[发明专利]页面数据处理方法、装置、电子设备及存储介质

说明书

本发明提供了一种页面数据处理方法、装置、电子设备及存储介质，属于数据处理的技术领域，所述方法包括获取预设筛查信息的控制指令；根据词义筛查条件从待筛查页面中筛查出目标页面；针对目标页面中的数据文本进行识别以获取待处理数据；根据数据筛选条件从待处理数据中剔除非目标数据，以筛选出目标数据；根据目标数据与预设阈值的关系，针对目标数据进行相应的处理。通过本申请，可以实现从海量的待待筛查页面自动获取及摘抄符合预设筛查信息所需的数据信息，可以解决用户逐一对不同页面上的关联信息进行逐项、逐页的浏览查找所需信息，以及将找出的所需信息人为摘抄汇集而导致严重影响对页面数据信息处理效率的弊端。

技术领域

本发明属于数据处理的技术领域，具体地涉及一种页面数据处理方法、装置、电子设备及存储介质。

背景技术

随着互联网的迅速发展，互联网应用为用户提供的功能越来越丰富，相应地，互联网应用所包含的页面也随之增加，以为用户实现丰富的功能。随着计算机技术的发展和进步，互联网上存在最多的资源是页面，页面上可以展示各类内容，例如文字、图片、视频等。

目前，绝大多数的技术文献内容通常采用页面形式进行呈现。研发人员在开始研发一个项目时，需要先行知晓目前相同行业的一些相关公开数据信息，以使了解同类项目的前沿性技术水平，因此需要大量涉猎相关的项目数据信息。然而，现有的技术文献公开的页面信息并不支持用户的快速检索及摘抄，用户仍需采用人为逐一对不同页面上的关联信息进行逐项、逐页的浏览，以查找出自身的所需信息；并且针对找出的所需信息还需用于人为摘抄下来进行信息汇集，从而严重影响用户针对页面数据信息的处理效率。

因此，如何实现针对技术文献类页面上的相关所需目标数据信息进行自动获取及摘抄，是一个亟待解决的课题。

发明内容

为了解决上述技术问题，本发明提供了一种页面数据处理方法、装置、电子设备及存储介质，根据事先设定的预设筛查信息，首先通过预设筛查信息中的词义筛查条件从待待筛查页面筛查出目标页面，其次通过预设筛查信息中的数据筛选条件从目标页面上获取的取待处理数据筛选出所述目标数据，最后通过预设筛查信息中的预设阈值针对所述目标数据进行相应的处理，从而实现从海量的待待筛查页面自动获取及摘抄符合预设筛查信息所需的数据信息。

第一方面，本申请提供了一种页面数据处理方法，其包括：

获取预设筛查信息的控制指令；其中，所述预设筛查信息包括词义筛查条件、数据筛选条件及预设阈值；

根据所述词义筛查条件从待筛查页面中筛查出目标页面；

针对所述目标页面中的数据文本进行识别以获取待处理数据；其中，所述待处理数据包括目标数据和非目标数据；

根据所述数据筛选条件从所述待处理数据中剔除所述非目标数据，以筛选出所述目标数据；

根据所述目标数据与所述预设阈值的关系，针对所述目标数据进行相应的处理。

较佳地，所述根据所述词义筛查条件从待筛查页面中筛查出目标页面的步骤具体包括：

将所述词义筛查条件采取分词方式以获取与所述控制指令相符的筛查关键词；

针对所述筛查关键词进行标准化处理转换成符合预设词典内的标准查询词；

根据所述标准查询词从所述待筛查页面中筛查出符合所述词义筛查条件目标页面。

较佳地，所述针对所述目标页面中的数据文本进行识别以获取待处理数据的步骤具体包括：

针对所述目标页面中的表类数据进行抓取以获取待处理图片；

针对所述待处理图片进行预处理以获取预处理图像；

针对所述预处理图像进行识别处理以获取所述待筛查页面中所需的待处理数据。