网页正文的识别方法、装置、电子设备及存储介质
基本信息
| 申请号 | CN202110823007.3 | 申请日 | - |
| 公开（公告）号 | CN113537091A | 公开（公告）日 | 2021-10-22 |
| 申请公布号 | CN113537091A | 申请公布日 | 2021-10-22 |
| 分类号 | G06K9/00（2006.01）I;G06K9/34（2006.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 余良 | 申请（专利权）人 | 东莞盟大集团有限公司 |
| 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 |
| 地址 | 523000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 | ||
| 法律状态 | - | ||
摘要
| 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。 |
