[发明专利]网页中的页面正文提取方法和装置有效
| 申请号： | 201611218222.6 | 申请日： | 2016-12-26 |
| 公开（公告）号： | CN106874346B | 公开（公告）日： | 2020-10-30 |
| 发明（设计）人： | 鄢军;佟京;刘城;孙政 | 申请（专利权）人： | 微梦创科网络科技（中国）有限公司 |
| 主分类号： | G06F16/958 | 分类号： | G06F16/958 |
| 代理公司： | 北京卓岚智财知识产权代理事务所(特殊普通合伙) 11624 | 代理人： | 李延容;张建秀 |
| 地址： | 100193 北京市海淀区东北旺西路中关村*** | 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： | 本发明实施例提供一种网页中的页面正文提取方法和装置，其中，该方法包括：加载待提取的页面；确定页面中的文章标题对应的标签元素；以文章标题对应的标签元素作为基准点，获取页面中文章标题之前的标签元素列表和文章标题之后的标签元素列表；基于文章标题对应的标签元素，从文章标题之前的标签元素列表和文章标题之后的标签元素列表中，确定出页面中的正文页面块对应的标签元素；将确定出的正文页面块对应的标签元素对应的页面块中的内容作为页面正文提取。通过确定正文标签的方式，来确定正文的位置，可以达到快速、准确性高的确定正文的目的，且仅需要请求静态页面，无需对页面进行渲染，因此，减少了部署复杂度，实现起来较为简单。 | ||
| 搜索关键词： | 网页 中的 页面 正文 提取 方法 装置 | ||
【主权项】：
一种网页中的页面正文提取方法，其特征在于，包括：加载待提取的页面；确定所述页面中的文章标题对应的标签元素；以所述文章标题对应的标签元素作为基准点，获取所述页面中所述文章标题之前的标签元素列表和所述文章标题之后的标签元素列表；基于所述文章标题对应的标签元素，从所述文章标题之前的标签元素列表和所述文章标题之后的标签元素列表中，确定出所述页面中的正文页面块对应的标签元素；将确定出的正文页面块对应的标签元素对应的页面块中的内容作为页面正文提取。
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微梦创科网络科技（中国）有限公司，未经微梦创科网络科技（中国）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/201611218222.6/，转载请声明来源钻瓜专利网。
- 上一篇：半导体制水器及制水系统
- 下一篇：一种医用洗手池设备
