[发明专利]网络文学目录型网页自动识别方法无效
| 申请号： | 201010245846.3 | 申请日： | 2010-08-05 |
| 公开（公告）号： | CN102346748A | 公开（公告）日： | 2012-02-08 |
| 发明（设计）人： | 陈运文;马飞涛;宋海涛 | 申请（专利权）人： | 盛乐信息技术(上海)有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 上海浦一知识产权代理有限公司 31211 | 代理人： | 丁纪铁 |
| 地址： | 201203 上*** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种网络文学目录型网页自动识别方法，包括步骤：获取当前网页的数据体；提取出含有超链接地址的超链接标记所对应的字符串并组成字符串数组一；去除包含有图像类超链接标记的字符串数组一的数组元素并形成字符串数组二；抽取出字符串数组二的各数组元素的超链接文本信息并形成一字符串数组三；判断字符串数组三中的各数组元素是否为一目录文本信息并对是目录文件信息的数组元素进行计数，得到数值一；用数值一除以字符串数组三的数组元素的总数得到一确认比值；当确认比值大于0.7或数值一大于15时确定所述当前网页为一文学目录页。本发明能对不同类型的站点中不同种类的小说目录页面进行很好的识别。 | ||
| 搜索关键词： | 网络文学 目录 网页 自动识别 方法 | ||
【主权项】：
一种网络文学目录型网页自动识别方法，其特征在于，包括如下步骤：步骤一、获取当前网页的数据体；步骤二、在所述数据体中抽取所有包含有超链接地址的超链接标记所对应的字符串，以每一个所述超链接标记所对应的字符串为一个数组元素存储于一个字符串数组一中；步骤三、去除所述字符串数组一包含有图像类超链接标记的数组元素，形成一字符串数组二；步骤四、抽取出所述字符串数组二的各数组元素的超链接文本信息，以各所述超链接文本信息为数组元素形成一字符串数组三；步骤五、判断所述字符串数组三中的各数组元素是否为一目录文本信息，并对是目录文件信息的数组元素进行计数，得到数值一；步骤六、用所述数值一除以所述字符串数组三的数组元素的总数得到一确认比值；步骤七、当所述确认比值大于0.7、或者所述数值一大于15时，确定所述当前网页为一文学目录页。
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盛乐信息技术(上海)有限公司，未经盛乐信息技术(上海)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/201010245846.3/，转载请声明来源钻瓜专利网。
