[发明专利]提取网页内容的方法和网页内容提取装置在审
| 申请号： | 201711137446.9 | 申请日： | 2017-11-16 |
| 公开（公告）号： | CN110020302A | 公开（公告）日： | 2019-07-16 |
| 发明（设计）人： | 郑仲光;孟遥;孙俊 | 申请（专利权）人： | 富士通株式会社 |
| 主分类号： | G06F16/957 | 分类号： | G06F16/957 |
| 代理公司： | 北京集佳知识产权代理有限公司 11227 | 代理人： | 杜诚;张维克 |
| 地址： | 日本神*** | 国省代码： | 日本;JP |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 这里公开的示例性实施例涉及提取网页的内容的方法、提取网页的内容的装置及计算机程序介质。根据提取网页的内容的方法，包括：将输入网页转换为文档对象模型树；确定文档对象模型树中的每个叶节点是否内容叶节点，其中如果叶节点在文档对象模型树中的路径与包括至少一个参考路径的第一集合中的一个参考路径匹配，则叶节点被确定为内容叶节点；识别文档对象模型树中的至少一个内容非叶节点，其中每个内容非叶节点的所有下属叶节点均为内容叶节点；选择内容非叶节点中所有下属叶节点的文本内容的总长度最长的内容非叶节点；以及提取所选择的内容非叶节点中所有下属叶节点的文本内容。 | ||
| 搜索关键词： | 叶节点 文档对象模型树 参考路径 文本内容 网页 计算机程序介质 网页内容提取 输入网页 网页内容 选择内容 匹配 集合 转换 | ||
【主权项】：
1.一种提取网页的内容的方法，包括：将输入网页转换为文档对象模型树；确定所述文档对象模型树中的每个叶节点是否内容叶节点，其中如果所述叶节点在所述文档对象模型树中的路径与包括至少一个参考路径的第一集合中的一个参考路径匹配，则所述叶节点被确定为内容叶节点；识别所述文档对象模型树中的至少一个内容非叶节点，其中每个内容非叶节点的所有下属叶节点均为内容叶节点；选择所述内容非叶节点中所有下属叶节点的文本内容的总长度最长的内容非叶节点；以及提取所选择的内容非叶节点中所有下属叶节点的文本内容。
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富士通株式会社，未经富士通株式会社许可，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/201711137446.9/，转载请声明来源钻瓜专利网。
- 上一篇：网页浏览方法及装置
- 下一篇：确定备选展示内容的方法、装置及存储介质
