[发明专利]获取网页信息方法和装置有效
| 申请号： | 201710208585.X | 申请日： | 2017-03-31 |
| 公开（公告）号： | CN108664511B | 公开（公告）日： | 2021-07-13 |
| 发明（设计）人： | 马静飞 | 申请（专利权）人： | 北京京东尚科信息技术有限公司;北京京东世纪贸易有限公司 |
| 主分类号： | G06F16/9535 | 分类号： | G06F16/9535;G06F16/958 |
| 代理公司： | 北京英赛嘉华知识产权代理有限责任公司 11204 | 代理人： | 王达佐;马晓亚 |
| 地址： | 100080 北京市海淀区杏石口路6*** | 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： | 本申请公开了获取网页信息的方法和装置。该方法的一具体实施方式包括：获取网页集合，其中，上述网页集合中的网页的网页布局相同；对上述网页集合中的每个网页进行去噪处理，生成相应的、包含网页源码的去噪后的网页，并基于各个去噪后的网页生成去噪网页集合；从上述去噪网页集合中选择网页对进行编辑距离的计算，确定计算出的、编辑距离的数值最大的网页对作为目标网页对，其中，编辑距离的计算是基于网页源码而进行的；基于上述目标网页对中的网页源码，提取上述目标网页对中相同的字符串作为网页关键字符串；对于上述去噪网页集合中的每个去噪网页，基于上述网页关键字符串提取该去噪网页的信息；该实施方式提高了获取网页信息的效率。 | ||
| 搜索关键词： | 获取 网页 信息 方法 装置 | ||
【主权项】：
1.一种获取网页信息方法，其特征在于，所述方法包括：获取网页集合，其中，所述网页集合中的网页的网页布局相同；对所述网页集合中的每个网页进行去噪处理，生成相应的、包含网页源码的去噪后的网页，并基于各个去噪后的网页生成去噪网页集合；从所述去噪网页集合中选择网页对进行编辑距离的计算，确定计算出的、编辑距离的数值最大的网页对作为目标网页对，其中，编辑距离的计算是基于网页源码而进行的；基于所述目标网页对中的网页源码，提取所述目标网页对中相同的字符串作为网页关键字符串；对于所述去噪网页集合中的每个去噪网页，基于所述网页关键字符串提取该去噪网页的信息。
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京京东尚科信息技术有限公司;北京京东世纪贸易有限公司，未经北京京东尚科信息技术有限公司;北京京东世纪贸易有限公司许可，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/201710208585.X/，转载请声明来源钻瓜专利网。
- 上一篇：信息获取方法和装置
- 下一篇：文本对象分类方法及装置
- 信息记录介质、信息记录方法、信息记录设备、信息再现方法和信息再现设备
- 信息记录装置、信息记录方法、信息记录介质、信息复制装置和信息复制方法
- 信息记录装置、信息再现装置、信息记录方法、信息再现方法、信息记录程序、信息再现程序、以及信息记录介质
- 信息记录装置、信息再现装置、信息记录方法、信息再现方法、信息记录程序、信息再现程序、以及信息记录介质
- 信息记录设备、信息重放设备、信息记录方法、信息重放方法、以及信息记录介质
- 信息存储介质、信息记录方法、信息重放方法、信息记录设备、以及信息重放设备
- 信息存储介质、信息记录方法、信息回放方法、信息记录设备和信息回放设备
- 信息记录介质、信息记录方法、信息记录装置、信息再现方法和信息再现装置
- 信息终端，信息终端的信息呈现方法和信息呈现程序
- 信息创建、信息发送方法及信息创建、信息发送装置
