[发明专利]网页中元素提取方法、装置、计算机设备及可读存储介质

权利要求书

1.一种网页中元素提取方法，其特征在于，所述方法包括：

获取目标网页中各个元素的影响因素信息，所述影响因素信息至少包括元素的平均占比面积、元素中子元素的数量、元素中子元素的面积方差、以及元素到根节点的距离；

根据元素的平均占比面积计算元素的平均占比面积得分，根据元素中子元素的数量计算元素的子元素数量得分，根据元素中子元素的面积方差计算元素的子元素面积方差得分，根据元素到根节点的距离计算元素的根节点距离得分，并根据元素的平均占比面积得分、子元素数量得分、子元素面积方差得分以及根节点距离得分，计算元素的最终得分；

按照最终得分从大到小的顺序对各个元素进行排序，并获取排序靠前的预设数量的元素。

2.根据权利要求1所述的网页中元素提取方法，其特征在于，根据元素的平均占比面积计算元素的平均占比面积得分的步骤包括：

获取所述元素中各个子元素的面积；

判断所述元素中所有子元素的面积之和与预设的面积基准值之间的大小关系；

若所述元素中所有子元素的面积之和大于或等于预设的面积基准值，则采用下式计算元素的平均占比面积得分；

S(E)＝a1+(S/V)*b1；

其中，S(E)表示元素的平均占比面积得分，S表示元素中所有子元素的面积之和，V表示面积基准值，a1表示第一设定值，b1表示第一比例系数；

若所述元素中所有子元素的面积之和小于预设的面积基准值，则采用下式计算元素的平均占比面积得分：

S(E)＝a2+(S/V)*b2；

其中，a2表示第二设定值，b2表示第二比例系数。

3.根据权利要求2所述的网页中元素提取方法，其特征在于，计算出元素的平均占比面积得分之后，所述方法还包括：

判断计算出的元素的平均占比面积得分是否大于1；

若计算出的元素的平均占比面积得分大于1，则取1作为最终的元素的平均占比面积得分；

若计算出的元素的平均占比面积得分小于或等于1，则取实际的计算结果作为最终的元素的平均占比面积得分。

4.根据权利要求1所述的网页中元素提取方法，其特征在于，根据元素中子元素的数量计算元素的子元素数量得分的步骤包括：

获取三个数量区间，分别为：第一区间、第二区间、第三区间，三个区间的数值范围依次增大，第一区间为(0，x)，第二区间为[x,y)，第三区间为[y,∞)，其中，0＜x＜y；

获取元素中子元素的数量；

若所述元素中子元素的数量处于所述第一区间，则采用下式计算元素的子元素数量得分：

N(E)＝a3*n；

其中，N(E)为元素的子元素数量得分，a3为第三设定值，n为元素中子元素的数量；

若所述元素中子元素的数量处于所述第二区间，则采用下式计算元素的子元素数量得分：

N(E)＝a4+(n-x)*[a5/(y-x)]；

其中，a4为第四设定值，a5为数量系数；

若所述元素中子元素的数量处于所述第三区间，则元素的子元素数量得分取定值。

5.根据权利要求1所述的网页中元素提取方法，其特征在于，根据元素中子元素的面积方差计算元素的子元素面积方差得分的步骤包括：

获取所述元素中各个子元素的面积；

将各个子元素的面积除以子元素的面积之和，以获得数组；

计算所述数组的方差；

根据所述方差计算元素的子元素面积方差得分，计算公式如下：

D(E)＝F-d；

其中，D(E)为元素的子元素面积方差得分，d为数组的方差，F为经验值。

6.根据权利要求1所述的网页中元素提取方法，其特征在于，根据元素到根节点的距离计算元素的根节点距离得分的步骤中，采用下式计算元素的根节点距离得分：

L(E)＝1–e^(-Path(E))；

其中，L(E)为元素的根节点距离得分，E表示正在进行计算的元素，Path(E)表示元素E到根节点的距离。