[发明专利]网页类型识别方法和装置在审
| 申请号： | 201710596140.3 | 申请日： | 2017-07-20 |
| 公开（公告）号： | CN110020331A | 公开（公告）日： | 2019-07-16 |
| 发明（设计）人： | 张野 | 申请（专利权）人： | 北京国双科技有限公司 |
| 主分类号： | G06F16/958 | 分类号： | G06F16/958;G06F16/953 |
| 代理公司： | 北京康信知识产权代理有限责任公司 11240 | 代理人： | 赵囡囡;褚敏 |
| 地址： | 100086 北京市海淀区*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 网页 内容页 方法和装置 网页类型 页面内容 目录页 网页地址 中文字 准确率 链接 验证 | ||
1.一种网页类型识别方法，其特征在于，包括：
获取网页的页面内容；
根据所述页面内容中文字和链接的比例初步确定所述网页的类型，其中，所述网页的类型包括：内容页和目录页；
在初步确定所述网页的类型为所述内容页的情况下，根据所述网页的网页地址进一步验证初步确定的所述网页的类型是否准确。
2.根据权利要求1所述的方法，其特征在于，获取网页的页面内容包括：
获取所述网页的页面内容中的主要内容。
3.根据权利要求1或2所述的方法，其特征在于，获取网页的页面内容包括：
通过如下至少之一的方式获取所述网页的页面内容：可扩展标记语言的方式、正则的方式和所述网页的网页地址的方式。
4.根据权利要求1所述的方法，其特征在于，根据所述网页的网页地址进一步验证初步确定的所述网页的类型是否准确，包括：
根据所述网页的网页地址是否符合内容页网页地址通用规则进一步验证初步确定的所述网页的类型是否准确。
5.根据权利要求4所述的方法，其特征在于，根据所述网页的网页地址是否符合内容页网页地址通用规则进一步验证初步确定的所述网页的类型是否准确，包括：
在所述网页的网页地址符合内容页网页地址通用规则的情况下，确定所述网页的类型为所述内容页；
在所述网页的网页地址不符合内容页网页地址通用规则的情况下，确定所述网页的类型为所述目录页。
6.一种网页类型识别装置，其特征在于，包括：
获取模块，用于获取网页的页面内容；
第一确定模块，用于根据所述页面内容中文字和链接的比例初步确定所述网页的类型，其中，所述网页的类型包括：内容页和目录页；
第二确定模块，用于在初步确定所述网页的类型为所述内容页的情况下，根据所述网页的网页地址进一步验证初步确定的所述网页的类型是否准确。
7.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行权利要求1至5中任意一项所述的网页类型识别方法。
8.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至5中任意一项所述的网页类型识别方法。
9.一种终端，其特征在于，包括：
获取模块，用于获取网页的页面内容；
第一确定模块，用于根据所述页面内容中文字和链接的比例初步确定所述网页的类型，其中，所述网页的类型包括：内容页和目录页；
第二确定模块，用于在初步确定所述网页的类型为所述内容页的情况下，根据所述网页的网页地址进一步验证初步确定的所述网页的类型是否准确；
处理器，所述处理器运行程序，其中，所述程序运行时对于从所述获取模块、所述第一确定模块和所述第二确定模块输出的数据执行权利要求1至5中任意一项所述的网页类型识别方法。
10.一种终端，其特征在于，包括：
获取模块，用于获取网页的页面内容；
第一确定模块，用于根据所述页面内容中文字和链接的比例初步确定所述网页的类型，其中，所述网页的类型包括：内容页和目录页；
第二确定模块，用于在初步确定所述网页的类型为所述内容页的情况下，根据所述网页的网页地址进一步验证初步确定的所述网页的类型是否准确；
存储介质，用于存储程序，其中，所述程序在运行时对于从所述获取模块、所述第一确定模块和所述第二确定模块输出的数据执行权利要求1至5中任意一项所述的网页类型识别方法。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京国双科技有限公司，未经北京国双科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201710596140.3/1.html，转载请声明来源钻瓜专利网。
