[发明专利]网页信息处理方法及装置

说明书

技术领域

本公开涉及网络技术领域，尤其涉及一种网页信息处理方法及装置。

背景技术

目前随着智能终端，例如手机或平板电脑，的普及，用户在向终端输入信息时，不 再全部依赖手动输入，而是可以通过语音输入、图像识别输入等多种方式，例如：用户 可以通过智能终端上的摄像头扫描二维码图片或银行卡卡号等方式向终端输入对应的信 息，这些不依赖手动输入的方式，操作简单、快捷，用户使用非常方便。

为此，网络上许多网页中都加入了二维码图片来代替普通的文字超链接，从而让用 户使用手机扫描二维码就可以得到网址并访问。但对于传统网页爬虫系统，在对网页中 的信息进行抓取和分析时，一旦碰到网页中包含有图片，通常都不会再做进一步处理， 从而无法对采用二维码图片代表的链接进行爬取和分析，导致对于这些加入二维码图片 的网页的信息进行抓取和分析时，会出网页信息遗漏、不完整的问题。

发明内容

为克服相关技术中存在的问题，本公开提供一种网页信息处理方法及装置。

根据本公开实施例的第一方面，提供一种网页信息处理方法，包括：

检测待检测网页的网页内容中是否包含有图片信息；

当所述网页内容中包含有图片信息时，获取与所述图片信息对应的图片；

对所述图片进行识别，得到所述图片内包含的内容信息；

判断所述内容信息是否为链接地址；

当所述内容信息不为链接地址时，将所述内容信息作为所述待检测网页的文本内容 进行存储；

当所述内容信息为链接地址时，将与所述内容信息对应的链接地址存储到预设地址 库中。

结合第一方面，在第一方面第一种可能的实现方式中，所述方法还包括：

判断所述图片是否为预设图片类型；

当所述图片为预设图片类型时，确定与所述预设图片类型对应的识别方式，并将所 述识别方式作为对所述图片进行识别所采用的识别方式。

结合第一方面第一种可能的实现方式，在第一方面第二种可能的实现方式中，所述 判断所述图片是否为预设图片类型，包括：

判断所述图片内是否包含有预设图片特征；当所述图片内包含有预设图片特征时， 确定所述图片为预设图片类型；

或者，

判断所述图片的名称中是否包含预设字符特征；当所述图片的名称中包含有预设字 符特征时，确定所述图片为预设图片类型。

结合第一方面第一种可能的实现方式，在第一方面第三种可能的实现方式中，所述 对所述图片进行识别，得到所述图片内包含的内容信息，包括：

调用与所述预设识别方式对应的识别程序；

利用所述识别程序对所述图片进行识别，得到所述图片内包含的内容信息。

结合第一方面，在第一方面第四种可能的实现方式中，所述检测待检测网页的网页 内容中是否包含有图片信息，包括：

从预设地址库获取待检测网页的链接地址；

利用所述链接地址，获取所述待检测网页所有的网页内容；

判断所述网页内容中是否包含有图片链接地址；

当所述网页内容中包含有图片链接地址时，确定所述网页内容中包含有图片信息。

根据本公开实施例的第二方面，提供一种网页信息处理装置，包括：

图片信息检测模块，用于检测待检测网页的网页内容中是否包含有图片信息；

图片获取模块，用于当所述网页内容中包含有图片信息时，获取与所述图片信息对 应的图片；

图片识别模块，用于对所述图片进行识别，得到所述图片内包含的内容信息；

内容信息判断模块，用于判断所述内容信息是否为链接地址；

第一存储模块，用于当所述内容信息不为链接地址时，将所述内容信息作为所述待 检测网页的文本内容进行存储；

第二存储模块，用于当所述内容信息为链接地址时，将与所述内容信息对应的链接 地址存储到预设地址库中。

结合第二方面，在第二方面第一种可能的实现方式中，所述装置还包括：

图片类型判断模块，用于判断所述图片是否为预设图片类型；

识别方式确定模块，用于当所述图片为预设图片类型时，确定与所述预设图片类型 对应的识别方式，并将所述识别方式作为对所述图片进行识别所采用的识别方式。