一种文章类型网页智能抽取系统及其方法专利登记公告

专利名称：一种文章类型网页智能抽取系统及其方法

摘要：一种文章类型网页智能抽取系统，包括：待抽取网页载入模块、包装器查询模块、网页抽取模块、抽取失败网页收集模块、学习判断模块、网页学习模块、抽取包装器管理模块。

专利类型：发明专利

专利号：CN201110455156.5

专利申请（专利权）人：凤凰在线(北京)信息技术有限公司

专利发明（设计）人：吴华鹏;曾明;厉锟

主权项：一种文章类型网页智能抽取系统，包括：(1)待抽取网页载入模块，定时查询本地索引，发现新索引就按照索引将网页载入系统内存中；(2)包装器查询模块，对所有待抽取的网页，查询具体抽取包装器信息，如果查询到，就按照抽取包装器，进入抽取模块，进行具体抽取，否则，将网页标记为抽取失败；(3)网页抽取模块，从网页中抽取出具体文章信息，借助已有的抽取包装器；(4)抽取失败网页收集模块，将本轮抽取失败的网页收集起来，按网站分类，以方便进行集中学习；(5)学习判断模块，按同网站查询抽取失败网页集合，根据每一网站的失败网页数量

专利地区：北京