[发明专利]基于视觉的web页面萃取方法有效
| 申请号： | 201110171536.6 | 申请日： | 2011-06-23 |
| 公开（公告）号： | CN102253979A | 公开（公告）日： | 2011-11-23 |
| 发明（设计）人： | 王东胜 | 申请（专利权）人： | 天津海量信息技术有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 北京汲智翼成知识产权代理事务所(普通合伙) 11381 | 代理人： | 陈曦 |
| 地址： | 300384 天津市南开区*** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于视觉分析的web页面萃取方法，包括如下步骤：(1)确认web页面中给定的网页地址已经下载完成，并且经完整展示后生成文档对象模型树；(2)基于文档对象模型树将web页面拆分成在视觉上无法进一步拆分的块元素；(3)从主体块在文档对象模型树中对应的根节点出发，遍历各个视觉块在文档对象模型树中对应的块节点，从而获得web网页中的有价值数据。本方法能够充分使用web页面本身的视觉提示，并结合文档对象模型树进行页面语义分块，显著提高了web页面萃取的效率和质量。 | ||
| 搜索关键词： | 基于 视觉 web 页面 萃取 方法 | ||
【主权项】：
一种基于视觉分析的web页面萃取方法，其特征在于包括如下步骤：(1)确认web页面中给定的网页地址已经下载完成，并且经完整展示后生成文档对象模型树；(2)基于所述文档对象模型树将web页面拆分成在视觉上无法进一步拆分的块元素；(3)从主体块在所述文档对象模型树中对应的根节点出发，遍历各个视觉块在所述文档对象模型树中对应的块节点，从而获得所述web网页中的有价值数据。
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天津海量信息技术有限公司，未经天津海量信息技术有限公司许可，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/201110171536.6/，转载请声明来源钻瓜专利网。
- 上一篇：一种利用位置信息实现图像搜索的方法和系统
- 下一篇：一种进程关闭方法
