[发明专利]一种网页内容的提取方法、装置和设备

权利要求书

1.一种网页内容的提取方法，其特征在于，包括：

提取第一网页的第一预设内容，并记录所述第一网页的第一属性信息和所述第一预设内容对应的第一特征信息；

在访问第二网页时，确定所述第二网页的第二属性信息与所述第一属性信息一致，按照所述第一特征信息提取所述第二网页的第二预设内容。

2.根据权利要求1所述的方法，其特征在于，所述第一属性信息和第二属性信息为网页所对应的全部网页文档或预设部分网页文档的模板信息。

3.根据权利要求2所述的方法，其特征在于，所述模板信息包括网页文档中所包含的依次排列的各个节点标识。

4.根据权利要求3所述的方法，其特征在于，所述确定所述第二网页的第二属性信息与所述第一属性信息一致的步骤，采用如下方式：

依次对比所述第二网页与所述第一网页的全部或预设部分网页文档中的各个节点标识；

确定各个节点标识的名称均相同，并且节点标识的个数也相同，则所述第二属性信息与第一属性信息一致。

5.根据权利要求3所述的方法，其特征在于，所述第一特征信息为所述第一预设内容中所对应的依次排列的节点标识，所述按照第一特征信息提取第二网页的第二预设内容的步骤，采用如下方式：

在第二网页对应的网页文档中，查找与所述第一特征信息具备相同节点标识的节点；

提取所述节点中的节点内容作为第二网页的第二预设内容。

6.根据权利要求3所述的方法，其特征在于，所述提取第一网页的第一预设内容的步骤，采用如下方式：

提取第一网页的网页文档中各个节点的节点标识；

确定所述节点标识为预设标识，将所述节点标识对应的节点内容提取出来作为第一预设内容。

7.根据权利要求2所述的方法，其特征在于，所述预设部分网页文档为预设节点之后的网页文档。

8.一种网页内容的提取装置，其特征在于，包括：

信息记录模块，用于提取第一网页的第一预设内容，并记录所述第一网页的第一属性信息和所述第一预设内容对应的第一特征信息；

确定模块，用于在访问第二网页时，确定所述第二网页的第二属性信息与所述第一属性信息一致；

预设内容提取模块，用于按照所述第一特征信息提取所述第二网页的第二预设内容。

9.根据权利要求8所述的装置，其特征在于，所述第一属性信息和第二属性信息为网页所对应的全部网页文档或部分网页文档的模板信息。

10.根据权利要求9所述的装置，其特征在于，所述模板信息包括网页文档中所包含的依次排列的各个节点标识。

11.根据权利要求10所述的装置，其特征在于，所述确定模块包括：

节点标识对比子模块，用于依次对比所述第二网页与所述第一网页的全部或预设部分网页文档中的各个节点标识；

节点标识确定子模块，用于确定各个节点标识的名称均相同，并且节点标识的个数也相同，则所述第二属性信息与第一属性信息一致。

12.根据权利要求10所述的装置，其特征在于，所述第一特征信息为所述第一预设内容中所对应的依次排列的节点标识，所述预设内容提取模块包括：

节点查找子模块，用于在第二网页对应的网页文档中，查找与所述第一特征信息具备相同节点标识的节点；

第二预设内容提取子模块，用于提取所述节点中的节点内容作为第二网页的第二预设内容。

13.根据权利要求10所述的装置，其特征在于，所述信息记录模块包括：

节点标识提取子模块，用于提取第一网页的网页文档中各个节点的节点标识；

预设标识确定子模块，用于确定所述节点标识为预设标识，将所述节点标识对应的节点内容提取出来作为第一预设内容。

14.根据权利要求9所述的装置，其特征在于，所述预设部分网页文档为预设节点之后的网页文档。

15.一种设备，其特征在于，所述设备包括：

一个或多个处理器；

存储器；和

一个或多个模块，所述一个或多个模块存储于所述存储器中并被配置成由所述一个或多个处理器执行，其中，所述一个或多个模块具有如下功能：

提取第一网页的第一预设内容，并记录所述第一网页的第一属性信息和所述第一预设内容对应的第一特征信息；

在访问第二网页时，确定所述第二网页的第二属性信息与所述第一属性信息一致，按照所述第一特征信息提取所述第二网页的第二预设内容。