[发明专利]一种基于互联网的人物传记自动提取方法

权利要求书

1.一种基于互联网的人物传记自动提取方法，它包括如下步骤：

步骤1、获取预置的与人物传记相关的网站集合，将该集合以数组的形式保存，记该数组为传记类网站数组A；

步骤2、输入待检索的人物姓名，对传记类网站数组A中的每一个网站分别对该姓名进行搜索，将搜索后得到的每个网站的超文本标记语言HTML脚本保存在数组中，该数组记为传记类网页脚本数组B；

步骤3、采用超文本标记语言HTML标签过滤工具对传记类网页脚本数组B中的各元素进行处理，将各网页的正文保存在传记数组中，该数组记为传记数组C；

步骤4、输入待生成的人物传记长度的字数，根据输入的人物传记的字数从传记数组C中提取一篇人物传记。

2.根据权利要求1所述的一种基于互联网的人物传记自动提取方法，其特征在于，上述步骤1所述的获取预置的与人物传记相关的网站集合，将该集合以数组的形式保存，记该数组为传记类网站数组A，其中，对上述传记类网站数组A中的索引从1开始进行编号，其索引号依次递增，传记类网站数组A中的元素的优先级随着索引号的递增依次递减，该优先级预置为人物传记相关的网站的优先级。

3.根据权利要求1所述的一种基于互联网的人物传记自动提取方法，其特征在于，上述步骤2所述的输入待检索的人物姓名，传记类网站数组A中的每一个网站分别对该姓名进行搜索，将搜索后得到的每个网站的超文本标记语言HTML脚本保存在数组中，该数组记为传记类网页脚本数组B，其中，对上述对传记类网页脚本数组B中的索引依次递增编，其索引号为1至n，传记类网页脚本数组B的索引号与传记类网站数组A的索引号一一对应，定义上述传记类网页脚本数组B中元素依次递增编排的索引号为传记类网页脚本数组B中的元素依次递减编排的优先级，该优先级为搜索后得到的每个网页的超文本标记语言HTML脚本的优先级。

4.根据权利要求1所述的一种基于互联网的人物传记自动提取方法，其特征在于，上述步骤3所述的采用超文本标记语言HTML标签过滤工具对传记类网页脚本数组B中的各元素进行处理，将各网页的正文保存在传记数组中，该数组记为传记数组C，对传记数组C中的元素依次递增编排索引号，其索引号为1至n，传记数组C的索引号与传记类网页脚本数组B的索引号一一对应，定义上述传记数组C中的元素依次递增编排的索引号为传记数组C中的元素依次递减编排的优先级，该优先级为得到的各网页的正文的优先级。

5.根据权利要求1所述的一种基于互联网的人物传记自动提取方法，其特征在于，上述  步骤4所述的输入待生成的人物传记长度的字数，根据输入的人物传记的字数从传记数组C中提取一篇人物传记，如图4所示，其具体步骤如下：

  41、输入待生成的人物传记长度的字数N，例如N=500，表示待生成的人物传记的字数不超过500，跳转到步骤42；

  42、建立一个空文档，该文档为文本类型的文档，记为T，初始化一个整型变量i，当i=1，跳到步骤43；

  43、判断整型变量i是否大于传记数组C的最大索引号，如果i大于传记数组C的最大索引号，则对传记数组C读取结束，转步骤410，否则跳转到步骤44；

44、初始化一个整型变量j，当整型变量j=1，则跳转到步骤45;

45、传记数组C中保存的是网站脚本正文，C[i]为第i个网站脚本正文,判断j是否大于元素C[i]的最大行号，如果j大于元素C[i]的最大行号，则跳转到步骤46，否则，跳转到步骤47；

46、当整型变量i=i+1，跳转到步骤43；

47、判断文档T的字数是否大于N，如果文档T的字数大于N，则结束该步骤，跳410，否则跳转到步骤48；

48、将C[i]的第j行写入到文档T中，跳转到步骤49；

49、当整型变量j=j+1，跳转到步骤45；

410、程序结束。