基于XPath序列的网页列表解析方法及系统

基本信息

申请号 CN202010825868.0 申请日 -
公开(公告)号 CN111966930B 公开(公告)日 2021-05-04
申请公布号 CN111966930B 申请公布日 2021-05-04
分类号 G06F16/955;G06F16/958;G06F40/14 分类 计算;推算;计数;
发明人 李钊;王瑞霜;陈通;卢凤;胡传会;魏静 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 黄海丽
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 本发明公开了基于XPath序列的网页列表解析方法及系统,包括:根据URL获取网页的HTML源代码;根据网页的HTML源代码,生成DOMTree;根据DOMTree,获取网页中列表项的候选路径;从候选路径中筛选出列表项的简化XPath路径,建立候选简化XPath路径与标签label的字典;根据简化XPath路径与标签label的字典,获取网页列表项的结果。