[发明专利]一种有效网页内容的抓取方法及装置无效
| 申请号： | 201010196364.3 | 申请日： | 2010-06-03 |
| 公开（公告）号： | CN102270206A | 公开（公告）日： | 2011-12-07 |
| 发明（设计）人： | 贾海禄 | 申请（专利权）人： | 北京迅捷英翔网络科技有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 隆天国际知识产权代理有限公司 72003 | 代理人： | 张浴月;刘文意 |
| 地址： | 100007 北京市东城区*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种有效网页内容的抓取方法及装置，所述方法包括以下步骤：步骤S1：导入超文本链接标示语言HTML网页；步骤S2：将所述HTML网页转换成相应的文档树结构；步骤S3：根据所述文档树结构找出有效内容的标题标签，将找出的标题标签内的文本内容作为标题；步骤S4：在所述文档树结构的标签中，按照与所述标题标签由小到大的标签距离依次查找文本标签，将包含有与正文有关的特定字符并具有大于预定长度的文本长度的文本标签作为正文文本标签，然后将所述正文文本标签的文本内容作为正文。本发明能够简单、方便地实现对通用的HTML结构网页进行有效信息的抽取。 | ||
| 搜索关键词： | 一种 有效 网页 内容 抓取 方法 装置 | ||
【主权项】：
一种有效网页内容的抓取方法，其特征在于，所述方法包括以下步骤：步骤S1：导入超文本链接标示语言HTML网页；步骤S2：将所述HTML网页转换成相应的文档树结构；步骤S3：根据所述文档树结构找出有效内容的标题标签，将找出的标题标签内的文本内容作为标题；步骤S4：在所述文档树结构的标签中，按照与所述标题标签由小到大的标签距离依次查找文本标签，将包含有与正文有关的特定字符并具有大于预定长度的文本长度的文本标签作为正文文本标签，然后将所述正文文本标签的文本内容作为正文。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京迅捷英翔网络科技有限公司，未经北京迅捷英翔网络科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201010196364.3/，转载请声明来源钻瓜专利网。
- 内容再现系统、内容提供方法、内容再现装置、内容提供装置、内容再现程序和内容提供程序
- 内容记录系统、内容记录方法、内容记录设备和内容接收设备
- 内容服务系统、内容服务器、内容终端及内容服务方法
- 内容分发系统、内容分发装置、内容再生终端及内容分发方法
- 内容发布、内容获取的方法、内容发布装置及内容传播系统
- 内容提供装置、内容提供方法、内容再现装置、内容再现方法
- 内容传输设备、内容传输方法、内容再现设备、内容再现方法、程序及内容分发系统
- 内容发送设备、内容发送方法、内容再现设备、内容再现方法、程序及内容分发系统
- 内容再现装置、内容再现方法、内容再现程序及内容提供系统
- 内容记录装置、内容编辑装置、内容再生装置、内容记录方法、内容编辑方法、以及内容再生方法
