[发明专利]网页中关键图片的抓取方法和装置

摘要

本发明公开了一种网页中关键图片的抓取方法和装置，方法包括：A、根据网页地址获取网页的DOM结构；B、根据网页的DOM结构定位网页的中心节点；C、正则匹配所述中心节点及其兄弟节点处的图片，按照预设的过滤条件对正则匹配出的图片进行过滤，输出符合过滤条件的图片；D、将步骤C输出的图片作为抓取到的所述网页的关键图片。所述装置包括对应的DOM结构获取模块、节点确定模块、正则匹配模块、过滤器、以及关键图片确定模块。利用本发明，可以提高所抓取网页的关键图片与网页主题内容的符合程度，降低人机交互次数，简化操作。

主权项

1.一种网页中关键图片的抓取方法，其特征在于，包括：A、分享网页时，分享接口获取该网页的网页地址，根据网页地址获取网页的文档对象模型DOM结构；B、根据网页的DOM结构定位网页的中心节点，其中包括：根据H标签依照权重由高到低的顺序定位一个以上的中心节点，对于同一权重等级的H标签的多个节点，依据网页结构顺序对所述多个节点进行排序以定位所述中心节点；先针对权重最高的中心节点执行步骤C和D；C、正则匹配所述中心节点及其兄弟节点处的图片，按照预设的过滤条件对正则匹配出的图片进行过滤，输出符合过滤条件的图片；所述中心节点的兄弟节点为：该中心节点的父节点的遍历子节点；D、将步骤C输出的图片作为抓取到的所述网页的关键图片，向所述分享接口返回所述关键图片，其中，所述关键图片指描述或补充所述网页的主题内容的图片；如果所述权重最高的中心节点进行步骤C和D没有抓取到所述网页的关键图片，则根据权重顺序选择下一个中心节点，针对该中心节点执行所述步骤C和D。