买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京锐安科技有限公司

摘要：本发明实施例公开了网页的特定内容提取方法、装置、设备和存储介质。该方法包括：获取基于HTTP协议的网页；对网页，按照设定数据格式进行解析，以提取待识别内容；基于内容规则库中的数据标识，与待处理标识进行匹配，以确定匹配的待处理标识；基于内容规则库中的内容特征规则，对待处理内容进行匹配，以确定满足内容特征规则的待处理内容；根据待处理标识在内容规则库中对应的设定标识权重值，以及根据待处理内容在内容规则库中对应的设定特征权重值，计算待识别内容的结果可信度；将结果可信度满足设定内容条件的待识别内容提取为特定内容。极大地减少了人工成本，保证了对海量数据进行处理的可行性和准确性。

主权项：1.一种网页的特定内容提取方法，其特征在于，包括：获取基于HTTP协议的网页；对所述网页，按照设定数据格式进行解析，以提取待识别内容；其中，待识别内容包括待处理标识和待处理内容；基于内容规则库中的数据标识，与所述待处理标识进行匹配，以确定匹配的待处理标识；基于内容规则库中的内容特征规则，对所述待处理内容进行匹配，以确定满足内容特征规则的待处理内容；根据所述待处理标识在所述内容规则库中对应的设定标识权重值，以及根据所述待处理内容在所述内容规则库中对应的设定特征权重值，计算所述待识别内容的结果可信度；将所述结果可信度满足设定内容条件的待识别内容提取为特定内容；提取待识别内容之后，还包括：将所述待识别内容中的待处理标识存储至数据键值对的键域，将所述待识别内容中的待处理内容存储至所述数据键值对的值域；其中，基于内容规则库中的内容特征规则，对所述待处理内容进行匹配，以确定满足内容特征规则的待处理内容，具体为：将键域与字段标识进行匹配，将值域与字段特征进行匹配，以得出确定匹配的待处理标识；根据所述待处理标识在所述内容规则库中对应的设定标识权重值，以及根据所述待处理内容在所述内容规则库中对应的设定特征权重值，计算所述待识别内容的结果可信度包括：采用如下公式计算结果可信度：结果可信度＝1-1-Wk*1-Wv其中，Wk为所述待处理标识在所述内容规则库中对应的设定标识权重值；Wv为所述待处理内容在所述内容规则库中对应的设定特征权重值；所述方法还包括：采用正向分析方法和或反向分析方法，对网页中的设定字段进行解析，并提取数据标识和内容特征规则，确定数据标识的设定标识权重值和内容特征规则的设定内容权重值；将提取的数据标识的设定标识权重值和内容特征规则的设定内容权重值，添加至内容规则库中。

全文数据：

权利要求：

百度查询： 北京锐安科技有限公司 网页的特定内容提取方法、装置、设备和存储介质