一种提取网页内容的实现方法

授权公布号：CN102663023B

一种提取网页内容的实现方法

有效

申请

2012-03-22

申请公布

2012-09-12

授权

2014-09-17

预估到期

2032-03-22

申请号	CN201210078159.6
申请日	2012-03-22
申请公布号	CN102663023A
申请公布日	2012-09-12
授权公布号	CN102663023B
授权公告日	2014-09-17
分类号	G06F17/30
分类	计算；推算；计数;
申请人名称	浙江盘石信息技术股份有限公司
申请人地址	浙江省杭州市拱墅区祥园路45号盘石大厦

专利法律状态

2015-09-16 专利权人的姓名或者名称、地址的变更

状态信息

专利权人的姓名或者名称、地址的变更；IPC(主分类):G06F17/30；变更事项:专利权人；变更前:浙江盘石信息技术有限公司；变更后:浙江盘石信息技术股份有限公司；变更事项:地址；变更前:310011 浙江省杭州市拱墅区祥园路45号盘石大厦；变更后:310011 浙江省杭州市拱墅区祥园路45号盘石大厦

2014-09-17 授权

状态信息

授权

2012-11-07 实质审查的生效

状态信息

实质审查的生效；IPC(主分类):G06F17/30；申请日:20120322

2012-09-12 公布

状态信息

公布

摘要

一种提取网页内容的实现方法，包括以下步骤：步骤S110，对整个网页采用DOM树进行分割处理，以将网页中相关联的内容分割为至少一个布局块；步骤S120，对网页类型进行判断，首先判断出导航页，并将导航页删除；步骤S130，对所述布局块进行块属性的判断，如果存在主题块，根据链接密度、标点符号个数判断是否为主题页；如果不存在主题块，根据列表块的个数进行判断，若小于阈值L，对应网页就是主题页，否则不是；步骤S140，根据主题块或列表块得到主题页，并提取所需的主题页信息。本发明提供一种适用性良好、兼有较好实时性的提取网页内容的实现方法。