心 11010 | 代理人： | 秦莹 |
| 地址： | 100088 北京市西城区新*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种网页主图提取方法及装置。该方法包括：获取网页的HTML文本，对HTML文本进行模拟排版展示，并获取网页中每个HTML元素的视觉信息；将HTML文本以块信息为单位进行切割；获取块信息中的文本信息，并根据视觉信息从块信息中获取图片信息；根据图片信息获取符合预定视觉要求的图片，并根据文本信息和图片信息，从符合预定视觉要求的图片中进一步选择满足筛选规则的图片，并将该图片作为网页的主图。借助于本发明的技术方案，能够使主图选取达到非常高的准确率和效率。 | ||
| 搜索关键词： | 网页 块信息 视觉信息 视觉要求 图片信息 文本信息 文本 图片信息获取 图片 筛选规则 准确率 排版 切割 展示 | ||
【主权项】：
1.一种网页主图提取方法，其特征在于，包括：获取网页的HTML文本，对所述HTML文本进行模拟排版展示，并获取所述网页中每个HTML元素的视觉信息；将所述HTML文本以块信息为单位进行切割；获取所述块信息中的文本信息，并根据所述视觉信息从所述块信息中获取图片信息；所述图片信息包括：图片链接的URL、图片的说明文本、图片的长度、图片的宽度、图片在模拟排版展示中的纵坐标、以及图片在模拟排版展示中的横坐标；根据所述图片信息获取符合预定视觉要求的图片，并根据所述文本信息和所述图片信息，从符合预定视觉要求的图片中进一步选择满足筛选规则的图片，并将该图片作为所述网页的主图；所述筛选规则包括：将位于网页导航条或菜单与长文本之间的图片作为主图。
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北京奇虎科技有限公司;奇智软件（北京）有限公司，未经北京奇虎科技有限公司;奇智软件（北京）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/patent/201410346226.7/，转载请声明来源钻瓜专利网。
- 上一篇：一种搜索方法及搜索服务器
- 下一篇：一种大数据量下提高网页响应的方法
