[发明专利]网页内容提取方法及装置

权利要求书

1.一种网页内容提取方法，其特征在于，包括：

服务器解析网页获得网页类型，所述网页类型包括静态网页和动态网页；

若所述网页类型为静态网页，则所述服务器依据所述静态网页的结构从数据库中获取网页内容；

若所述网页类型为动态网页，则所述服务器模拟浏览器发出动态操作指示信息从数据库中获取网页内容。

2.根据权利要求1所述的方法，其特征在于，所述服务器依据所述静态网页的结构从数据库中获取网页内容，包括：

若所述静态网页的结构为树形结构，且所述树形结构存储在所述数据库中，则所述服务器依据目标特征信息从所述数据库中获取与所述目标特征信息对应的网页内容，所述目标特征信息包括目标位置信息、目标字体样式、目标关键词；

若所述静态网页的结构为字符结构，且所述字符结构存储在所述数据库中，则所述服务器依据目标字符或目标字符串从所述数据库中获取与所述目标字符或所述目标字符串对应的网页内容。

3.根据权利要求2所述的方法，其特征在于，所述树形结构包括多个级别，每个级别包括多个节点，每个节点对应有特征信息，所述特征信息包括位置信息、字体样式、关键词。

4.根据权利要求1所述的方法，其特征在于，所述动态操作指示信息包括点击操作指示信息、滚动网页指示信息。

5.一种网页内容提取装置，其特征在于，包括：

解析模块，用于解析网页获得网页类型，所述网页类型包括静态网页和动态网页；

获取模块，用于若所述网页类型为静态网页，则依据所述静态网页的结构从数据库中获取网页内容；若所述网页类型为动态网页，则模拟浏览器发出动态操作指示信息从数据库中获取网页内容。

6.根据权利要求5所述的网页内容提取装置，其特征在于，所述获取模块具体用于若所述静态网页的结构为树形结构，且所述树形结构存储在所述数据库中，则依据目标特征信息从所述数据库中获取与所述目标特征信息对应的网页内容，所述目标特征信息包括目标位置信息、目标字体样式、目标关键词；若所述静态网页的结构为字符结构，且所述字符结构存储在所述数据库中，则依据目标字符或目标字符串从所述数据库中获取与所述目标字符或所述目标字符串对应的网页内容。

7.根据权利要求6所述的网页内容提取装置，其特征在于，所述树形结构包括多个级别，每个级别包括多个节点，每个节点对应有特征信息，所述特征信息包括位置信息、字体样式、关键词。

8.根据权利要求5所述的网页内容提取装置，其特征在于，所述动态操作指示信息包括点击操作指示信息、滚动网页指示信息。