[发明专利]一种网页信息识别系统

摘要

本发明适用于计算机技术领域，提供了一种网页信息识别系统，包括路径识别模块、路径标识模块、向量化处理模块、聚类处理模块、校验模块、网页信息识别模块和网页信息输出模块。网页信息识别系统与目标网页对接，从而基于目标网页的内容识别获取目标网页中的标签路径，然后对标签路径进行向量化处理、聚类处理，实现网页内容的自动整理，最终由网页信息输出模块在目标网页上标记最优列表节点集合中的最优列表节点。通过本发明可以实现网页内容的自动整理，且最优列表节点集合中的最优列表节点层级分明，使得标记后的网页内容具有层级划分，进而有助于列表项内容的提取。