[发明专利]网页主内容列表识别方法和装置

摘要

本申请涉及一种网页主内容列表识别方法和装置。所述方法通过获取待识别网页；提取待识别网页中的网页标签；构建包括预设数目网页标签的网页标签组合，查找网页标签组合对应的最小父节点，根据最小父节点构建待选节点列表；根据待选节点列表获取待识别网页对应的网页主内容列表。本申请在进行网页主内容识别时，主要通过识别网页中多个网页标签的最小父节点来构建待选节点列表，而后基于待选节点列表来进行网页主内容列表的识别，并不依赖于固定框架，能有效针对不同的网页进行有效的自动化智能识别，同时识别结果也不会受到页面结构变动的影响，保证识别准确率。