[发明专利]联系人信息提取方法、相关设备及计算机可读存储介质

权利要求书

1.一种联系人信息提取方法，其特征在于，所述联系人信息提取方法包括：

获取目标网页；

从所述目标网页中查找联系人标识信息；

根据所述联系人标识信息从所述目标网页中确定目标区域；

从所述目标区域提取联系人信息；

所述根据所述联系人标识信息从所述目标网页中确定目标区域包括：

根据所述目标网页构建网页树；

从所述网页树中定位所述联系人标识信息所属的目标叶节点；

查找所述目标叶节点的目标祖先节点；

将所述目标祖先节点覆盖的区域确定为所述目标区域；

其中，所述查找所述目标叶节点的目标祖先节点包括：

查找所述目标叶节点中的各个目标子节点的祖先节点，所述目标叶节点包括多个目标子节点，所述目标叶节点与所述多个目标子节点间无树结构关系；

对于每两个目标子节点，计算所述两个目标子节点的不同祖先节点的节点数量；

获取预设第一数量阈值；

将不同祖先节点的节点数量小于所述预设第一数量阈值的两个目标子节点确定为中间子节点；

查找所述中间子节点的父节点或所述中间子节点的父节点的父节点，将所述中间子节点的父节点或所述中间子节点的父节点的父节点记为第一父节点，将所述第一父节点确定为所述目标叶子节点的目标祖先节点。

2.如权利要求1所述的联系人信息提取方法，其特征在于，所述从所述目标网页中识查找系人标识信息包括：

获取所述联系人标识信息的类型和多个预设规则；

根据所述联系人标识信息的类型从所述多个预设规则中选择目标规则；

根据所述目标规则从所述目标网页中查找所述联系人标识信息。

3.如权利要求1所述的联系人信息提取方法，其特征在于，在所述从所述目标网页中查找联系人标识信息之前，所述联系人信息提取方法还包括：

对所述目标网页进行剪枝预处理。

4.如权利要求1所述的联系人信息提取方法，其特征在于，所述查找所述目标叶节点的目标祖先节点还包括：

确定以所述第一父节点为根节点的目标子树；

获取预设第二数量阈值和所述目标子树中的目标文本信息；

判断所述目标文本信息中的字符数量是否小于所述预设第二数量阈值；

当所述目标文本信息中的字符数量小于所述预设第二数量阈值时，查找所述第一父节点的父节点，记为第二父节点，将所述第二父节点重新确定为所述目标叶节点的目标祖先节点。

5.如权利要求1至4中任一项所述的联系人信息提取方法，其特征在于，所述联系人信息提取方法还包括：

对所述联系人信息进行分组存储。

6.一种联系人信息提取装置，其特征在于，所述联系人信息提取装置包括：

获取模块，用于获取目标网页；

查找模块，用于从所述目标网页中查找联系人标识信息；

确定模块，用于根据所述联系人标识信息从所述目标网页中确定目标区域；

提取模块，用于从所述目标区域提取联系人信息；

所述确定模块，用于根据所述联系人标识信息从所述目标网页中确定目标区域包括：

根据所述目标网页构建网页树；

从所述网页树中定位所述联系人标识信息所属的目标叶节点；

查找所述目标叶节点的目标祖先节点；

将所述目标祖先节点覆盖的区域确定为所述目标区域；

其中，所述确定模块，用于查找所述目标叶节点的目标祖先节点包括：

查找所述目标叶节点中的各个目标子节点的祖先节点，所述目标叶节点包括多个目标子节点，所述目标叶节点与所述多个目标子节点间无树结构关系；

对于每两个目标子节点，计算所述两个目标子节点的不同祖先节点的节点数量；

获取预设第一数量阈值；

将不同祖先节点的节点数量小于所述预设第一数量阈值的两个目标子节点确定为中间子节点；

查找所述中间子节点的父节点或所述中间子节点的父节点的父节点，将所述中间子节点的父节点或所述中间子节点的父节点的父节点记为第一父节点，将所述第一父节点确定为所述目标叶子节点的目标祖先节点。