[发明专利]页面内容划分方法、装置、可读存储介质及电子设备有效
| 申请号： | 201811447612.X | 申请日： | 2018-11-29 |
| 公开（公告）号： | CN109710864B | 公开（公告）日： | 2020-01-24 |
| 发明（设计）人： | 张文豪 | 申请（专利权）人： | 北京字节跳动网络技术有限公司 |
| 主分类号： | G06F16/957 | 分类号： | G06F16/957 |
| 代理公司： | 11447 北京英创嘉友知识产权代理事务所(普通合伙) | 代理人： | 魏嘉熹;南毅宁 |
| 地址： | 100041 北京市石景山区*** | 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： | 本公开涉及一种页面内容划分方法、装置、可读存储介质及电子设备，所述方法包括：根据页面URL对多个页面进行分组，其中，每个页面分组分别对应于一种页面结构；针对每一页面分组，生成当前页面分组下的各个页面对应的dom树；针对每一页面分组，根据当前页面分组下的各个dom树，确定能够代表当前页面分组对应的页面结构的第一特征路径，并至少根据所述第一特征路径确定当前页面分组中的内容节点；确定所述内容节点的权重，其中，所述权重用于表征所述内容节点所包含的信息的变化程度；根据所述内容节点的权重，确定所述内容节点对应的标识，以进行页面内容划分。因此，有效保证页面内容划分的准确性和适用范围。 | ||
| 搜索关键词： | 页面 分组 内容节点 页面内容 权重 可读存储介质 电子设备 特征路径 页面结构 多个页面 保证 | ||
【主权项】：
1.一种页面内容划分方法，其特征在于，所述方法包括：/n根据页面URL对多个页面进行分组，其中，每个页面分组分别对应于一种页面结构；/n针对每一页面分组，生成当前页面分组下的各个页面对应的dom树；/n针对每一页面分组，根据当前页面分组下的各个dom树，确定能够代表当前页面分组对应的页面结构的第一特征路径，并至少根据所述第一特征路径确定当前页面分组中的内容节点；/n确定所述内容节点的权重，其中，所述权重用于表征所述内容节点所包含的信息的变化程度；/n根据所述内容节点的权重，确定所述内容节点对应的标识，以进行页面内容划分；/n其中，所述根据当前页面分组下的各个dom树，确定能够代表当前页面分组对应的页面结构的第一特征路径，包括以下中的至少一者：/n将在不同dom树中具有相同文本和路径的节点分为一组，当该组节点中的节点数量与当前页面分组下的dom树总数的比值超过第一阈值时，将该组节点中的每个节点在所属dom树中的路径进行合并，获得所述第一特征路径；/n将在所属dom树中只出现一次，且在不同dom树中具有相同标签属性和路径的节点分为一组，当该组节点中的节点数量与当前页面分组下的dom树总数的比值超过第一阈值时，将该组节点中的每个节点在所属dom树中的路径进行合并，获得所述第一特征路径；/n将在所属dom树中只出现一次，且在不同dom树中具有相同标签属性和路径的节点子网分为一组，当该组节点子网中的节点子网数量与当前页面分组下的dom树总数的比值超过第一阈值时，将该组节点子网中的每个节点子网在所属dom树中的路径进行合并，获得所述第一特征路径。/n
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字节跳动网络技术有限公司，未经北京字节跳动网络技术有限公司许可，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/201811447612.X/，转载请声明来源钻瓜专利网。
