[发明专利]一种基于http协议的网页信息提取方法及装置在审
| 申请号： | 201410299203.5 | 申请日： | 2014-06-26 |
| 公开（公告）号： | CN104050281A | 公开（公告）日： | 2014-09-17 |
| 发明（设计）人： | 马春新;董磊 | 申请（专利权）人： | 北京思特奇信息技术股份有限公司 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30 |
| 代理公司： | 北京轻创知识产权代理有限公司 11212 | 代理人： | 杨立 |
| 地址： | 100086 北京市海淀*** | 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： | 本发明涉及一种基于http协议的网页信息提取方法及装置，所述方法包括：模板生成步骤：根据要提取信息的目标页面，定制相应的页面解析模板，并在页面解析模板中预定义目标字段和校验规则；网页地址解析步骤：解析目标页面的网页地址，获取目标页面的HTML源文件；信息提取步骤：读取并解析目标页面的HTML源文件，在目标页面的HTML源文件中提取与页面解析模板预定义的目标字段相匹配的页面信息；信息校验步骤：根据预定义的校验规则，校验提取出的页面信息是否符合要求；信息保存步骤：保存经信息校验后的页面信息。本发明通过开放的http协议，对网络中的页面信息进行有效数据过滤采集、归集，并对不同的目标页面进行模板定制，实现特定信息的提取。 | ||
| 搜索关键词： | 一种 基于 http 协议 网页 信息 提取 方法 装置 | ||
【主权项】：
一种基于http协议的网页信息提取方法，其特征在于，包括：模板生成步骤：根据要提取信息的目标页面，定制相应的页面解析模板，并在页面解析模板中预定义目标字段和校验规则；网页地址解析步骤：解析目标页面的网页地址，获取目标页面的HTML源文件；信息提取步骤：读取并解析目标页面的HTML源文件，在目标页面的HTML源文件中提取与页面解析模板预定义的目标字段相匹配的页面信息；信息校验步骤：根据预定义的校验规则，校验提取出的页面信息是否符合要求；信息保存步骤：保存经信息校验后的页面信息。
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思特奇信息技术股份有限公司，未经北京思特奇信息技术股份有限公司许可，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/201410299203.5/，转载请声明来源钻瓜专利网。
- 上一篇：介质滤波器
- 下一篇：预取规则的更新方法及装置
