[發(fā)明專利]一種基于圖像分析的智能化網(wǎng)頁內(nèi)容解析方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202011536680.0
• 申請(qǐng)日: 2020-12-23
• 公開（公告）號(hào): CN112579957A
• 公開（公告）日: 2021-03-30
• 發(fā)明（設(shè)計(jì)）人: 焦冬冬;杜周全;周淦;邵武長(zhǎng);張叢旭;高鴻儒;沈亞楠;張鳳芳
• 申請(qǐng)（專利權(quán)）人: 中國電子信息產(chǎn)業(yè)集團(tuán)有限公司第六研究所
• 主分類號(hào): G06F16/958
• 分類號(hào): G06F16/958;G06F16/951;G06K9/32;G06K9/20
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于圖像分析的智能化網(wǎng)頁內(nèi)容解析方法，其特征在于：

1)將同欄目下多個(gè)HTML頁面源碼渲染為網(wǎng)頁圖片；

2)利用圖像分析技術(shù)識(shí)別網(wǎng)頁圖片上的主體內(nèi)容；

3)基于內(nèi)容及網(wǎng)頁圖片上的相對(duì)位置，進(jìn)行主體聚類和識(shí)別；

4)通過圖片中識(shí)別的主體內(nèi)容逆向到HTML中定位內(nèi)容，并生成xpath解析規(guī)則；

5)具備自學(xué)習(xí)能力，自行拓展解析規(guī)則。

2.如權(quán)力1所描述的基于圖像分析的智能化網(wǎng)頁內(nèi)容解析方法，其特征在于：不僅僅針對(duì)特定的網(wǎng)頁進(jìn)行解析，具有一定的通用性。

3.如權(quán)力1所描述的基于圖像分析的智能化網(wǎng)頁內(nèi)容解析方法，其特征在于：通過圖像識(shí)別技術(shù)可適用于解析編碼不規(guī)范的網(wǎng)頁解析。

4.如權(quán)力1所描述的基于圖像分析的智能化網(wǎng)頁內(nèi)容解析方法，其特征在于：基于圖像分析自動(dòng)生成解析規(guī)則，逐步擴(kuò)充解析規(guī)則庫，具備很強(qiáng)的自學(xué)習(xí)能力。