[發(fā)明專利]使超文字標示語言網(wǎng)頁轉(zhuǎn)換成純文字的方法及其系統(tǒng)

有效

• 申請?zhí)枺?/td>: 200710080293.9
• 申請日: 2007-02-16
• 公開（公告）號: CN101246481A
• 公開（公告）日: 2008-08-20
• 發(fā)明（設計）人: 黃子癸;蔡弘揚
• 申請（專利權(quán)）人: 易搜比控股公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京中原華和知識產(chǎn)權(quán)代理有限責任公司
• 代理人: 壽寧;張華輝

1.一種使超文字標示語言網(wǎng)頁轉(zhuǎn)換成純文字的方法，其是先接收一超文字標示語言網(wǎng)頁的超文字標示語言原始碼，并執(zhí)行一前置標簽程序以擷取出一超文字標示語言原始碼中的一部分，該超文字標示語言原始碼中的一部分內(nèi)具有多數(shù)個字串及多數(shù)個位于前述字串間的標簽，再依據(jù)該超文字標示語言原始碼中的一部分進行以下步驟，所述方法其特征在于：

(A)、計算該超文字標示語言原始碼中的一部分內(nèi)各字串的長度與位置，找出前述多數(shù)個字串中長度為前第一預設值百分比的字串，前述前第一預設值百分比的字串的數(shù)量，等于超文字標示語言原始碼中的一部分內(nèi)所有字串數(shù)量與該第一預設值百分比的乘積；

(B)、分析前述前第一預設值百分比的字串中各字串與其余字串間的一位置間隔，并對于與該前第一預設值百分比的各字串位置間隔不大于一第二預設值的字串，標示為一同一個區(qū)塊，以找出一最大區(qū)塊；以及

(C)、刪除前述最大區(qū)塊內(nèi)前述字串間的標簽以取得一主要內(nèi)容。

2.如權(quán)利要求1所述的使超文字標示語言網(wǎng)頁轉(zhuǎn)換成純文字的方法，其特征在于其中所述的第一預設值為3～15中的一整數(shù)，前述第二預設值為2～10中的一整數(shù)。

3.如權(quán)利要求1所述的使超文字標示語言網(wǎng)頁轉(zhuǎn)換成純文字的方法，其特征在于其中所述步驟(C)中被刪除標簽是一段落格式標簽，前述段落格式標簽為<br>或一<p>和</p>。

4.一種使超文字標示語言網(wǎng)頁轉(zhuǎn)換成純文字的系統(tǒng)，包含一前置標簽處理模組，用以接收一超文字標示語言網(wǎng)頁的超文字標示語言原始碼并執(zhí)行一前置標簽程序以擷取出一超文字標示語言原始碼中的一部分，該超文字標示語言原始碼中的一部分內(nèi)具有多數(shù)個字串及多數(shù)個位于前述字串間的標簽；該系統(tǒng)的特征在于還包含：

一區(qū)塊分析模組，計算該超文字標示語言原始碼中的一部分內(nèi)各字串的長度與位置，找出其中長度為前第一預設值百分比的字串，前述前第一預設值百分比的字串的數(shù)量，等于該超文字標示語言原始碼中的一部分內(nèi)所有字串數(shù)量與該第一預設值百分比的乘積；該區(qū)塊分析模組還分析前述前第一預設值百分比的字串中各字串與其余字串間的一位置間隔，并對于與該前第一預設值百分比的各字串位置間隔不大于一第二預設值的字串，標示為一同一個區(qū)塊，以找出一最大區(qū)塊；以及

一后續(xù)標簽處理模組，刪除前述最大區(qū)塊內(nèi)前述字串間的標簽以取得一主要內(nèi)容。

5.如權(quán)利要求4所述的使超文字標示語言網(wǎng)頁轉(zhuǎn)換成純文字的系統(tǒng)，其特征在于其中所述的第一預設值為3～15中的一整數(shù)，前述第二預設值為2～10中的一整數(shù)。

6.如權(quán)利要求4所述的使超文字標示語言網(wǎng)頁轉(zhuǎn)換成純文字的系統(tǒng)，其特征在于其中所述的后續(xù)標簽處理模組所刪除的標簽是一段落格式標簽。