[发明专利]网页分割方法、装置及电子设备有效
| 申请号： | 201710450838.4 | 申请日： | 2017-06-15 |
| 公开（公告）号： | CN107273491B | 公开（公告）日： | 2020-07-24 |
| 发明（设计）人： | 童名文;乐惠骁;夏莹;陈敏;周闯 | 申请（专利权）人： | 华中师范大学 |
| 主分类号： | G06F16/957 | 分类号： | G06F16/957 |
| 代理公司： | 北京超凡志成知识产权代理事务所(普通合伙) 11371 | 代理人： | 宋南 |
| 地址： | 430000 湖*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供的一种网页分割方法、装置及电子设备，涉及网页分割技术领域。对第一HTML文档进行规范化处理，获得规范化后的第二HTML文档；基于第二HTML文档以及预设的行深度计算规则，获取以行号为索引的行深度表；获取第二HTML文档中标题内容，建立以行号为索引的标题表；然后基于去除第二HTML文档中所有标签后的文本信息及预设的行块定义规则，获得文本信息对应的多个行块，再计算多个行块各自对应的行块长度，以建立行块分布函数；基于行块分布函数及以行号为索引的标题表，获取多个标题块；基于多个标题块、以行号为索引的行深度表及预设的合并块规则，对第一HTML文档进行合并块处理，减少时间复杂度和空间复杂度。 | ||
| 搜索关键词： | 网页 分割 方法 装置 电子设备 | ||
【主权项】：
一种网页分割方法，其特征在于，所述方法包括：对获取到的待分割网页对应的第一HTML文档进行规范化处理，获得规范化后的第二HTML文档；基于所述第二HTML文档以及预设的行深度计算规则，获取所述第二HTML文档对应的以行号为索引的行深度表；获取所述第二HTML文档中标题内容，建立以行号为索引的标题表；基于去除所述第二HTML文档中所有标签后的文本信息及预设的行块定义规则，获得所述文本信息对应的多个行块，再计算所述多个行块各自对应的行块长度，以建立行块分布函数；基于所述行块分布函数及所述以行号为索引的标题表，获取多个标题块；基于所述多个标题块、所述以行号为索引的行深度表及预设的合并块规则，对所述第一HTML文档进行合并块处理，以实现对所述获取到的待分割网页进行分割，重新组织成为新的网页。
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华中师范大学，未经华中师范大学许可，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/201710450838.4/，转载请声明来源钻瓜专利网。
