文献类型：专利

专利类型：发明专利

是否失效：否

是否授权：否

申 请 号：CN201510910416.1

申 请 日：20151210

发 明 人：王树强 张作职

申 请 人：天津海量信息技术有限公司

申请人地址：300020 天津市和平区南马路11号麦购国际大厦23层

公 开 日：20160504

公 开 号：CN105550279A

代 理 人：王山

代理机构：天津市尚仪知识产权代理事务所(普通合伙)

语　　种：中文

摘　　要：一种本发明的基于视觉的列表页识别方法，依据视觉规则对页面的Html进行分块、完成Html主体区域的识别，进而判断是否是列表页以获取必要的连接。先找到网页的主体部分，左右边栏和页眉页脚都忽略，然后根据字体，字号，字重，位置等信息，来判断主体部分，如果是以链接为主体则可判断为列表页。本发明通过模仿人在观察Web页面时候的处理方式，提高了列表页收集的速度和准确度，从而便于及时准确地对网站上变化的内容进行收集。

主 权 项：1.一种基于视觉的列表页识别方法，包括以下步骤： A、基于浏览器的下载，获取网页的Dom树； B、进行Html分块，即按照视觉进行分块； C、Html主体区域的识别，以找到主要的区域； D、列表页模式识别，通过模式识别判断是否是列表页； E、分析链接，获取候选链接，找到必要的链接； F、获取到新链接时，返回执行步骤A。

关 键 词：列表  判断  视觉  处理方式  主体区域  准确度  速度和  页识别  左右边  收集  分块  链接  网站  页脚 页眉 一种  字号  字体 模仿 网页  忽略  识别  获取  连接  观察  准确  进行  找到  变化  完成  

IPC专利分类号：G06F17/30(20060101)