[发明专利]车联网系统新闻正文提取方法

权利要求书

1.车联网系统新闻正文提取方法，其特征在于，包括以下步骤：

a.对采用div布局结构的新闻页面进行分析，遍历页面的document对象，找到内部的所有div标签包裹的结构；

b.对于每个<div></div>标签组，使用标签堆栈记录标签，使用段落堆栈记录其在内的正文内容；

c.每提取一个段落将其加入正文堆栈中，直至所有段落提取完成；

d.对正文堆栈中的各段落的文字长度进行排序，其中文字长度最大的段落作为正文输出。

2.如权利要求1所述的车联网系统新闻正文提取方法，其特征在于，在步骤c中，将提取的段落加入正文堆栈之前还包括对段落进行调序操作：

对记录在段落堆栈中的正文内容按照出栈顺序向段落调序堆栈入栈；段落调序堆栈按照出栈顺序组成完整正文再向正文堆栈入栈。

3.如权利要求1所述的车联网系统新闻正文提取方法，其特征在于，步骤a中，当遍历页面的document对象发现干扰时，对干扰不予处理。