[发明专利]一种识别网页正文楼层的系统和方法有效
| 申请号： | 201210214079.9 | 申请日： | 2012-06-25 |
| 公开（公告）号： | CN102779170A | 公开（公告）日： | 2012-11-14 |
| 发明（设计）人： | 陈营营 | 申请（专利权）人： | 北京奇虎科技有限公司;奇智软件（北京）有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 北京路浩知识产权代理有限公司 11002 | 代理人： | 王莹 |
| 地址： | 100088 北京市西城区新*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种识别网页正文的系统，所述系统包括：网页解析布局模块，适于解析网页的源代码，对解析结果进行布局计算，生成网页的DOM树；结点识别模块，适于从DOM树的根结点开始遍历，识别DOM树中的正文结点和垃圾词结点；楼层划分模块，适于对识别出的正文结点按网页的楼层进行划分；移动终端页面生成模块，适于生成移动终端页面。本发明对于传统互联网网页的内容进行识别抽取后，可以有效地抽取出BBS正文、新闻正文及评论，并还原正文内容在原网页中的“分楼”展现特征，展现效果保持原“多楼”特征，以给用户提供优秀的阅读体验。 | ||
| 搜索关键词： | 一种 识别 网页 正文 楼层 系统 方法 | ||
【主权项】：
一种识别网页正文的系统，其特征在于，所述系统包括：网页解析布局模块，适于解析网页的源代码，对解析结果进行布局计算，生成网页的DOM树；结点识别模块，适于从DOM树的根结点开始遍历，识别DOM树中的正文结点和/或垃圾词结点；楼层划分模块，适于对识别出的正文结点按网页的楼层进行划分。
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北京奇虎科技有限公司;奇智软件（北京）有限公司，未经北京奇虎科技有限公司;奇智软件（北京）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/201210214079.9/，转载请声明来源钻瓜专利网。
- 上一篇：一种节水装置
- 下一篇：细长石墨加热管的加工方法及专用加工刀具
