技术编号:6635549
提示:您尚未登录,请点 登 陆 后下载,如果您还没有账户请点 注 册 ,登陆完成后,请刷新本页查看技术详细信息。本发明适用于搜索引擎领域,提供了一种HTML文档信息抽取表达式的方法,所述方法包括A、接收表达式并将表达式拆解成多个子表达式;B、利用选择器从HTML文档中抽取出每个子表达式数据所在的文档节点;C、从抽取的文档节点中抽取出每个表达式指定属性的值;D、根据正则表达式将抽取的指定属性的值进行正则抽取或替换;E、根据判断表达式配置对指定属性的值进行判断处理;F、根据预设范围值保留预设范围值内的子表达式的序号;G、判断是否有多个子表达式,多个子表达式以“与”和“或...
注意:该技术已申请专利,请尊重研发人员的辛勤研发付出,在未取得专利权人授权前,仅供技术研究参考不得用于商业用途。
该专利适合技术人员进行技术研发参考以及查看自身技术是否侵权,增加技术思路,做技术知识储备,不适合论文引用。
请注意,此类技术没有源代码,用于学习研究技术思路。