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。 |
