专利详情

专利名称	一种网页分割方法
申请号	CN201010617741.6	专利类型	发明专利
公开（公告）号	CN102073710A	公开（授权）日	2011.05.25
申请（专利权）人	中国科学院计算技术研究所	发明（设计）人	邓铸辉;陈启华;王向东;钱跃良;林守勋
主分类号	G06F17/30(2006.01)I	IPC主分类号	G06F17/30(2006.01)I
专利有效期	一种网页分割方法至一种网页分割方法	法律状态	专利申请权、专利权的转移
说明书摘要	本发明提供一种网页分割方法，其特征在于，包括：步骤1)获取待分割网页的DOM树；步骤2)遍历所述DOM树，将其中每个只包含1个基本多行结点的结点作为一个基本分块，将每两个只包含1个基本多行结点的结点之间的零散叶结点分别合成一个基本分块；其中，当一个基本多行结点的父结点被作为一个基本分块时，该基本多行结点不再作为一个基本分块；步骤3)在所述基本分块中找出主题块，将主题块与其后面邻接的若干个非主题块合并。本发明能够在分块的同时很好地保持原有的网页结构，避免打散属于同一主题或分类的链接，避免主题或分类标签与其对应的链接分离。本发明的执行效率高，容易实现。