[发明专利]抓取页面的方法和装置有效
| 申请号： | 201210591380.1 | 申请日： | 2012-12-31 |
| 公开（公告）号： | CN103020298A | 公开（公告）日： | 2013-04-03 |
| 发明（设计）人： | 苗宏 | 申请（专利权）人： | 华为技术有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 北京龙双利达知识产权代理有限公司 11329 | 代理人： | 毛威;张亮 |
| 地址： | 518129 广东*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种抓取页面的方法和装置。该方法包括：获取页面的Xpath元素，对Xpath元素进行规约；在规约后的Xpath元素中确定训练样本；执行训练样本中的每个Xpath元素的事件，根据训练样本中的每个Xpath元素的事件产生的DOM树与原DOM树的编辑距离确定训练样本中的每个Xpath元素是否有效，根据训练样本中的每个Xpath元素是否有效训练分类器；通过分类器对规约后的Xpath元素进行分类，获取有效Xpath元素集合；执行有效Xpath元素集合中的每个Xpath元素的事件，根据有效Xpath元素集合中的每个Xpath元素的事件产生的DOM树与原DOM树的编辑距离抓取页面。本发明实施例的抓取页面的方法和装置，能够提升抓取页面的效率。 | ||
| 搜索关键词： | 抓取 页面 方法 装置 | ||
【主权项】：
一种抓取页面的方法，其特征在于，包括：获取页面的可扩展标记语言路径语言Xpath元素，并通过对所述Xpath元素进行规约获取规约后的Xpath元素；在所述规约后的Xpath元素中确定训练样本；执行所述训练样本中的每个Xpath元素的事件，根据所述训练样本中的每个Xpath元素的事件产生的文档对象模型DOM树与原DOM树的编辑距离确定所述训练样本中的每个Xpath元素是否有效，根据所述训练样本中的每个Xpath元素是否有效训练分类器；通过所述分类器对所述规约后的Xpath元素进行分类，获取有效Xpath元素集合；执行所述有效Xpath元素集合中的每个Xpath元素的事件，根据所述有效Xpath元素集合中的每个Xpath元素的事件产生的DOM树与原DOM树的编辑距离抓取页面。
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华为技术有限公司，未经华为技术有限公司许可，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/201210591380.1/，转载请声明来源钻瓜专利网。
- 上一篇：一种纳米二氧化钛生产装置
- 下一篇：一种碳酸钙生产用冷却循环系统
