一种网页内容提取方法
基本信息
| 申请号 | CN201811479503.6 | 申请日 | - |
| 公开（公告）号 | CN109635219A | 公开（公告）日 | 2019-04-16 |
| 申请公布号 | CN109635219A | 申请公布日 | 2019-04-16 |
| 分类号 | G06F16/958（2019.01）I; G06F16/951（2019.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 贾显伏; 叶伟强 | 申请（专利权）人 | 云孚科技（北京）有限公司 |
| 代理机构 | 北京世誉鑫诚专利代理事务所（普通合伙） | 代理人 | 孙国栋 |
| 地址 | 100085 北京市海淀区上地信息路2号（北京实创高科技发展总公司2-2号D栋1-8层）一层D100-0705室 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开的网页内容提取方法，涉及数据分析技术领域，通过过滤网页内容中标签为script及css的节点，生成基于DOM树的第一节点集合，从第一节点集合中提取标签包含文本的节点，生成基于DOM树的第二节点集合，对第二节点集合中的各个节点进行过滤，生成基于DOM树的第三节点集合，遍历第三节点集合中的各个节点，依据设定的计分公式，分别计算各个节点的得分并生成得分集合，从得分集合中获取分数最高的节点，从所述节点中提取文本，节省了大量人力成本、提高了效率及通用性，解决了现有技术存在的人力成本高、效率低及通用性不强的缺陷。 |
