[發明專利]網頁表格數據提取方法、裝置及終端設備

在審

• 申請號: 202210701851.3
• 申請日: 2022-06-21
• 公開（公告）號: CN115186205A
• 公開（公告）日: 2022-10-14
• 發明（設計）人: 李詠浩
• 申請（專利權）人: 廣東艾矽易信息科技有限公司
• 主分類號: G06F16/955
• 分類號: G06F16/955;G06F16/957
• 代理公司: 深圳市港灣知識產權代理有限公司 44258
• 代理人: 陳麗

1.一種網頁表格數據提取方法，其特征在于，包括：

從網頁表格代碼中獲取網頁表格的Table標簽，所述Table標簽中包含統一資源定位符URL鏈接；

獲取所述網頁表格中的多條數據，并將所述多條數據組合生成JSON格式數據；

將所述網頁表格的第一標簽部分轉換為鍵，將所述網頁表格的第二部分標簽轉換為值；

將所述JSON格式數據、所述鍵和所述值進行組合，得到組合后的JSON格式數據；

根據所述組合后的JSON格式數據和所述URL鏈接的格式，對所述網頁表格的數據進行顯示。

2.根據權利要求1所述的網頁表格數據提取方法，其特征在于，所述將所述JSON格式數據、所述鍵和所述值進行組合，得到組合后的JSON格式數據，包括：

根據所述第一標簽和所述第二標簽的行列屬性，將所述JSON格式數據、所述鍵和所述值進行組合，得到組合后的JSON格式數據。

3.根據權利要求2所述的網頁表格數據提取方法，其特征在于，所述行列屬性包括colspan和/或rowspan；

所述根據所述第一標簽和所述第二標簽的行列屬性，將所述JSON格式數據、所述鍵和所述值進行組合，得到組合后的JSON格式數據，包括：

根據所述colspan和/或rowspan，將所述JSON格式數據與對應的所述鍵和所述值進行組合，得到能夠轉化為二維數組的JSON格式數據。

4.根據權利要求1所述的網頁表格數據提取方法，其特征在于，所述將所述網頁表格的第一標簽部分轉換為鍵，將所述網頁表格的第二部分標簽轉換為值，包括：

將所述網頁表格的TH標簽部分轉換為鍵，將所述網頁表格的TD標簽部分轉換為值。

5.根據權利要求1所述的網頁表格數據提取方法，其特征在于，所述獲取所述網頁表格中的多條數據，并將所述多條數據組合生成JSON格式數據，包括：

對所述網頁表格代碼進行報文解析，得到所述網頁表格中的多條數據；

對所述多條數據進行完整性校驗，并進行缺失值處理；

從處理后的多條數據中提取目標字段，生成統一的報文對象；

將所述報文對象轉化為JSON格式數據。

6.根據權利要求1所述的網頁表格數據提取方法，其特征在于，所述URL鏈接的格式包括跳轉鏈接、PDF鏈接、圖片鏈接和視頻鏈接，所述根據所述組合后的JSON格式數據和所述URL鏈接的格式，對所述網頁表格的數據進行顯示，包括：

將所述組合后的JSON格式數據按照預設格式進行顯示，并在相應的數據處生成跳轉鏈接、PDF鏈接、圖片鏈接或視頻鏈接，以供用戶點擊查看與該數據對應的信息。

7.根據權利要求6所述的網頁表格數據提取方法，其特征在于，所述將所述組合后的JSON格式數據按照預設格式進行顯示，并在相應的數據處生成跳轉鏈接、PDF鏈接、圖片鏈接或視頻鏈接，具體為：

將所述組合后的JSON格式數據顯示為二維數組，且在所述二維數組中響應的數據處生成跳轉鏈接、PDF鏈接、圖片鏈接或視頻鏈接。

8.一種網頁表格數據提取裝置，其特征在于，包括：

標簽獲取模塊，用于從網頁表格代碼中獲取網頁表格的Table標簽，所述Table標簽中包含統一資源定位符URL鏈接；

數據獲取模塊，用于獲取所述網頁表格中的多條數據，并將所述多條數據組合生成JSON格式數據；

轉換模塊，用于將所述網頁表格的第一標簽部分轉換為鍵，將所述網頁表格的第二部分標簽轉換為值；

組合模塊，用于將所述JSON格式數據、所述鍵和所述值進行組合，得到組合后的JSON格式數據；

顯示模塊，用于根據所述組合后的JSON格式數據和所述URL鏈接的格式，對所述網頁表格的數據進行顯示。

9.一種終端設備，包括存儲器和處理器，所述存儲器中存儲有可在所述處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現如權利要求1至7任一項所述的方法。

10.一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1至7任一項所述的方法。