[發明專利]一種手機報中新聞內容的抽取方法及系統

有效

• 申請號: 201010515747.2
• 申請日: 2010-10-15
• 公開（公告）號: CN102457817A
• 公開（公告）日: 2012-05-16
• 發明（設計）人: 吳新麗;楊建武
• 申請（專利權）人: 北大方正集團有限公司;北京大學;北京北大方正電子有限公司
• 主分類號: H04W4/12
• 分類號: H04W4/12;H04W88/02
• 代理公司: 北京天悅專利代理事務所(普通合伙) 11311
• 代理人: 田明;任曉航

1.一種手機報中新聞內容的抽取方法，包括以下步驟：

(1)接收預先訂閱的手機報信息，并將接收的手機報信息存儲在本地，所述手機報的類型包括短信和彩信；

(2)從本地讀取手機報信息；

(3)根據預先配置好的模板，抽取手機報信息中的新聞內容。

2.如權利要求1所述的手機報中新聞內容的抽取方法，其特征在于：步驟(1)中所述接收預先訂閱的手機報信息采用如下方式：

首先配置接收設備需要連接的數據庫；然后將已成功訂閱了手機報的SIM卡插至接收設備對應的插槽；最后啟動彩信接收設備為工作狀態，等待接收手機報信息。

3.如權利要求1所述的手機報中新聞內容的抽取方法，其特征在于：步驟(1)中，存儲手機報信息的方法如下：

對于短信類型的手機報，直接將手機報的屬性信息和手機報內容存儲在數據庫中；對于彩信類型的手機報，將手機報的屬性信息存儲在數據庫中，將手機報的實體文件存儲在本地磁盤上；

所述手機報的屬性信息包括特服號碼、手機報實體文件的存儲路徑、手機報標題、手機報下載地址、信息到達時間、下載結束時間、下載結束狀態、該手機報在數據庫中記錄的唯一標識和手機報的類型。

4.如權利要求3所述的手機報中新聞內容的抽取方法，其特征在于：步驟(1)中，按照手機報中內容的先后順序將彩信接收為多個文件，每個文件標有其順序編號；將圖片單獨存儲成圖片文件，并標明圖片在新聞內容中的位置。

5.如權利要求1所述的手機報中新聞內容的抽取方法，其特征在于：步驟(2)中所述讀取手機報信息的過程如下：

(a)手機報信息監控線程定時掃描數據庫；

(b)查詢是否有新的手機報信息，如有，則進入步驟(c)；否則，返回步驟(a)。

(c)從所有新的手機報信息中讀取一條未讀取過的手機報信息記錄；

(d)判斷該條手機報信息的接收狀態，如果接收狀態為“已成功接收”，則進入步驟(f)；如果接收狀態為“接收失敗”，則刪除該手機報在數據庫中的記錄及已下載的實體文件，轉至步驟(g)；如果接收狀態為“未接收”或“正在接收中”，則跳過該條手機報信息，轉至步驟(g)。

(f)將數據庫中存儲的該手機報信息的所有屬性信息讀入內存；

(g)判斷所有新的手機報信息是否均被讀取過，如是，則轉至步驟(a)；否則，轉至步驟(c)。

6.如權利要求1所述的手機報中新聞內容的抽取方法，其特征在于：所述方法在抽取手機報信息中的新聞內容之前還包括過濾手機報中無用信息的步驟。

7.如權利要求6所述的手機報中新聞內容的抽取方法，其特征在于：步驟(3)中，短信類型的手機報模板的配置項包括：手機報名稱、特服號碼、手機報包含的新聞的條數和多條新聞間的分隔符；

彩信類型的手機報模板的配置項包括：手機報名稱、提取手機報信息中的新聞標題的正則表達式、新聞標題的樣式、提取手機報信息中單元的正則表達式、新聞圖片樣式和新聞正文的樣式。

8.如權利要求7所述的手機報中新聞內容的抽取方法，其特征在于：當手機報的類型為短信時，步驟(3)中所述抽取手機報信息中的新聞內容的過程包括以下步驟：

1)根據發送手機報的特服號碼獲取對應的模板；

2)如果該短信為單條新聞，則進行如下處理：

a.從該短信內容中截取模板中指定長度的文字作為新聞的標題，如果該短信內容不足指定長度，則將整條短信內容作為新聞的標題；

b.將整個短信內容作為新聞內容；

c.生成新聞的唯一標識；

3)如果該短信為多條新聞，則進行如下處理：

a.根據模板中配置的多條新聞間的分割符對該短信進行分割，將每一條新聞分割出來；

b.對分割出的每一條新聞，進行與步驟2)相同的操作。