[发明专利]网站正文提取的方法和装置有效
| 申请号： | 201710084396.6 | 申请日： | 2017-02-16 |
| 公开（公告）号： | CN108446285B | 公开（公告）日： | 2020-10-27 |
| 发明（设计）人： | 曹志明 | 申请（专利权）人： | 北京国双科技有限公司 |
| 主分类号： | G06F16/957 | 分类号： | G06F16/957 |
| 代理公司： | 北京康信知识产权代理有限责任公司 11240 | 代理人： | 韩建伟;张永明 |
| 地址： | 100083 北京市海淀区*** | 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： | 本发明公开了一种网站正文提取的方法和装置。其中，该方法包括：从网站的每个网页中提取节点信息；将节点信息确定为第一节点信息或第二节点信息，其中，第一节点信息为包含网页正文文本的节点信息，第二节点信息为不包含网页正文文本的节点信息；提取第一节点信息中的网页正文文本；根据第一节点信息对目标网页重新提取符合预设条件的节点信息，其中，目标网页为提取出第二节点信息的网页；将重新提取到的节点信息所包含的文本作为目标网页的网页正文文本。本发明解决了网站正文信息提取不准确的技术问题。 | ||
| 搜索关键词： | 网站 正文 提取 方法 装置 | ||
【主权项】：
1.一种网站正文提取的方法，其特征在于，包括：从网站的每个网页中提取节点信息；将所述节点信息确定为第一节点信息或第二节点信息，其中，所述第一节点信息为包含网页正文文本的节点信息，所述第二节点信息为不包含网页正文文本的节点信息；提取所述第一节点信息中的网页正文文本；根据所述第一节点信息对目标网页重新提取符合预设条件的节点信息，其中，所述目标网页为提取出所述第二节点信息的网页；将重新提取到的节点信息所包含的文本作为所述目标网页的网页正文文本。
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国双科技有限公司，未经北京国双科技有限公司许可，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/201710084396.6/，转载请声明来源钻瓜专利网。
