- 专利标题： 一种网页正文解析方法、系统、介质及电子设备
-
申请号： CN202110719543.9申请日： 2021-06-28
-
公开(公告)号： CN113392354A公开(公告)日： 2021-09-14
- 发明人: 辛国贸 , 王瑞霜 , 吴士伟 , 陈通 , 卢凤 , 杨春
- 申请人： 山东亿云信息技术有限公司
- 申请人地址： 山东省济南市高新区新泺大街2008号银荷大厦B座3层
- 专利权人： 山东亿云信息技术有限公司
- 当前专利权人： 山东亿云信息技术有限公司
- 当前专利权人地址： 250101 山东省济南市高新技术产业开发区舜华路2000号舜泰广场3号楼12层
- 代理机构： 济南圣达知识产权代理有限公司
- 代理商 祖之强
- 主分类号： G06F16/958
- IPC分类号： G06F16/958
摘要：
本公开提供了一种网页正文解析方法、系统、介质及电子设备，获取网页HTML源代码；对网页HTML源代码进行预处理；根据预处理后的网页HTML源代码生成文档对象模型树；根据获取的文档对象模型树，定位发文日期所在的块并获取其节点；根据发文日期块节点获取正文块节点；根据正文块节点获取正文块XPath及正文块HTML；本公开解决了低密度网页正文提取的问题，提升了网页正文的提取准确率，提高了工作效率，节省了人力成本。
公开/授权文献
- CN113392354B 一种网页正文解析方法、系统、介质及电子设备 公开/授权日：2022-09-13
