一種HTML文檔信息抽取表達式的方法及系統(tǒng)

基本信息

申請?zhí)?/td> CN201410681853.6 申請日 -
公開（公告）號 CN104462268A 公開（公告）日 2015-03-25
申請公布號 CN104462268A 申請公布日 2015-03-25
分類號 G06F17/30(2006.01)I 分類 計算；推算；計數(shù);
發(fā)明人 杜衛(wèi)紅;謝立歐 申請（專利權(quán)）人 深圳市比一比網(wǎng)絡科技有限公司
代理機構(gòu) 深圳市科吉華烽知識產(chǎn)權(quán)事務所（普通合伙） 代理人 深圳市比一比網(wǎng)絡科技有限公司
地址 518000 廣東省深圳市南山區(qū)同方信息港E棟5樓
法律狀態(tài) -

摘要

摘要 本發(fā)明適用于搜索引擎領(lǐng)域，提供了一種HTML文檔信息抽取表達式的方法，所述方法包括：A、接收表達式并將表達式拆解成多個子表達式；B、利用選擇器從HTML文檔中抽取出每個子表達式數(shù)據(jù)所在的文檔節(jié)點；C、從抽取的文檔節(jié)點中抽取出每個表達式指定屬性的值；D、根據(jù)正則表達式將抽取的指定屬性的值進行正則抽取或替換；E、根據(jù)判斷表達式配置對指定屬性的值進行判斷處理；F、根據(jù)預設范圍值保留預設范圍值內(nèi)的子表達式的序號；G、判斷是否有多個子表達式，多個子表達式以“與”和“或”的關(guān)系鏈接。通過抽取方法中增加對節(jié)點范圍的順序范圍的表達和增加對對文本信息進行處理的能力，使得抽取到的結(jié)果更精確，本方法簡單、操作方便。