基于HTML标签的网页数据格式化方法

摘要

本发明公开了一种基于HTML标签的网页数据格式化方法，包括：获取多个媒体的文章列表页对应的URL；通过所述文章列表页对应的URL获取到文章列表页；利用列表页解析器对文章列表页进行解析，以获得文章对应的URL，所述列表页解析器与所述文章列表页的来源一一对应设置；获取一条要下载的文章对应的URL；通过所述文章对应的URL获取到文章页面；利用文章解析器对所述文章页面进行解析，以获得所述文章的标题、内容和摘要，所述文章解析器与所述文章页面的来源一一对应设置；以及存储获取的所述文章的标题、内容和摘要数据。本发明实现了对网页数据的格式化，获取过程非常准确和快速，为网页格式化的快速更新提供了技术保障。