[發(fā)明專利]網(wǎng)頁發(fā)布時(shí)間抽取方法和用于網(wǎng)頁發(fā)布時(shí)間抽取的裝置

有效

• 申請?zhí)枺?/td>: 201510955640.2
• 申請日: 2015-12-18
• 公開（公告）號: CN106897287B
• 公開（公告）日: 2020-06-16
• 發(fā)明（設(shè)計(jì)）人: 丁圣勇;黃志蘭;樊勇兵;陳楠;金華敏;賴培源;區(qū)洪輝
• 申請（專利權(quán)）人: 中國電信股份有限公司
• 主分類號: G06F16/958
• 分類號: G06F16/958
• 代理公司: 中國國際貿(mào)易促進(jìn)委員會(huì)專利商標(biāo)事務(wù)所 11038
• 代理人: 許蓓

1.一種網(wǎng)頁發(fā)布時(shí)間抽取方法，其特征在于，包括：

建立網(wǎng)頁源碼的文檔對象模型DOM樹；

在所述DOM樹中確定網(wǎng)頁標(biāo)題節(jié)點(diǎn)，包括：根據(jù)網(wǎng)頁標(biāo)題所在的標(biāo)簽類型、唯一編碼屬性或者類屬性在所述DOM樹中確定網(wǎng)頁標(biāo)題節(jié)點(diǎn)；

根據(jù)網(wǎng)頁發(fā)布時(shí)間節(jié)點(diǎn)與網(wǎng)頁標(biāo)題節(jié)點(diǎn)在DOM樹中的相對位置關(guān)系確定網(wǎng)頁發(fā)布時(shí)間，包括：如果在網(wǎng)頁標(biāo)題節(jié)點(diǎn)所屬的父節(jié)點(diǎn)下有時(shí)間節(jié)點(diǎn)，將時(shí)間節(jié)點(diǎn)中的時(shí)間信息提取為網(wǎng)頁發(fā)布時(shí)間。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，

如果在網(wǎng)頁標(biāo)題所在的標(biāo)簽對應(yīng)的節(jié)點(diǎn)所屬的父節(jié)點(diǎn)下有時(shí)間葉子節(jié)點(diǎn)，將時(shí)間葉子節(jié)點(diǎn)中的時(shí)間信息提取為網(wǎng)頁發(fā)布時(shí)間；

或者，

如果在網(wǎng)頁標(biāo)題所在的標(biāo)簽對應(yīng)的節(jié)點(diǎn)所屬的父節(jié)點(diǎn)下有時(shí)間所在的標(biāo)簽，從時(shí)間所在的標(biāo)簽中提取時(shí)間信息并作為網(wǎng)頁發(fā)布時(shí)間。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)網(wǎng)頁發(fā)布時(shí)間節(jié)點(diǎn)與網(wǎng)頁標(biāo)題節(jié)點(diǎn)在DOM樹中的相對位置關(guān)系確定網(wǎng)頁發(fā)布時(shí)間包括：

確定網(wǎng)頁標(biāo)題節(jié)點(diǎn)的父節(jié)點(diǎn)的次左子節(jié)點(diǎn)，如果次左子節(jié)點(diǎn)的若干子樹下的左子樹節(jié)點(diǎn)是時(shí)間節(jié)點(diǎn)，將時(shí)間節(jié)點(diǎn)中的時(shí)間信息提取為網(wǎng)頁發(fā)布時(shí)間。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)網(wǎng)頁發(fā)布時(shí)間節(jié)點(diǎn)與網(wǎng)頁標(biāo)題節(jié)點(diǎn)在DOM樹中的相對位置關(guān)系確定網(wǎng)頁發(fā)布時(shí)間包括：

如果在網(wǎng)頁標(biāo)題節(jié)點(diǎn)所屬的父節(jié)點(diǎn)下有時(shí)間節(jié)點(diǎn)，將時(shí)間節(jié)點(diǎn)中的時(shí)間信息提取為網(wǎng)頁發(fā)布時(shí)間；

如果在網(wǎng)頁標(biāo)題節(jié)點(diǎn)所屬的父節(jié)點(diǎn)下沒有時(shí)間節(jié)點(diǎn)，確定網(wǎng)頁標(biāo)題節(jié)點(diǎn)的父節(jié)點(diǎn)的次左子節(jié)點(diǎn)，如果次左子節(jié)點(diǎn)的若干子樹下的左子樹節(jié)點(diǎn)是時(shí)間節(jié)點(diǎn)，將時(shí)間節(jié)點(diǎn)中的時(shí)間信息提取為網(wǎng)頁發(fā)布時(shí)間。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)網(wǎng)頁發(fā)布時(shí)間節(jié)點(diǎn)與網(wǎng)頁標(biāo)題節(jié)點(diǎn)在DOM樹中的相對位置關(guān)系確定網(wǎng)頁發(fā)布時(shí)間包括：

如果在網(wǎng)頁標(biāo)題所在的標(biāo)簽對應(yīng)的節(jié)點(diǎn)所屬的父節(jié)點(diǎn)下有時(shí)間葉子節(jié)點(diǎn)，將時(shí)間葉子節(jié)點(diǎn)中的時(shí)間信息提取為網(wǎng)頁發(fā)布時(shí)間；

如果在網(wǎng)頁標(biāo)題所在的標(biāo)簽對應(yīng)的節(jié)點(diǎn)所屬的父節(jié)點(diǎn)下沒有時(shí)間葉子節(jié)點(diǎn)，在網(wǎng)頁標(biāo)題所在的標(biāo)簽對應(yīng)的節(jié)點(diǎn)所屬的父節(jié)點(diǎn)下查找是否有時(shí)間所在的標(biāo)簽，如果有，從時(shí)間所在的標(biāo)簽中提取時(shí)間信息并作為網(wǎng)頁發(fā)布時(shí)間；

如果網(wǎng)頁標(biāo)題所在的標(biāo)簽對應(yīng)的節(jié)點(diǎn)所屬的父節(jié)點(diǎn)沒有時(shí)間所在的標(biāo)簽，確定網(wǎng)頁標(biāo)題節(jié)點(diǎn)的父節(jié)點(diǎn)的次左子節(jié)點(diǎn)，如果次左子節(jié)點(diǎn)的若干子樹下的左子樹節(jié)點(diǎn)是時(shí)間節(jié)點(diǎn)，將時(shí)間節(jié)點(diǎn)中的時(shí)間信息提取為網(wǎng)頁發(fā)布時(shí)間。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)網(wǎng)頁發(fā)布時(shí)間節(jié)點(diǎn)與網(wǎng)頁標(biāo)題節(jié)點(diǎn)在DOM樹中的相對位置關(guān)系確定網(wǎng)頁發(fā)布時(shí)間包括：

在DOM樹中查找時(shí)間節(jié)點(diǎn)，判斷查找到的時(shí)間節(jié)點(diǎn)與網(wǎng)頁標(biāo)題節(jié)點(diǎn)是否符合網(wǎng)頁發(fā)布時(shí)間節(jié)點(diǎn)與網(wǎng)頁標(biāo)題節(jié)點(diǎn)在DOM樹中的相對位置關(guān)系，將符合條件的時(shí)間節(jié)點(diǎn)確定為網(wǎng)頁發(fā)布時(shí)間節(jié)點(diǎn)，并從網(wǎng)頁發(fā)布時(shí)間節(jié)點(diǎn)中提取網(wǎng)頁發(fā)布時(shí)間。

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，還包括：

如果符合條件的時(shí)間節(jié)點(diǎn)有多個(gè)，將離DOM樹的根節(jié)點(diǎn)近的符合條件的時(shí)間節(jié)點(diǎn)確定為網(wǎng)頁發(fā)布時(shí)間節(jié)點(diǎn)。

8.一種用于網(wǎng)頁發(fā)布時(shí)間抽取的裝置，其特征在于，包括：

文檔對象模型DOM樹建立模塊，用于建立網(wǎng)頁源碼的DOM樹；

標(biāo)題節(jié)點(diǎn)確定模塊，用于在所述DOM樹中確定網(wǎng)頁標(biāo)題節(jié)點(diǎn)，包括：根據(jù)網(wǎng)頁標(biāo)題所在的標(biāo)簽類型、唯一編碼屬性或者類屬性在所述DOM樹中確定網(wǎng)頁標(biāo)題節(jié)點(diǎn)；

發(fā)布時(shí)間確定模塊，用于根據(jù)網(wǎng)頁發(fā)布時(shí)間節(jié)點(diǎn)與網(wǎng)頁標(biāo)題節(jié)點(diǎn)在DOM樹中的相對位置關(guān)系確定網(wǎng)頁發(fā)布時(shí)間；其中，所述發(fā)布時(shí)間確定模塊包括第一時(shí)間節(jié)點(diǎn)查找單元和第一時(shí)間信息提取單元；所述第一時(shí)間節(jié)點(diǎn)查找單元用于查找在網(wǎng)頁標(biāo)題節(jié)點(diǎn)所屬的父節(jié)點(diǎn)下是否有時(shí)間節(jié)點(diǎn)，如果有，所述第一時(shí)間信息提取單元用于將時(shí)間節(jié)點(diǎn)中的時(shí)間信息提取為網(wǎng)頁發(fā)布時(shí)間。