一种从网页中提取主要内容的方法及装置

摘要

一种从网页中提取主要内容的方法及装置，该方法包括如下步骤：去除待提取网页中的无用标签，获取内容文本；将内容文本分割为多行；根据连续多行字符个数确定主要内容的开始行和结束行；将开始行与结束行之间的文本提取为待提取网页的主要内容。本发明打破了传统的对数据内容进行复杂解析的过程，用一种简单规律性的方法进行提取，极大的规避了不同网页或者网页改版带来的提取问题，提高了主要内容提取的效率。