网页正文区域及正文信息处理方法、系统、设备、介质

摘要

本申请提供一种网页正文区域及正文信息处理方法、系统、设备、介质，应用于信息处理技术领域，其中网页正文区域处理方案包括：获取待处理网页对应的DOM树；基于DOM树中目标节点的视觉信息和内容信息，沿DOM树自顶向下逐层搜索各节点，共同确定当前搜索的所述目标节点是否属于表征网页正文区域的DOM节点；将所述表征网页正文区域的DOM节点提取为正文区域对应的候选节点。通过基于视觉信息对网页正文区域进行识别提取处理，不仅可以准确、高效地从网页中识别提取出正文区域，而且无需针对特定网页结构的网站，具有较强的通用性，具有更好的鲁棒性和更高的准确度。