[發(fā)明專利]網(wǎng)頁內(nèi)容的提取方法、裝置和終端

有效

• 申請?zhí)枺?/td>: 201410294508.7
• 申請日: 2014-06-26
• 公開（公告）號: CN104111980B
• 公開（公告）日: 2017-07-28
• 發(fā)明（設(shè)計）人: 左景龍;徐國市;陳定偉
• 申請（專利權(quán)）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(chǎn)權(quán)代理有限責任公司11138
• 代理人: 劉映東

技術(shù)領(lǐng)域

本公開涉及通信領(lǐng)域，具體而言，涉及網(wǎng)頁內(nèi)容的提取方法、裝置和終端。

背景技術(shù)

隨著互聯(lián)網(wǎng)的發(fā)展，各個網(wǎng)頁的內(nèi)容不斷豐富，且不同的網(wǎng)頁顯示內(nèi)容的側(cè)重點不同，有的網(wǎng)頁顯示的內(nèi)容以文字為主，有的網(wǎng)頁顯示的內(nèi)容以圖片為主，這種以圖片為主的網(wǎng)頁中，有時圖片會對應較少的文字說明，比如一些景點介紹或者人物介紹等網(wǎng)頁。但是，這種以圖片為主的網(wǎng)頁，在移動終端上瀏覽并不能獲得良好的用戶體驗。

發(fā)明內(nèi)容

為克服相關(guān)技術(shù)中存在的問題，本公開提供了一種網(wǎng)頁內(nèi)容的提取方法、裝置和終端，以解決上述的問題。

根據(jù)本公開實施例的第一方面，提供一種網(wǎng)頁內(nèi)容的提取方法，包括：獲取當前加載頁面主文檔的DOM樹；提取DOM樹中滿足設(shè)定條件的特征節(jié)點；將互為兄弟節(jié)點關(guān)系的特征節(jié)點分別構(gòu)建為特征節(jié)點組；若特征節(jié)點組中的特征節(jié)點數(shù)量超過預設(shè)閥值，則提取特征節(jié)點組中的特征節(jié)點。

可選的，所述提取DOM樹中滿足設(shè)定條件的特征節(jié)點，包括：特征節(jié)點由一個圖片節(jié)點，或者互為兄弟節(jié)點關(guān)系的一個圖片節(jié)點和一個文字節(jié)點構(gòu)成。

可選的，所述提取DOM樹中滿足設(shè)定條件的特征節(jié)點，還包括：判斷由一個圖片節(jié)點，或者互為兄弟節(jié)點關(guān)系的一個圖片節(jié)點和一個文字節(jié)點所構(gòu)成的節(jié)點是否具有兄弟節(jié)點；如果有，則由一個圖片節(jié)點，或者互為兄弟節(jié)點關(guān)系的一個圖片節(jié)點和一個文字節(jié)點所構(gòu)成的節(jié)點為特征節(jié)點；如果沒有，則查找由一個圖片節(jié)點，或者互為兄弟節(jié)點關(guān)系的一個圖片節(jié)點和一個文字節(jié)點所構(gòu)成的節(jié)點的上級父節(jié)點，直至查找到的父節(jié)點存在兄弟節(jié)點為止；將查找到的存在兄弟節(jié)點的父節(jié)點作為特征節(jié)點。

可選的，所述提取方法還包括：根據(jù)提取的特征節(jié)點組中的特征節(jié)點，進行排版顯示。

根據(jù)本公開實施例的第二方面，提供一種網(wǎng)頁內(nèi)容的提取裝置，包括：DOM樹獲取模塊，用于獲取當前加載頁面主文檔的DOM樹；第一特征節(jié)點提取模塊，用于提取DOM樹獲取模塊獲取的DOM樹中滿足設(shè)定條件的特征節(jié)點；特征節(jié)點組構(gòu)建模塊，用于將互為兄弟節(jié)點關(guān)系的特征節(jié)點分別構(gòu)建為特征節(jié)點組；第二特征節(jié)點提取模塊，用于在特征節(jié)點組構(gòu)建模塊構(gòu)建的特征節(jié)點組中的特征節(jié)點數(shù)量超過預設(shè)閥值時，則提取特征節(jié)點組中的特征節(jié)點。

可選的，所述第一特征節(jié)點提取模塊包括：第一特征節(jié)點確定單元，用于將由一個圖片節(jié)點，或者互為兄弟節(jié)點關(guān)系的一個圖片節(jié)點和一個文字節(jié)點所構(gòu)成的節(jié)點確定為特征節(jié)點。

可選的，所述第一特征節(jié)點提取模塊還包括：兄弟節(jié)點判斷單元，用于判斷由一個圖片節(jié)點，或者互為兄弟節(jié)點關(guān)系的一個圖片節(jié)點和一個文字節(jié)點所構(gòu)成的節(jié)點是否具有兄弟節(jié)點；第二特征節(jié)點確定單元，用于在兄弟節(jié)點判斷單元的判斷結(jié)果為有時，將由一個圖片節(jié)點，或者互為兄弟節(jié)點關(guān)系的一個圖片節(jié)點和一個文字節(jié)點所構(gòu)成的節(jié)點確定為特征節(jié)點；第三特征節(jié)點確定單元，用于在兄弟節(jié)點判斷單元的判斷結(jié)果為沒有時，查找由一個圖片節(jié)點，或者互為兄弟節(jié)點關(guān)系的一個圖片節(jié)點和一個文字節(jié)點所構(gòu)成的節(jié)點的上級父節(jié)點，直至查找到的父節(jié)點存在兄弟節(jié)點為止；將查找到的存在兄弟節(jié)點的父節(jié)點作為特征節(jié)點。

可選的，所述提取裝置還包括：排版顯示模塊，用于根據(jù)第二特征節(jié)點提取模塊提取的特征節(jié)點組中的特征節(jié)點，進行排版顯示。

根據(jù)本公開實施例的第三方面，提供一種網(wǎng)頁內(nèi)容的提取終端，包括：處理器；用于存儲處理器可執(zhí)行指令的存儲器；其中，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DOM樹中滿足設(shè)定條件的特征節(jié)點；將互為兄弟節(jié)點關(guān)系的特征節(jié)點分別構(gòu)建為特征節(jié)點組；若特征節(jié)點組中的特征節(jié)點數(shù)量超過預設(shè)閥值，則提取特征節(jié)點組中的特征節(jié)點。

本公開的實施例提供的技術(shù)方案可以包括以下有益效果：

通過獲取當前加載頁面主文檔的DOM樹，從DOM樹中提取出滿足設(shè)定條件的特征節(jié)點，將互為兄弟節(jié)點關(guān)系的特征節(jié)點分別構(gòu)建為特征節(jié)點組，若特征節(jié)點組中的特征節(jié)點數(shù)量超過預設(shè)閥值，則提取該特征節(jié)點組中的特征節(jié)點，使提取的內(nèi)容更符合用戶的瀏覽意愿，提升了用戶瀏覽網(wǎng)頁的體驗度。

應當理解的是，以上的一般描述和后文的細節(jié)描述僅是示例性的，并不能限制本公開。

附圖說明

此處的附圖被并入說明書中并構(gòu)成本說明書的一部分，示出了符合本公開的實施例，并與說明書一起用于解釋本公開的原理。

圖1是根據(jù)一示例性實施例示出的一種網(wǎng)頁內(nèi)容的提取方法的流程圖；

圖2是根據(jù)一示例性實施例示出的特征節(jié)點提取方法的流程圖；