网页正文的识别方法、装置、电子设备及存储介质

发明专利有效专利

申请号：
CN202110823007.3
IPC分类号：G06K9/00;G06K9/34
申请日期：
2021-07-20
申请人：
东莞市盟大塑化科技有限公司

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	网页正文的识别方法、装置、电子设备及存储介质
申请号	CN202110823007.3	申请日期	2021-07-20
法律状态	公开	申报国家	中国
公开/公告日	2021-10-22	公开/公告号	CN113537091A
优先权	暂无	优先权号	暂无
主分类号	G06K9/00 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06K 数据识别；数据表示；记录载体；记录载体的处理（印刷本身入B41J） G06K9/00 用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置（用于图表阅读或者将诸如力或现状态的机械参量的图形转换为电信号的方法或装置入G06K 11/00；语音识别入G10L 15/00）〔1，7〕	IPC分类号	G;0;6;K;9;/;0;0;;;G;0;6;K;9;/;3;4查看分类表>
申请人	东莞市盟大塑化科技有限公司	申请人地址	广东省东莞市南城区周溪隆溪路5号高盛科技园二期之高盛科技大厦第7层701-703室变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	东莞市盟大塑化科技有限公司	当前权利人	东莞市盟大塑化科技有限公司
发明人	余良
代理机构	广州三环专利商标代理有限公司	代理人	张艳美;刘光明

摘要

本申请公开了一种网页正文的识别方法、装置、电子设备及存储介质，其中方法包括：获取待分析网页文本，待分析网页文本包括字符行和空白行，单个空白行和多个连续排列的空白行视作间隔，间隔对应的空白行数量表示该间隔的长度；根据待分析网页文本的所有间隔计算得到一参考间隔长度；利用参考间隔长度过滤待分析网页文本的所有间隔，以保留长度大于参考间隔长度的间隔；穷举搜索任意两行之间对应的字符数和过滤后的所有间隔，并根据各搜索区域对应的字符数和过滤后的所有间隔确定网页正文。本申请具有较高识别准确率，还能适用于多种类型的网页。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供