判断网页类型的方法和装置

摘要

公开了一种判断网页的网页类型的方法和装置。所述方法包括：基于待判断网页的URL，在预先存储的规则列表中进行规则匹配，其中规则列表包括多条用于确定网页类型的规则记录；如果规则匹配成功，则依据成功匹配的规则得到待判断网页的网页类型；如果规则匹配失败，则从待判断网页的URL和/或HTML源代码中提取预定特征，并基于由从提取的预定特征中选择的特征构成的特征向量，使用分类器对待判断网页进行网页类型分类，以得到待判断网页的网页类型。在根据本发明的方案中，能够融合规则识别方案与基于统计学的识别方案的优点，并且能够实现对包括博客、论坛、新闻等在内的各种网页类型进行判断。

主权项

一种用于判断网页的网页类型的方法，包括：基于待判断网页的统一资源定位符URL，在预先存储的规则列表中执行规则匹配，其中规则列表包括多条用于确定网页类型的规则记录；如果规则匹配成功，则依据成功匹配的规则得到待判断网页的网页类型；以及如果规则匹配失败，则从待判断网页的URL和/或超文本标记语言HTML源代码中提取预定特征，并基于由从提取的预定特征中选择的特征构成的特征向量，使用分类器对待判断网页执行网页类型分类，以得到待判断网页的网页类型。