[發明專利]網頁內容的提取方法、裝置和終端

有效

• 申請號: 201410294508.7
• 申請日: 2014-06-26
• 公開（公告）號: CN104111980B
• 公開（公告）日: 2017-07-28
• 發明（設計）人: 左景龍;徐國市;陳定偉
• 申請（專利權）人: 小米科技有限責任公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京三高永信知識產權代理有限責任公司11138
• 代理人: 劉映東

1.一種網頁內容的提取方法，其特征在于，包括：

獲取當前加載頁面主文檔的文件對象模型DOM樹；

提取所述DOM樹中滿足設定條件的特征節點；

將互為兄弟節點關系的特征節點分別構建為特征節點組；

若所述特征節點組中的特征節點數量超過預設閥值，則提取所述特征節點組中的特征節點；

其中，所述提取所述DOM樹中滿足設定條件的特征節點，包括：

所述特征節點由一個圖片節點，或者互為兄弟節點關系的一個圖片節點和一個文字節點構成；

判斷所述由一個圖片節點，或者互為兄弟節點關系的一個圖片節點和一個文字節點所構成的節點是否具有兄弟節點；

如果有，則所述由一個圖片節點，或者互為兄弟節點關系的一個圖片節點和一個文字節點所構成的節點為所述特征節點；

如果沒有，則查找所述由一個圖片節點，或者互為兄弟節點關系的一個圖片節點和一個文字節點所構成的節點的上級父節點，直至查找到的所述父節點存在兄弟節點為止；將所述查找到的存在兄弟節點的所述父節點作為所述特征節點。

2.根據權利要求1所述的網頁內容的提取方法，其特征在于，還包括：

根據所述提取的特征節點組中的特征節點，進行排版顯示。

3.一種網頁內容的提取裝置，其特征在于，包括：

DOM樹獲取模塊，用于獲取當前加載頁面主文檔的文件對象模型DOM樹；

第一特征節點提取模塊，用于提取所述DOM樹獲取模塊獲取的DOM樹中滿足設定條件的特征節點；

特征節點組構建模塊，用于將互為兄弟節點關系的特征節點分別構建為特征節點組；

第二特征節點提取模塊，用于在所述特征節點組構建模塊構建的特征節點組中的特征節點數量超過預設閥值時，則提取所述特征節點組中的特征節點；

其中，所述第一特征節點提取模塊包括：

第一特征節點確定單元，用于將由一個圖片節點，或者互為兄弟節點關系的一個圖片節點和一個文字節點所構成的節點確定為特征節點；

兄弟節點判斷單元，用于判斷所述由一個圖片節點，或者互為兄弟節點關系的一個圖片節點和一個文字節點所構成的節點是否具有兄弟節點；

第二特征節點確定單元，用于在所述兄弟節點判斷單元的判斷結果為有時，將所述由一個圖片節點，或者互為兄弟節點關系的一個圖片節點和一個文字節點所構成的節點確定為所述特征節點；

第三特征節點確定單元，用于在所述兄弟節點判斷單元的判斷結果為沒有時，查找所述由一個圖片節點，或者互為兄弟節點關系的一個圖片節點和一個文字節點所構成的節點的上級父節點，直至查找到的所述父節點存在兄弟節點為止；將所述查找到的存在兄弟節點的所述父節點作為所述特征節點。

4.根據權利要求3所述的網頁內容的提取裝置，其特征在于，還包括：

排版顯示模塊，用于根據所述第二特征節點提取模塊提取的特征節點組中的特征節點，進行排版顯示。

5.一種網頁內容的提取終端，其特征在于，包括：

處理器；

用于存儲所述處理器可執行指令的存儲器；

其中，所述處理器被配置為：

獲取當前加載頁面主文檔的文件對象模型DOM樹；

提取所述DOM樹中滿足設定條件的特征節點；

將互為兄弟節點關系的特征節點分別構建為特征節點組；

若所述特征節點組中的特征節點數量超過預設閥值，則提取所述特征節點組中的特征節點；

其中，所述提取所述DOM樹中滿足設定條件的特征節點，包括：

所述特征節點由一個圖片節點，或者互為兄弟節點關系的一個圖片節點和一個文字節點構成；

判斷所述由一個圖片節點，或者互為兄弟節點關系的一個圖片節點和一個文字節點所構成的節點是否具有兄弟節點；

如果有，則所述由一個圖片節點，或者互為兄弟節點關系的一個圖片節點和一個文字節點所構成的節點為所述特征節點；

如果沒有，則查找所述由一個圖片節點，或者互為兄弟節點關系的一個圖片節點和一個文字節點所構成的節點的上級父節點，直至查找到的所述父節點存在兄弟節點為止；將所述查找到的存在兄弟節點的所述父節點作為所述特征節點。