[发明专利]网页内容萃取系统及方法

摘要

一种网页内容萃取系统及方法。网页内容萃取系统包含网页结构分析模块、中介数据判断模块、网页关联产生模块及储存路径路由模块。网页结构分析模块依据第一网页符合的网页结构标准将第一网页的网页内容区分成多个中介数据及多个一般数据。中介数据判断模块依据用户设定条件将所述中介数据区分成多个目标中介数据及多个非目标中介数据。所述目标中介数据对应于第二网页。网页关联产生模块产生第一网页与第二网页之间的关联程度信息。储存路径路由模块依据关联程度信息将第二网页的网页内容路由至第一储存路径或第二储存路径，并将一般数据路由至第一储存路径。如此，只有符合使用者需求的网页内容被萃取出来，达到节省时间及节省储存空间的功效。

主权项

一种网页内容萃取系统，其特征在于，包含：一网页结构分析模块，用以依据一第一网页所符合的一网页结构标准将所述第一网页的网页内容区分成多个中介数据及多个一般数据；一中介数据判断模块，用以依据一用户设定条件将所述中介数据区分成多个目标中介数据及多个非目标中介数据，所述目标中介数据对应于一第二网页；一网页关联产生模块，用以产生所述第一网页与所述第二网页之间的一关联程度信息；以及一储存路径路由模块，用以依据所述关联程度信息将所述第二网页的网页内容路由至一第一储存路径或一第二储存路径，并将所述一般数据路由至所述第一储存路径。