[发明专利]特征文本抽取方法及装置有效
| 申请号： | 201710581110.5 | 申请日： | 2017-07-17 |
| 公开（公告）号： | CN107451215B | 公开（公告）日： | 2021-01-01 |
| 发明（设计）人： | 晋彤 | 申请（专利权）人： | 云润大数据服务有限公司 |
| 主分类号： | G06F16/953 | 分类号： | G06F16/953;G06F16/35;G06F40/221 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 510520 广东省广州市天*** | 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： | 本发明实施例公开了特征文本抽取方法及装置，通过根据下载的网页源代码创建DOM树，基于所述DOM树定位待抽取网页的文本域，再基于已定位的所述文本域，识别所述文本域的模式，根据所述文本域的模式，析出所述DOM树的特征节点，然后根据所述DOM树的特征节点，抽取所述待抽取网页的特征文本，能有效解决现有抽取技术中人工规则和模板的弊端，能有效提取网页内容，兼容性高，杂质去除完整。 | ||
| 搜索关键词： | 特征 文本 抽取 方法 装置 | ||
【主权项】：
一种特征文本抽取方法，其特征在于，包括步骤：根据下载的网页源代码创建DOM树，基于所述DOM树定位待抽取网页的文本域；基于已定位的所述文本域，识别所述文本域的模式，根据所述文本域的模式，析出所述DOM树的特征节点；根据所述DOM树的特征节点，抽取所述待抽取网页的特征文本。
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云润大数据服务有限公司，未经云润大数据服务有限公司许可，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/201710581110.5/，转载请声明来源钻瓜专利网。
