網(wǎng)頁(yè)正文的識(shí)別方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)
基本信息
| 申請(qǐng)?zhí)?/td> | CN202110823007.3 | 申請(qǐng)日 | - |
| 公開（公告）號(hào) | CN113537091A | 公開（公告）日 | 2021-10-22 |
| 申請(qǐng)公布號(hào) | CN113537091A | 申請(qǐng)公布日 | 2021-10-22 |
| 分類號(hào) | G06K9/00（2006.01）I;G06K9/34（2006.01）I | 分類 | 計(jì)算；推算；計(jì)數(shù); |
| 發(fā)明人 | 余良 | 申請(qǐng)（專利權(quán)）人 | 東莞盟大集團(tuán)有限公司 |
| 代理機(jī)構(gòu) | 廣州三環(huán)專利商標(biāo)代理有限公司 | 代理人 | 張艷美;劉光明 |
| 地址 | 523000廣東省東莞市南城區(qū)周溪隆溪路5號(hào)高盛科技園二期之高盛科技大廈第7層701-703室 | ||
| 法律狀態(tài) | - | ||
摘要
| 摘要 | 本申請(qǐng)公開了一種網(wǎng)頁(yè)正文的識(shí)別方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)，其中方法包括：獲取待分析網(wǎng)頁(yè)文本，待分析網(wǎng)頁(yè)文本包括字符行和空白行，單個(gè)空白行和多個(gè)連續(xù)排列的空白行視作間隔，間隔對(duì)應(yīng)的空白行數(shù)量表示該間隔的長(zhǎng)度；根據(jù)待分析網(wǎng)頁(yè)文本的所有間隔計(jì)算得到一參考間隔長(zhǎng)度；利用參考間隔長(zhǎng)度過濾待分析網(wǎng)頁(yè)文本的所有間隔，以保留長(zhǎng)度大于參考間隔長(zhǎng)度的間隔；窮舉搜索任意兩行之間對(duì)應(yīng)的字符數(shù)和過濾后的所有間隔，并根據(jù)各搜索區(qū)域?qū)?yīng)的字符數(shù)和過濾后的所有間隔確定網(wǎng)頁(yè)正文。本申請(qǐng)具有較高識(shí)別準(zhǔn)確率，還能適用于多種類型的網(wǎng)頁(yè)。 |
