[發明專利]一種基于網頁的圖像獲取方法及裝置

有效

• 申請號: 201710744731.0
• 申請日: 2017-08-25
• 公開（公告）號: CN110020042B
• 公開（公告）日: 2021-09-10
• 發明（設計）人: 管國辰;劉中軍
• 申請（專利權）人: 杭州海康威視數字技術股份有限公司
• 主分類號: G06F16/951
• 分類號: G06F16/951;G06F16/958
• 代理公司: 北京柏杉松知識產權代理事務所(普通合伙) 11413
• 代理人: 張聰聰;項京

本發明實施例公開了一種基于網頁的圖像獲取方法及裝置，確定所抓取的網頁信息中的每張圖像的位置，針對每個位置，識別與該位置相關聯的正文內容，并根據正文內容，確定該位置處的圖像的第二圖像主題，如果該位置處的圖像的第二圖像主題與用戶所要獲取圖像的圖像主題(第一圖像主題)的關聯度滿足預設規則，則獲取該位置處的圖像；第一方面，本方案中不是僅將網頁信息與第一圖像主題進行關聯，而是將網頁信息中各張圖像的第二圖像主題與第一圖像主題進行關聯，僅獲取與第一圖像主題相關聯的圖像，提高了獲取圖像的準確性；第二方面，根據網頁信息中與圖像所在位置相關聯的正文內容，確定圖像的第二圖像主題，提高了確定圖像主題的準確性。

技術領域

本發明涉及互聯網技術領域，特別涉及一種基于網頁的圖像獲取方法及裝置。

背景技術

目前，現有方案已經可以實現根據用戶需要，自動獲取互聯網網頁中的視頻圖像、或者單張圖像等圖像資源。現有的圖像獲取方案一般包括：首先確定用戶所要獲取圖像的圖像主題，然后在互聯網網頁中，抓取該圖像主題相關的網頁信息，下載該網頁信息中的全部圖像資源。

上述方案中，雖然抓取了與圖像主題相關的網頁信息，但是這些網頁信息中的圖像資源并不都與圖像主題有關，也就是說，上述方案下載的圖像資源中，有一部分并不是用戶所需要的，獲取圖像的準確性較差。

發明內容

本發明實施例的目的在于提供一種基于網頁的圖像獲取方法及裝置，提高獲取圖像的準確性。

為達到上述目的，本發明實施例公開了一種基于網頁的圖像獲取方法，包括：

確定待獲取圖像的第一圖像主題；

在網絡中抓取網頁信息；

確定所述網頁信息中的每張圖像的位置；

針對所確定的每個位置，識別與該位置相關聯的正文內容，并根據所述正文內容，確定該位置處的圖像的第二圖像主題；計算所述第二圖像主題與所述第一圖像主題的關聯度；若所述關聯度滿足預設規則，獲取該位置處的圖像。

可選的，所述針對所確定的每個位置，識別與該位置相關聯的正文內容，可以包括：

針對所確定的每個位置，確定與該位置的距離在預設范圍內的文本內容；

識別所述文本內容中的正文內容，作為與該位置相關聯的正文內容。

可選的，所述針對所確定的每個位置，確定與該位置的距離在預設范圍內的文本內容，可以包括：

針對所確定的每個位置，以該位置為起點，前后搜索預設數量個邏輯行；

所述識別所述文本內容中的正文內容，作為與該位置相關聯的正文內容，包括：

針對搜索到的每個邏輯行，判斷該邏輯行是否為正文內容；

如果是，將該邏輯行作為與該位置相關聯的正文內容。

可選的，所述判斷該邏輯行是否為正文內容，包括：

確定該邏輯行中包含超文本標記語言標簽的文本字節數；

如果所述文本字節數小于第一預設閾值，表示該邏輯行為正文內容；

或者，

確定該邏輯行的標簽文本比率，所述標簽文本比率為：包含超文本標記語言標簽的文本字節數與邏輯行總字節數的比率；

如果所述標簽文本比率小于第二預設閾值，表示該邏輯行為正文內容；

或者，

確定該邏輯行的超鏈接比率，所述超鏈接比率為：超鏈接字節數與總字節數的比率；