[发明专利]一种用于识别标记语言文件主体内容的方法和设备有效
| 申请号： | 201110249348.0 | 申请日： | 2011-08-26 |
| 公开（公告）号： | CN102314497A | 公开（公告）日： | 2012-01-11 |
| 发明（设计）人： | 李伟刚;秦玄铮 | 申请（专利权）人： | 百度在线网络技术（北京）有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 北京汉昊知识产权代理事务所(普通合伙) 11370 | 代理人： | 罗朋 |
| 地址： | 100085 北京*** | 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： | 本发明的目的是提供一种用于识别标记语言文件主体内容的方法与设备。其中，模板提供设备获取待处理的多个标记语言文件；根据所述多个标记语言文件的相关信息，获得一组或多组标记语言文件；对至少一组标记语言文件的每组中的各个标记语言文件所对应的各DOM树中相应节点的内容进行比较分析，以获得包含该组标记语言文件的主体内容的主体内容节点；根据所获得的主体内容节点，来获得用以识别该组标记语言文件主体内容的内容标识模板。与现有技术相比，本发明不依赖于标记语言文件中的具体内容而根据该标记语言文件的结构信息获取主体内容，从而保证对不同类型网页的主体内容识别的准确率。 | ||
| 搜索关键词： | 一种 用于 识别 标记 语言 文件 主体 内容 方法 设备 | ||
【主权项】：
一种计算机实现的用于识别标记语言文件主体内容的方法，其中，该方法包括以下步骤：a获取待处理的多个标记语言文件；b根据所述多个标记语言文件的相关信息，获得一组或多组标记语言文件；c对至少一组标记语言文件的每组中的各个标记语言文件所对应的各DOM树中相应节点的内容进行比较分析，以获得包含该组标记语言文件的主体内容的主体内容节点；d根据所获得的主体内容节点，来获得用以识别该组标记语言文件主体内容的内容标识模板。
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百度在线网络技术（北京）有限公司，未经百度在线网络技术（北京）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/201110249348.0/，转载请声明来源钻瓜专利网。
