一种有效网页内容的抓取方法及装置

发明专利无效专利

申请号：
CN201010196364.3
IPC分类号：G06F17/30
申请日期：
2010-06-03
申请人：
北京迅捷英翔网络科技有限公司

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	一种有效网页内容的抓取方法及装置
申请号	CN201010196364.3	申请日期	2010-06-03
法律状态	撤回	申报国家	中国
公开/公告日	2011-12-07	公开/公告号	CN102270206A
优先权	暂无	优先权号	暂无
主分类号	G06F17/30 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06F 电数字数据处理（基于特定计算模型的计算机系统入G06N） G06F17/00 特别适用于特定功能的数字计算设备或数据处理设备或数据处理方法〔6〕 G06F17/30 信息检索；及其数据库结构〔6〕	IPC分类号	G;0;6;F;1;7;/;3;0查看分类表>
申请人	北京迅捷英翔网络科技有限公司	申请人地址	北京市东城区东直门南大街1号来福士中心办公楼10层变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	北京迅捷英翔网络科技有限公司	当前权利人	北京迅捷英翔网络科技有限公司
发明人	贾海禄
代理机构	隆天国际知识产权代理有限公司	代理人	张浴月;刘文意

摘要

本发明公开了一种有效网页内容的抓取方法及装置，所述方法包括以下步骤：步骤S1：导入超文本链接标示语言HTML网页；步骤S2：将所述HTML网页转换成相应的文档树结构；步骤S3：根据所述文档树结构找出有效内容的标题标签，将找出的标题标签内的文本内容作为标题；步骤S4：在所述文档树结构的标签中，按照与所述标题标签由小到大的标签距离依次查找文本标签，将包含有与正文有关的特定字符并具有大于预定长度的文本长度的文本标签作为正文文本标签，然后将所述正文文本标签的文本内容作为正文。本发明能够简单、方便地实现对通用的HTML结构网页进行有效信息的抽取。

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