| 发明名称 | 一种提取网页内容的方法及装置 | ||
| 摘要 | 本申请公开了一种提取网页内容的方法及装置。利用主题元素的文本内容与网页中标题页面块的内容的关联关系，以及根据标题页面块与各页面块的相对位置，可以在各页面块中确定正文页面块，而不是仅仅考虑网页中各页面块的文本密度，从而过滤掉大部分无关信息，并提高了确定正文页面块的准确率，自正文页面块提取正文的准确性也得以提高。 | ||
| 申请公布号 | CN106446139A | 申请公布日期 | 2017.02.22 |
| 申请号 | CN201610835405.6 | 申请日期 | 2016.09.20 |
| 申请人 | 微梦创科网络科技（中国）有限公司 | 发明人 | 鄢军 |
| 分类号 | G06F17/30(2006.01)I | 主分类号 | G06F17/30(2006.01)I |
| 代理机构 | 北京国昊天诚知识产权代理有限公司 11315 | 代理人 | 黄熊 |
| 主权项 | 一种提取网页内容的方法，其特征在于，包括:根据网页的代码中的主题元素的文本内容，确定所述网页中的标题页面块；根据所述网页中的各页面块与所述标题页面块的相对位置，在各页面块中确定正文页面块；从所述正文页面块中提取所述网页的正文。 | ||
| 地址 | 100193 北京市海淀区东北旺西路中关村软件园二期（西扩）N-1、N-2地块新浪总部科研楼2层 | ||