[发明专利]一种提取网页正文的方法和装置有效
| 申请号： | 200810225720.2 | 申请日： | 2008-11-07 |
| 公开（公告）号： | CN101408898A | 公开（公告）日： | 2009-04-15 |
| 发明（设计）人： | 张海涛 | 申请（专利权）人： | 北大方正集团有限公司;北京北大方正电子有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 北京中博世达专利商标代理有限公司 | 代理人： | 申 健 |
| 地址： | 100871北京市*** | 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： | 本发明公开一种提取网页正文的方法和装置，涉及网络技术领域，以快速、准确地提取网页中的正文。该方法包括：获取页面段的开始标签和结束标签；根据开始标签和结束标签确定页面段的开始位置和结束位置；计算页面段的权值；将网页中权值最大的页面段提取为网页正文。该装置包括：获取模块，用于获取页面段的开始标签和结束标签；分段模块，用于根据获取模块获取的开始标签和结束标签确定页面段的开始位置和结束位置；计算模块，用于计算分段模块确定的页面段的权值；提取模块，用于将计算模块计算得出的网页中权值最大的页面段提取为网页正文。本发明提供的技术方案可以广泛应用于进行内容转载的网络系统和设备中。 | ||
| 搜索关键词： | 一种 提取 网页 正文 方法 装置 | ||
【主权项】：
1、一种提取网页正文的方法，其特征在于，包括以下步骤：获取页面段的开始标签和结束标签；根据所述开始标签和结束标签确定所述页面段的开始位置和结束位置；计算所述页面段的权值；将网页中权值最大的页面段提取为网页正文。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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大方正集团有限公司;北京北大方正电子有限公司，未经北大方正集团有限公司;北京北大方正电子有限公司许可，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/patent/200810225720.2/，转载请声明来源钻瓜专利网。
- 上一篇：重整装置的停机方法
- 下一篇：三重分离的数据管理方法
