[发明专利]一种网页表格数据抽取的方法

摘要

本发明提供一种网页表格数据抽取的方法，包括：步骤10、读取网页源码，根据字符编码将其解析成W3C的Document对象，获取所述网页表格中的任意两个关键词；步骤20、深度优先遍历Document对象中所有节点，分别获取两关键词所属的两个节点；步骤30、获取两节点具有唯一属性的共同父节点，并利用唯一属性获取网页表格定位条件；步骤40、利用网页表格数据定位条件，过滤网页源代码，抽取和网页显示效果相同的网页表格。本发明根据欲抽取网页表格中的任意两个关键词以及需要的表格行/列值，即可从实时变化的网页中准确快速抽取与原网页显示效果相同的表格，获取指定行/列数据，提高数据抽取的灵活性和准确率。

主权项

一种网页表格数据抽取的方法，其特征在于：包括如下步骤：步骤10、读取网页源码，根据字符编码将其网页源码解析成W3C的Document对象，获取所述网页表格中的任意两个关键词；步骤20、深度优先遍历Document对象中所有节点，分别获取第一关键词所属的第一节点，第二关键词所属的第二节点；步骤30、获取第一节点、第二节点具有唯一属性的共同父节点，并利用唯一属性获取网页表格定位条件；步骤40、利用所述网页表格定位条件，遍历Document对象，查找符合所述定位条件的节点，从而定位表格位置，记录各个单元格数据的正确位置以及字号大小、字体颜色属性，抽取与原网页显示效果相同的表格，并根据所述定位表格位置中的表格行/列值筛选得到要抽取的网页表格指定的行/列数据。