[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

说明书

本发明公开了一种网页中元素提取方法、装置、计算机设备及可读存储介质，该方法包括：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；根据所述目标网页中各个元素的影响因素信息，分别计算每个元素的最终得分；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。本发明能够快速、准确的从网页中提取到目标数据。同时，本发明还涉及区块链技术。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种网页中元素提取方法、装置、计算机设备及可读存储介质。

背景技术

网页随处可见，当用户对一个网页浏览时可以非常容易的发现自己感兴趣的数据，但是如果要根据某种算法自动标注所有感兴趣的元素却不是那么直观就能完成的。目前大多数针对网页数据提取还是依赖于人为主动根据不同的网页定制不同的筛选规则。

一个常见的例子是车型，如果用户对某些车型感兴趣，当用户访问它们的官网时可以非常方便的找到所有的车型。但若把这个过程交给程序处理，由于不同的品牌之间的网页构造大相径庭，找到一个合适的算法或者规则获取用户需要的数据并非易事。

因此，如何快速、准确的从网页中提取到目标数据是本领域技术人员需要解决的技术问题。

发明内容

基于此，本发明提供了一种网页中元素提取方法、装置、计算机设备及可读存储介质，以快速、准确的从网页中提取到目标数据。

为实现上述目的，本发明提供一种网页中元素提取方法，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。

优选的，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。

优选的，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。