[发明专利]确定网页类型的方法和装置无效

申请号：	201210539055.0	申请日：	2012-12-13
公开（公告）号：	CN103870486A	公开（公告）日：	2014-06-18
发明（设计）人：	张富强;杨巍	申请（专利权）人：	深圳市世纪光速信息技术有限公司
主分类号：	G06F17/30	分类号：	G06F17/30
代理公司：	北京三高永信知识产权代理有限责任公司 11138	代理人：	滕一斌
地址：	518057 广东省深圳市***	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：
搜索关键词：	确定网页类型方法装置
钻瓜网技术展会专利词库专利权人专利榜在售专利公布日期热门专利

【说明书】：

技术领域

本发明涉及通信技术领域，特别涉及一种确定网页类型的方法和装置。

背景技术

随着移动互联网和移动终端（如手机、平板电脑等）的迅速发展，除了可以通过pc(person computer，个人计算机)终端接入互联网外，还可以通过移动终端接入互联网。因此除了针对pc终端的web网页外，还出现了针对移动终端的wap（Wireless Application Protocol，无线应用协议）网页。但针对移动终端的wap网页在pc终端上体验很不好，特别是wap1.0网页在pc终端上无法展示。同时针对pc终端的web网页也不能很好的在移动终端上展示。所以对于搜索引擎来讲，在爬取网页时的首要任务，便是确定出网页的类型，即区分出当前网页是wap网页还是web网页，这样才能不让对移动终端不友好的web网页出现在wap网页搜索结果中，同时不让对pc终端不友好的wap网页出现在web网页搜索结果中。

现有确定网页类型的方法主要包括：通过wap网页和web网页标记语言的差别进行确定、通过网页文档内容进行确定等。

然而，在实现本发明的过程中，发明人发现现有技术至少存在以下问题：

通过wap网页和web网页标记语言的差别进行确定的方法，可以确定出使用WML（Wireless Markup Language，无线标记语言）标记语言的Wap1.0网页和使用HTML（Hyper Text Mark-up Language，超文本标记语言）标记语言的web网页（WML和HTML两种标记语言的差别很大），但无法确定出使用XHTML（eXtensible HyperText Markup Language，可扩展超文本标记语言）标记语言的wap2.0网页（XHTML和HTML两种标记语言的差别很小）和使用HTML标记语言的web网页。

通过网页文档内容进行确定的方法，规范的wap2.0网页在网页文档的开头位置会有类似“<!DOCTYPE html PUBLIC-//WAPFORUM//DTD XHTML Mobile”的声明，对于按照规范编写的网页能够通过这个声明确定出是wap2.0网页还是web网页，但实际上大部分网页都是不规范的，无法确定出是wap2.0网页还是web网页。

发明内容

为了解决现有技术的问题，本发明实施例提供了一种确定网页类型的方法和装置。所述技术方案如下：

一方面，提供了一种确定网页类型的方法，所述方法包括：

获取网页的文档信息；其中，所述网页的文档信息包含网页地址URL信息、网页文档内容信息和网页视觉信息；

从所述网页的文档信息中提取网页特征参数；

根据提取出的网页特征参数，确定所述网页的类型。

另一方面，提供了一种确定网页类型的装置，所述装置包括：

获取模块，用于获取网页的文档信息；其中，所述网页的文档信息包含网页地址URL信息、网页文档内容信息和网页视觉信息；

提取模块，用于在所述获取模块获取网页的文档信息后，从所述网页的文档信息中提取网页特征参数；

确定模块，用于在所述提取模块从所述网页的文档信息中提取网页特征参数后，根据提取出的网页特征参数，确定所述网页的类型。

本发明实施例提供的技术方案带来的有益效果是：

从获取的网页的文档信息（包含网页地址URL信息、网页文档内容信息和网页视觉信息）中提取网页特征参数，网页特征参数提取的范围广，可以提取出多个网页特征参数，使得可以根据提取出的网页特征参数，有效地确定出该网页的类型。