网络文学目录型网页自动识别方法

摘要

本发明公开了一种网络文学目录型网页自动识别方法，包括步骤：获取当前网页的数据体；提取出含有超链接地址的超链接标记所对应的字符串并组成字符串数组一；去除包含有图像类超链接标记的字符串数组一的数组元素并形成字符串数组二；抽取出字符串数组二的各数组元素的超链接文本信息并形成一字符串数组三；判断字符串数组三中的各数组元素是否为一目录文本信息并对是目录文件信息的数组元素进行计数，得到数值一；用数值一除以字符串数组三的数组元素的总数得到一确认比值；当确认比值大于0.7或数值一大于15时确定所述当前网页为一文学目录页。本发明能对不同类型的站点中不同种类的小说目录页面进行很好的识别。