[发明专利]用于提取信息的方法和装置

摘要

本申请实施例公开了用于提取信息的方法和装置。该方法的一具体实施方式包括：获取目标页面的DOM数据，其中，目标页面包括页面主体信息，页面主体信息包括以下至少一项：文本集合，图像集合；从DOM数据中，删除符合预设删除条件的数据，得到目标数据，其中，目标数据包括页面主体数据，页面主体数据包括以下至少一项：文本集合对应的文本节点集合，图像集合的URL集合；对目标数据进行分块，得到数据块集合；从数据块集合中，确定目标数据块，其中，目标数据块是数据块集合中包括页面主体数据的概率最大的数据块；提取目标数据块中的以下至少一项：文本节点，URL。该实施方式提高了信息提取的灵活性，有助于提高信息提取的准确性和自动化程度。

主权项

1.一种用于提取信息的方法，包括：获取目标页面的文档对象模型DOM数据，其中，所述目标页面包括页面主体信息，所述页面主体信息包括以下至少一项：文本集合，图像集合；从所述DOM数据中，删除符合预设删除条件的数据，得到目标数据，其中，所述目标数据包括页面主体数据，所述页面主体数据包括以下至少一项：所述文本集合对应的文本节点集合，所述图像集合的统一资源定位符URL集合；对所述目标数据进行分块，得到数据块集合；从所述数据块集合中，确定目标数据块，其中，所述目标数据块是所述数据块集合中包括所述页面主体数据的概率最大的数据块；提取所述目标数据块中的以下至少一项：文本节点，URL。