一種高效地生成網(wǎng)頁(yè)信息抽取規(guī)則的方法及系統(tǒng)
基本信息
| 申請(qǐng)?zhí)?/td> | CN201911061674.1 | 申請(qǐng)日 | - |
| 公開(kāi)（公告）號(hào) | CN110837614A | 公開(kāi)（公告）日 | 2020-02-25 |
| 申請(qǐng)公布號(hào) | CN110837614A | 申請(qǐng)公布日 | 2020-02-25 |
| 分類(lèi)號(hào) | G06F16/957;G06F16/958 | 分類(lèi) | 計(jì)算；推算；計(jì)數(shù); |
| 發(fā)明人 | 黃國(guó)舜;吳薊曄 | 申請(qǐng)（專(zhuān)利權(quán)）人 | 上海嘉道信息技術(shù)有限公司 |
| 代理機(jī)構(gòu) | 北京衛(wèi)智暢科專(zhuān)利代理事務(wù)所（普通合伙） | 代理人 | 上海嘉道信息技術(shù)有限公司 |
| 地址 | 200040 上海市靜安區(qū)江場(chǎng)三路238號(hào)1601室（集中登記地） | ||
| 法律狀態(tài) | - | ||
摘要
| 摘要 | 本發(fā)明公開(kāi)了一種高效地生成網(wǎng)頁(yè)信息抽取規(guī)則的方法及系統(tǒng)，具體包括以下步驟：S1、頁(yè)面結(jié)構(gòu)自動(dòng)識(shí)別以及Html結(jié)構(gòu)與Json結(jié)構(gòu)的判定：首先通過(guò)網(wǎng)頁(yè)信息采集技術(shù)獲取該網(wǎng)頁(yè)的源碼，分析其結(jié)構(gòu)是通用的Html結(jié)構(gòu)還是Json結(jié)構(gòu)，Html結(jié)構(gòu)與Json結(jié)構(gòu)的判定是通過(guò)Html標(biāo)簽來(lái)判斷Html結(jié)構(gòu)，通過(guò)開(kāi)源Json解析器解析Json結(jié)構(gòu)，考慮到自動(dòng)解析可能存在誤判，該步驟支持人工糾錯(cuò)；該高效地生成網(wǎng)頁(yè)信息抽取規(guī)則的方法及系統(tǒng)，可以克服純?nèi)斯づ渲贸槿∫?guī)則的低效問(wèn)題，避免純自動(dòng)化抽取的精準(zhǔn)度下降的問(wèn)題，滿(mǎn)足了企業(yè)級(jí)系統(tǒng)應(yīng)用對(duì)精度及工作效率的要求，在不影響抽取精度的前提下，又提高了自動(dòng)化程度，大大提高了網(wǎng)頁(yè)信息抽取工作的效率以及實(shí)用性。 |
