web页面内的公共块元素的结构化识别方法和装置

摘要

本发明提出一种web页面内的公共块元素的结构化识别方法和装置，其中该方法包括以下步骤：检测web页面内的元素；将元素与预先定义的公共块元素进行匹配识别；对匹配成功的元素进行结构化抽取。根据本发明实施例方法，将HTML中半结构化数据转换为结构化数据，便于前端根据这些元素进行用户界面设计和交互重构，以组装成便于手机等移动终端浏览、内容丰富、展现多样化的wap页面。

主权项

一种web页面内的公共块元素的结构化识别方法，其特征在于，包括以下步骤：检测所述web页面内的元素；将所述元素与预先定义的公共块元素进行匹配识别，其中，所述预先定义的公共块元素包括栏目块，根据所述栏目块的标题特征识别出标题节点，并识别所述栏目块中的重复父节点，并判断所述重复父节点是否存在一个相邻节点是标题节点，如果是，则将所述重复父节点和所述相邻节点识别为包含标题节点的内容块组；对匹配成功的元素进行结构化抽取。