基于XPath序列的網(wǎng)頁列表解析方法及系統(tǒng)

基本信息

申請?zhí)?/td> CN202010825868.0 申請日 -
公開（公告）號 CN111966930B 公開（公告）日 2021-05-04
申請公布號 CN111966930B 申請公布日 2021-05-04
分類號 G06F16/955;G06F16/958;G06F40/14 分類 計(jì)算；推算；計(jì)數(shù);
發(fā)明人 李釗;王瑞霜;陳通;盧鳳;胡傳會;魏靜 申請（專利權(quán)）人 山東億云信息技術(shù)有限公司
代理機(jī)構(gòu) 濟(jì)南圣達(dá)知識產(chǎn)權(quán)代理有限公司 代理人 黃海麗
地址 250014 山東省濟(jì)南市高新區(qū)新濼大街2008號銀荷大廈B座3層
法律狀態(tài) -

摘要

摘要 本發(fā)明公開了基于XPath序列的網(wǎng)頁列表解析方法及系統(tǒng)，包括：根據(jù)URL獲取網(wǎng)頁的HTML源代碼；根據(jù)網(wǎng)頁的HTML源代碼，生成DOMTree；根據(jù)DOMTree，獲取網(wǎng)頁中列表項(xiàng)的候選路徑；從候選路徑中篩選出列表項(xiàng)的簡化XPath路徑，建立候選簡化XPath路徑與標(biāo)簽label的字典；根據(jù)簡化XPath路徑與標(biāo)簽label的字典，獲取網(wǎng)頁列表項(xiàng)的結(jié)果。