[发明专利]网页信息处理装置和网页信息处理方法

摘要

本发明提供一种网页信息处理装置和一种网页信息处理方法，其中，网页信息处理装置100包括：网页处理模块102，将网页处理为DOM结构；权重计算模块104，遍历DOM结构的节点，根据DOM结构中的节点的特征，计算节点的权重；结果筛选模块106，根据文本节点的样式权重和内容权重，得到文本节点的标题权重，以判断是否将文本节点的内容作为候选标题，并从文本节点的内容中提取时间串，作为候选发布时间；结果生成模块108，从所有候选标题和所有候选发布时间，选出网页的信息标题和信息发布时间。通过本发明，能够通过对网页页面各部分元素的不同特征，来分析其在网页中的重要性，并由此选取标题和发布时间，简单高效。

主权项

一种网页信息处理装置，其特征在于，包括：网页处理模块，将网页处理为DOM结构；权重计算模块，遍历所述DOM结构的节点，根据所述DOM结构中的非文本节点的特征，计算所述非文本节点的样式权重，根据所述DOM结构中的文本节点的特征，计算所述文本节点的内容权重，其中，所述非文本节点的样式权重累加到其子节点上；结果筛选模块，根据所述文本节点的样式权重和内容权重，得到所述文本节点的标题权重，以判断是否将所述文本节点的内容作为候选标题，并从所述文本节点的内容中提取时间串，作为候选发布时间；结果生成模块，从所有候选标题和所有候选发布时间，选出所述网页的信息标题和信息发布时间。