[发明专利]一种目标页面内容抓取方法和装置

权利要求书

1.一种目标页面内容抓取方法，包括：

获取目标页面的网页文档;

根据针对所述目标页面的相对路径信息，在所述网页文档中查找所述相对路径信息下的文档对象模型节点；其中，所述相对路径信息基于文档对象模型节点的属性相关信息构建；

从查找到的文档对象模型节点中，提取目标页面内容。

2.根据权利要求1所述的方法，其特征在于，所述基于文档对象模型节点的属性相关信息构建的相对路径信息包括：

由至少一个文档对象模型节点的标签与属性构建的相对路径信息；

和/或者，由至少一个文档对象模型节点的标签与属性和至少一个文档对象模型节点的标签，以XPATH形式构建的相对路径信息。

3.根据权利要求1所述的方法，其特征在于，所述获取目标页面的网页文档包括：

根据列表页面的链接地址，获取列表页面的网页文档。

4.根据权利要求3所述的方法，其特征在于，所述根据针对所述目标页面的相对路径信息，在所述网页文档中查找所述相对路径信息下的文档对象模型节点，包括：

根据针对列表页面中列表区域的相对路径信息，在所述网页文档中查找所述相对路径信息下的文档对象模型节点。

5.根据权利要求4所述的方法，其特征在于，所述从查找到的文档对象模型节点中，提取目标页面内容包括：

从列表页面的列表区域对应的文档对象模型节点标签中，提取各个资源页面的链接地址。

6.根据权利要求1或5所述的方法，其特征在于，所述获取目标页面的网页文档包括：

根据资源页面的链接地址，获取资源页面的网页文档。

7.根据权利要求6所述的方法，其特征在于，所述根据针对所述目标页面的相对路径信息，在所述网页文档中查找所述相对路径信息下的文档对象模型节点，包括：

根据针对资源页面的各资源内容的相对路径信息，在所述网页文档中查找各相对路径信息下的文档对象模型节点标签。

8.根据权利要求1所述的方法，其特征在于，所述从查找到的文档对象模型节点中，提取目标页面内容，包括：

根据预置针对目标页面内容的正则匹配表达式和/或前后匹配表达式，从所述文档对象模型节点中，提取目标页面内容。

9.一种目标页面内容抓取装置，包括：

网页文档获取模块，适于获取目标页面的网页文档;

节点查询模块，适于根据针对所述目标页面的相对路径信息，在所述网页文档中查找所述相对路径信息下的文档对象模型节点；其中，所述相对路径信息基于文档对象模型节点的属性相关信息构建；

内容提取模块，适于从查找到的文档对象模型节点中，提取目标页面内容。

10.根据权利要求9所述的装置，其特征在于，所述基于文档对象模型节点的属性相关信息构建的相对路径信息包括：

由至少一个文档对象模型节点的标签与属性构建的相对路径信息构建的相对路径信息；

和/或者，由至少一个文档对象模型节点的标签与属性和至少一个文档对象模型节点的标签，以XPATH形式构建的相对路径信息。