一種網(wǎng)絡(luò)信息的自動提取方法及裝置

基本信息

申請?zhí)?/td> CN201210335719.1 申請日 -
公開（公告）號 CN102855324B 公開（公告）日 2015-08-26
申請公布號 CN102855324B 申請公布日 2015-08-26
分類號 G06F17/30(2006.01)I 分類 計算；推算；計數(shù);
發(fā)明人 楊俊拯;溫予;張旸;黃百寧;王世平;葛猛;孟玲會 申請（專利權(quán)）人 北京云泓道元信息技術(shù)有限公司
代理機構(gòu) 北京凱特來知識產(chǎn)權(quán)代理有限公司 代理人 鄭立明;趙鎮(zhèn)勇
地址 100025 北京市朝陽區(qū)八里莊東里1號萊錦創(chuàng)意產(chǎn)業(yè)園CN02
法律狀態(tài) -

摘要

摘要 本發(fā)明提供了一種網(wǎng)絡(luò)信息的自動提取方法及裝置，相應(yīng)的方法包括從給定信息S相關(guān)的網(wǎng)頁合集W中找到含有給定信息S的子集Ssub中元素的網(wǎng)頁W’；根據(jù)預(yù)定規(guī)則生成信息pattern集合P’，并將信息pattern集合P’與正則表達(dá)式集合P求合集獲得集合P1；將集合P1與給定信息相關(guān)的網(wǎng)頁合集W中的所有的網(wǎng)頁進(jìn)行匹配，獲得集合Ssub’，直到Ssub==Ssub’時抓取過程結(jié)束。本發(fā)明通過根據(jù)不同的網(wǎng)頁生成相應(yīng)的正則表達(dá)式集合，實現(xiàn)自動提取網(wǎng)頁中的內(nèi)容，省去了很多工作量。