网页主图提取方法及装置

摘要

本发明公开了一种网页主图提取方法及装置。该方法包括：获取网页的HTML文本，对HTML文本进行模拟排版展示，并获取网页中每个HTML元素的视觉信息；将HTML文本以块信息为单位进行切割；获取块信息中的文本信息，并根据视觉信息从块信息中获取图片信息；根据图片信息获取符合预定视觉要求的图片，并根据文本信息和图片信息，从符合预定视觉要求的图片中进一步选择满足筛选规则的图片，并将该图片作为网页的主图。借助于本发明的技术方案，能够使主图选取达到非常高的准确率和效率。

主权项

一种网页主图提取方法，其特征在于，包括：获取网页的HTML文本，对所述HTML文本进行模拟排版展示，并获取所述网页中每个HTML元素的视觉信息；将所述HTML文本以块信息为单位进行切割；获取所述块信息中的文本信息，并根据所述视觉信息从所述块信息中获取图片信息；根据所述图片信息获取符合预定视觉要求的图片，并根据所述文本信息和所述图片信息，从符合预定视觉要求的图片中进一步选择满足筛选规则的图片，并将该图片作为所述网页的主图。