| 发明名称 | 一种网络信息的自动提取方法及装置 | ||
| 摘要 | 本发明提供了一种网络信息的自动提取方法及装置，相应的方法包括从给定信息S相关的网页合集W中找到含有给定信息S的子集Ssub中元素的网页W’；根据预定规则生成信息pattern集合P’，并将信息pattern集合P’与正则表达式集合P求合集获得集合P1；将集合P1与给定信息相关的网页合集W中的所有的网页进行匹配，获得集合Ssub’，直到Ssub==Ssub’时抓取过程结束。本发明通过根据不同的网页生成相应的正则表达式集合，实现自动提取网页中的内容，省去了很多工作量。 | ||
| 申请公布号 | CN102855324A | 申请公布日期 | 2013.01.02 |
| 申请号 | CN201210335719.1 | 申请日期 | 2012.09.11 |
| 申请人 | 北京云泓道元信息技术有限公司 | 发明人 | 杨俊拯;温予;张旸;黄百宁;王世平;葛猛;孟玲会 |
| 分类号 | G06F17/30(2006.01)I | 主分类号 | G06F17/30(2006.01)I |
| 代理机构 | 北京凯特来知识产权代理有限公司 11260 | 代理人 | 郑立明;赵镇勇 |
| 主权项 | 一种网络信息的自动提取方法，其特征在于，包括：从给定信息S相关的网页合集W中找到含有给定信息S的子集Ssub中元素的网页W’；根据预定规则生成信息pattern集合P’，并将信息pattern集合P’与正则表达式集合P求合集获得集合P1；将集合P1与给定信息相关的网页合集W中的所有的网页进行匹配，获得集合Ssub’，直到Ssub==Ssub′时抓取过程结束。 | ||
| 地址 | 100025 北京市朝阳区八里庄东里1号莱锦创意产业园CN02 | ||