轻量级智能网页内容解析方法专利查询专利号|摘要-满商公司网

轻量级智能网页内容解析方法

基本信息

申请号	CN201010126329.4	申请日	-
公开（公告）号	CN101819584B	公开（公告）日	2011-11-09
申请公布号	CN101819584B	申请公布日	2011-11-09
分类号	G06F17/30(2006.01)I	分类	计算；推算；计数;
发明人	不公告发明人	申请（专利权）人	上海引跑信息科技有限公司
代理机构	-	代理人	-
地址	200070 上海市静安区西藏北路525号2号楼701室
法律状态	-

摘要

本发明为网页内容解析提供了一种通用的轻量级智能解析方法，可以对文章类(如新闻、博客、论坛等)网页进行有效的内容解析。步骤如下：首先，下载网页HTML源码并将其转换成结构化数据模型；其次，分析结构化数据模型，收集用于定位主体内容的数据；再次，利用收集的数据，对数据模型进行进一步分析，定位主体内容(如新闻内容、博客文章、论坛主题和回复等)所在的位置；最终，分析获取的主体内容模型，去除无用信息，得到主体内容。此外，通过交互式界面，用户可对解析结果进行合并、编辑、保存、索引，相当于为用户建立了网页内容资料库，供后期的检索使用。这种方式，有效的将分析技术、存在特性、人工干预加以结合，提供更加贴近用户的功能。