万维网网页信息提取方法、存储介质及计算机设备
基本信息
| 申请号 | CN201810214406.8 | 申请日 | - |
| 公开（公告）号 | CN108520007B | 公开（公告）日 | 2021-09-28 |
| 申请公布号 | CN108520007B | 申请公布日 | 2021-09-28 |
| 分类号 | G06F16/957（2019.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 孙洋 | 申请（专利权）人 | 江河瑞通（北京）技术有限公司 |
| 代理机构 | 北京三友知识产权代理有限公司 | 代理人 | 贾磊;王涛 |
| 地址 | 100085北京市海淀区信息路28号7层A646 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明提供了一种万维网网页信息提取方法、存储介质及计算机设备，该方法包括：通过互联网超文本传输协议获取万维网网页的HTML文档；从所述HTML文档提取网页信息，包括：从所述HTML文档提取关键字；将所述HTML文档分割为正文部分和标题部分；根据词频匹配度从所述标题部分提取标题；通过匹配日期表达式从所述HTML文档提取发布时间；通过底部特征信息分析从所述正文部分提取正文内容；从所述正文内容提取摘要；其中，所述网页信息包含所述标题、所述发布时间、所述摘要、所述关键字及所述正文内容中的一个或多个。本发明能够从万维网网页中提取真实信息。 |
