[发明专利]一种网页信息提取方法及其设备

权利要求书

1.一种网页信息提取方法，其特征在于，包括：

获取所输入的网页地址对应的网页源文件，并在所述网页源文件中获取待提取的网页信息对应的特征描述信息；

根据所述特征描述信息生成与所述网页信息相关联的信息提取表达式，所述信息提取表达式为JQuery表达式；

采用嵌入式浏览器加载所述网页地址对应的网页源文件，并调用所述信息提取表达式在所述网页源文件加载完成后提取所述网页信息。

2.根据权利要求1所述的方法，其特征在于，所述获取所输入的网页地址对应的网页源文件，并在所述网页源文件中获取待提取的网页信息对应的特征描述信息，包括：

采用系统浏览器获取所输入的网页地址以加载所述网页地址对应的网页源文件，并获取所述网页源文件；

在所述网页源文件中获取包含有待提取的网页信息对应的属性、标签的特征描述信息。

3.根据权利要求1或2所述的方法，其特征在于，所述在所述网页源文件中获取待提取的网页信息对应的特征描述信息之后，还包括：

采用系统浏览器的程序除错功能对所述特征描述信息进行验证，并在验证通过后执行根据所述特征描述信息生成与所述网页信息相关联的信息提取表达式的步骤。

4.根据权利要求1所述的方法，其特征在于，所述嵌入式浏览器为调用标准部件工具包SWT的Browser类所加载的浏览器。

5.根据权利要求1所述的方法，其特征在于，还包括：

对所述网页地址和所述信息提取表达式进行存储。

6.一种网页信息提取设备，其特征在于，包括：

信息获取单元，用于获取所输入的网页地址对应的网页源文件，并在所述网页源文件中获取待提取的网页信息对应的特征描述信息；

表达式生成单元，用于根据所述特征描述信息生成与所述网页信息相关联的信息提取表达式，所述信息提取表达式为JQuery表达式；

信息提取单元，用于采用嵌入式浏览器加载所述网页地址对应的网页源文件，并调用所述信息提取表达式在所述网页源文件加载完成后提取所述网页信息。

7.根据权利要求6所述的设备，其特征在于，所述信息获取单元包括：

文件获取子单元，用于采用系统浏览器获取所输入的网页地址以加载所述网页地址对应的网页源文件，并获取所述网页源文件；

信息获取子单元，用于在所述网页源文件中获取包含有待提取的网页信息对应的属性、标签的特征描述信息。

8.根据权利要求6或7所述的设备，其特征在于，还包括：

通知单元，用于采用系统浏览器的程序除错功能对所述特征描述信息进行验证，并在验证通过后通知所述表达式生成单元执行根据所述特征描述信息生成与所述网页信息相关联的信息提取表达式。

9.根据权利要求6所述的设备，其特征在于，所述嵌入式浏览器为调用标准部件工具包SWT的Browser类所加载的浏览器。

10.根据权利要求6所述的设备，其特征在于，还包括：

存储单元，用于对所述网页地址和所述信息提取表达式进行存储。