一种基于标题的网页有效元数据内容提取方法

摘要

本发明公开了一种基于标题的网页有效元数据内容提取方法，通过基于链接标题或网页标题来定义网页的主体内容所在的位置，可以无需对网页的HTML进行人工分析设定抽取规则，只需在识别时输入网页的HTML源码和链接标题信息即可以自动识别出与网页相关的各项元数据信息，本发明易维护，无需配置抽取规则，自动适应各种网站的网页风格，大大减轻了维护成本；速度快，无需学习模式，只要有标题经过简单过滤后识别即可以快速锁定文章的主体信息，在大规模识别网页内容时具备有速度快的特点；精准性高，易读性强，可以较好地保留原文的风格，如加粗、字体大小等风格。