一种网页正文解析方法、系统、介质及电子设备
基本信息
| 申请号 | CN202110719543.9 | 申请日 | - |
| 公开（公告）号 | CN113392354A | 公开（公告）日 | 2021-09-14 |
| 申请公布号 | CN113392354A | 申请公布日 | 2021-09-14 |
| 分类号 | G06F16/958（2019.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 辛国贸;王瑞霜;吴士伟;陈通;卢凤;杨春 | 申请（专利权）人 | 山东亿云信息技术有限公司 |
| 代理机构 | 济南圣达知识产权代理有限公司 | 代理人 | 祖之强 |
| 地址 | 250014山东省济南市高新区新泺大街2008号银荷大厦B座3层 | ||
| 法律状态 | - | ||
摘要
| 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。 |
