[发明专利]网页信息提取的方法及装置在审
| 申请号： | 201810164501.1 | 申请日： | 2018-02-27 |
| 公开（公告）号： | CN108334480A | 公开（公告）日： | 2018-07-27 |
| 发明（设计）人： | 周柳阳;许炜;蒋林林 | 申请（专利权）人： | 智言科技(深圳)有限公司 |
| 主分类号： | G06F17/22 | 分类号： | G06F17/22 |
| 代理公司： | 深圳市中科创为专利代理有限公司 44384 | 代理人： | 梁炎芳 |
| 地址： | 518000 广东省深圳市宝安区新安*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 网页模板 页面 网页信息提取 差异比较 提取信息 比对 人工干预 提取效率 差异处 智能化 算法 网页 | ||
1.一种网页信息提取的方法，其特征在于，包括：
步骤S10，获取关于相同网页但数据不同的两个页面；
步骤S20，将两个页面的内容进行差异比较，并对差异处进行标记；以生成网页模板；
步骤S30，将网页模板与其他页面进行比对，基于差异部分，提取信息，并对提取的信息进行标记命名。
2.如权利要求1所述的网页信息提取的方法，其特征在于，所述步骤S10具体包括：
获取关于相同网页但数据不同的两个页面的文本数据，将文本数据转换成节点树。
3.如权利要求2所述的网页信息提取的方法，其特征在于,步骤S20具体包括：
将两个页面所形成节点树从根部至叶子进行相同位置节点的差异比较，并对差异处进行标记，以生成网页模板。
4.一种网页信息提取的装置，其特征在于，包括：
数据获取模块，用于获取关于相同网页但数据不同的两个页面；
模板生成模块，用于将两个页面的内容进行差异比较，并对差异处进行标记；以生成网页模板；
信息提取模块，用于将网页模板与其他页面进行比对，基于差异部分，提取信息，并对提取的信息进行标记命名。
5.如权利要求4所述的网页信息提取的装置，其特征在于，数据获取模块具体用于获取关于相同网页但数据不同的两个页面的文本数据，将文本数据转换成节点树。
6.如权利要求5所述的网页信息提取的装置，其特征在于，模板生成模块具体用于将两个页面所形成节点树从根部至叶子进行相同位置节点的差异比较，并对差异处进行标记，以生成网页模板。
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智言科技(深圳)有限公司，未经智言科技(深圳)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/201810164501.1/1.html，转载请声明来源钻瓜专利网。
- 上一篇：文档插入方法和文档插入装置
- 下一篇：文档处理方法以及装置
