[发明专利]一种网页表格数据自动抽取方法及装置在审
| 申请号： | 201711417159.3 | 申请日： | 2017-12-25 |
| 公开（公告）号： | CN107992625A | 公开（公告）日： | 2018-05-04 |
| 发明（设计）人： | 赵青华;王志超;周维;赫中翮;曾琰;王军;武虹玲;舒露 | 申请（专利权）人： | 湖南星汉数智科技有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30;G06F17/22;G06F17/24 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 410000 湖南省长沙市开福区*** | 国省代码： | 湖南;43 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种网页表格数据自动抽取方法及装置，所述方法包括获取含有Table标签的网页内容，并将网页内容解析为DOM树结构；对DOM树结构中含有Table标签的表格数据进行分层，再逐层筛选，直到得到需要处理的表格数据；利用需要处理的表格数据的最大tr数和td数构建表格矩阵，再对需要处理的表格数据进行遍历，将表格数据和冗余数据插入表格矩阵中，形成新表格矩阵；逐行读取新表格矩阵，得到表头类型和表体起始位置；利用表头类型和表体起始位置，将新表格矩阵的数据写入数据库。本发明方法解决了多table标签嵌套及含有合并单元格的复杂web表格数据抽取问题，能够自动、快速准确的提取出表格数据，具有较高的实用价值。 | ||
| 搜索关键词： | 一种 网页 表格 数据 自动 抽取 方法 装置 | ||
【主权项】：
一种网页表格数据自动抽取方法，其特征在于，包括以下过程：步骤1：获取含有Table标签的网页内容，并将网页内容解析为DOM树结构；步骤2：对DOM树结构中含有Table标签的表格数据进行分层，再逐层筛选，直到得到需要处理的表格数据；步骤3：利用需要处理的表格数据的最大tr数和td数构建表格矩阵，再对需要处理的表格数据进行遍历，遍历时根据规则将表格数据和冗余数据插入表格矩阵中，形成新表格矩阵；步骤4：逐行读取新表格矩阵，并根据启发式规则得到表头类型和表体行列起始位置；步骤5：利用表头类型和表体行列起始位置，将新表格矩阵的数据写入数据库。
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湖南星汉数智科技有限公司，未经湖南星汉数智科技有限公司许可，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/201711417159.3/，转载请声明来源钻瓜专利网。
- 上一篇：不间断电源
- 下一篇：多功能红外手势控制系统
- 数据显示系统、数据中继设备、数据中继方法、数据系统、接收设备和数据读取方法
- 数据记录方法、数据记录装置、数据记录媒体、数据重播方法和数据重播装置
- 数据发送方法、数据发送系统、数据发送装置以及数据结构
- 数据显示系统、数据中继设备、数据中继方法及数据系统
- 数据嵌入装置、数据嵌入方法、数据提取装置及数据提取方法
- 数据管理装置、数据编辑装置、数据阅览装置、数据管理方法、数据编辑方法以及数据阅览方法
- 数据发送和数据接收设备、数据发送和数据接收方法
- 数据发送装置、数据接收装置、数据收发系统、数据发送方法、数据接收方法和数据收发方法
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置
