一种基于视觉效果的正文识别算法
基本信息
| 申请号 | CN201410234558.6 | 申请日 | - |
| 公开（公告）号 | CN105302805A | 公开（公告）日 | 2016-02-03 |
| 申请公布号 | CN105302805A | 申请公布日 | 2016-02-03 |
| 分类号 | G06F17/30(2006.01)I | 分类 | 计算；推算；计数; |
| 发明人 | 吕永强 | 申请（专利权）人 | 广州市邦富软件有限公司 |
| 代理机构 | - | 代理人 | - |
| 地址 | 510663 广东省广州市天河区天河软件园高唐新建区广州互联网产业园1号楼第五层A501-A510房 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 一种基于视觉效果的正文识别算法，所述算法步骤包括：(1)取出一篇网页，提取标题和正文；(2)提取该页面的视觉表达部分，如HTML?Tag、JS和CSS；(3)对页面中的有限状态机进行分析，获得部分特殊视觉效果信息；(4)利用垂直渲染引擎计算出字体部分的js和css的效果属性；(5)根据步骤2、3和4，得到以PT为单位的整篇文章的字体尺寸列表；(6)通过字体尺寸列表获得字体权重排序；(7)通过字体颜色与页面对比，获得字体颜色权重列表；(8)通过字符串密度获得密度权重列表；(9)根据步骤6、7和8进行综合运算，获得整个网页表达的语义与重心。 |
