[发明专利]一种抽取网页内容的方法及系统在审
| 申请号： | 201711135743.X | 申请日： | 2017-11-16 |
| 公开（公告）号： | CN110069618A | 公开（公告）日： | 2019-07-30 |
| 发明（设计）人： | 吴远辉 | 申请（专利权）人： | 广州市万隆证券咨询顾问有限公司 |
| 主分类号： | G06F16/335 | 分类号： | G06F16/335;G06F16/9535;G06F16/903 |
| 代理公司： | 广州嘉权专利商标事务所有限公司 44205 | 代理人： | 郑泽萍;胡辉 |
| 地址： | 510600 广东省广州市*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种抽取网页内容的方法及系统，包括以下步骤：S1、对网页进行基于正则表达式匹配的内容抽取处理，当判断抽取成功时，执行步骤S4，反之，继续执行步骤S2；S2、对网页进行基于CSS样式的内容抽取处理，当判断抽取成功时，执行步骤S4，反之，继续执行步骤S3；S3、对网页进行基于XPath匹配的内容抽取处理；S4、输出抽取结果。本发明通过采用正则表达式、CSS样式、XPath依序相结合的方式进行网页内容抽取，可以以最快的速度实现网页内容抽取，而且三种抽取方式相结合，大大提高了所抽取网页内容的准确率，可提供有效、精确的抽取结果，可广泛应用于网页的信息处理领域中。 | ||
| 搜索关键词： | 抽取 网页内容 内容抽取 网页 正则表达式 继续执行 匹配 样式 信息处理领域 速度实现 准确率 成功 输出 应用 | ||
【主权项】：
1.一种抽取网页内容的方法，其特征在于，包括以下步骤：S1、对网页进行基于正则表达式匹配的内容抽取处理，当判断抽取成功时，执行步骤S4，反之，继续执行步骤S2；S2、对网页进行基于CSS样式的内容抽取处理，当判断抽取成功时，执行步骤S4，反之，继续执行步骤S3；S3、对网页进行基于XPath匹配的内容抽取处理；S4、输出抽取结果。
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广州市万隆证券咨询顾问有限公司，未经广州市万隆证券咨询顾问有限公司许可，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/201711135743.X/，转载请声明来源钻瓜专利网。
