原创力文档- 4
- 0
- 约2.22万字
- 约 21页
- 2023-06-21 发布于四川
- 举报
本申请提供了一种网页正文抽取方法、装置、设备及存储介质，该方法包括：从网页内容中抽取出网页正文段落，将抽取的网页正文段落添加至文本文件中，计算网页内容中每个起始标签和结束标签之间标点符号数量与包含字符数量的最小商值，得到的最小商值作为网页正文判定阈值，根据抽取模板中起始文本信息和结束文本信息，确定标签滑动窗口，根据标签滑动窗口遍历网页内容中标点符号数量与包含字符数量，抽取符合网页正文判定阈值的网页正文字段。本申请的有益效果在于：能够根据网页正文判定阈值从网页内容中精准的抽取出网页正文段落，提高了
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 113378088 A
(43)申请公布日 2021.09.10
(21)申请号 202110707708.0
(22)申请日 2021.06.24
(71)申请人 中国电子信息产业集团有限公司第
文档评论（0）