[发明专利]一种通过HTML标签识别垃圾邮件的方法

权利要求书

1.一种通过HTML标签识别垃圾邮件的方法，其特征在于，包括以下步骤：

S1、构建使用字符描述HTML代码中标签的标签描述表；

S2、顺序提取垃圾邮件的HTML代码中的标签，并根据标签描述表提取包含多个字符的校验数据；

S3、在接收到新邮件后，提取新邮件的HTML代码，并根据标签描述表将新邮件的HTML代码中的标签翻译成描述数据；

S4、将描述数据与校验数据进行比较，以至少将命中校验数据的描述数据所对应的新邮件判定为垃圾邮件。

2.根据权利要求1所述的方法，其特征在于，将至少匹配校验数据的首部排列顺序或者尾部排列顺序的描述数据所对应的新邮件判定为垃圾邮件。

3.根据权利要求1或者2所述的方法，其特征在于，所述标签描述表包括若干条记录，所述记录由校验数据及校验数据的长度信息组成；

若使用标签描述表对新邮件的HTML代码中的标签进行翻译后所得的描述数据的长度信息与校验数据的长度信息相等，则将新邮件判定为垃圾邮件。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：所述校验数据的长度信息的取值范围为[m,n]，若使用标签描述表对新邮件的HTML代码中的标签进行翻译后所得的描述数据的长度信息位于校验数据的长度信息的取值范围内，则将新邮件判定为垃圾邮件。

5.根据权利要求4所述的方法，其特征在于，所述校验数据的长度信息的取值范围的上限n取100，取值范围的下限m取20。

6.根据权利要求1所述的方法，其特征在于，所述字符为数字、字母、或者ASCⅡ码中的一种或者两种以上任意组合的计算机可读数据。

7.根据权利要求1所述的方法，其特征在于，所述字符的字节长度固定。

8.根据权利要求1所述的方法，其特征在于，所述方法还包括将与校验数据重合度高于80％的描述数据所对应的新邮件判定为垃圾邮件。

9.根据权利要求8所述的方法，其特征在于，所述方法还包括将新邮件的描述数据扫描校验数据，若描述数据与校验数据相重合的片段中所包含的字符数高于描述数据所包含的字符数量的80％，则将所述新邮件判定为垃圾邮件；其中，所述描述数据与校验数据相重合的片段的长度大于或者等于10个字符。