[发明专利]网页数据捕获设备及其网页数据撷取方法

摘要

一种网页数据捕获设备及其网页数据撷取方法。网页数据捕获设备执行：根据网页数据的URL的地址关联性，将网页数据分为URL群组；自URL群组的网页数据中挑选第一网页数据以及第二网页数据；解析第一网页数据以及第二网页数据得网页节点数据集合；根据网页节点数据集合的网页节点数据的XML路径语言的路径关联性以及文字内容的文字关联性，将网页节点数据集合的网页节点数据分为多个网页节点数据群组；分别计算各网页节点数据群组的一文字内容总和；根据文字内容总和，判断网页节点数据群组的主要网页节点数据群组；根据主要网页节点数据群组包含的网页节点数据的XML路径语言决定网页主要内容撷取信息。

主权项

1.一种用于网页数据捕获设备的网页数据撷取方法，该网页数据捕获设备自一网页服务器接收多个网页数据，该网页数据撷取方法包含：(a)令该网页数据捕获设备根据该等网页数据的多个统一资源寻址器URL的地址关联性，将该等网页数据分为至少一URL群组，其中，该至少一URL群组包含一第一URL群组，该第一URL群组包含至少部分该等网页数据；(b)令该网页数据捕获设备自该第一URL群组的部分该等网页数据中，挑选一第一网页数据以及一第二网页数据；(c)令该网页数据捕获设备解析该第一网页数据以及该第二网页数据得一网页节点数据集合，其中，该网页节点数据集合包含多个网页节点数据，各该网页节点数据报含相对应的一XML路径语言以及一文字内容；(d)令该网页数据捕获设备根据该网页节点数据集合的该等网页节点数据的该等XML路径语言的路径关联性以及该等文字内容的文字关联性，将该网页节点数据集合的该等网页节点数据分为多个网页节点数据群组，其中，各该网页节点数据群组至少包含部分该等网页节点数据；(e)令该网页数据捕获设备分别计算各该网页节点数据群组的部分该等网页节点数据的一文字内容总和；(f)令该网页数据捕获设备根据该等文字内容总和，判断该等网页节点数据群组的至少一主要网页节点数据群组；(g)令该网页数据捕获设备根据该至少一主要网页节点数据群组包含的部分该等网页节点数据的该等XML路径语言，决定一网页主要内容撷取信息。