列(FPGA)、控制器、微控制器、微處理器或其他電子元件實(shí)現(xiàn)，用于執(zhí)行上述方法。
[0170]在示例性實(shí)施例中，還提供了一種包括指令的非臨時(shí)性計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，例如包括指令的存儲(chǔ)器804，上述指令可由裝置800的處理器820執(zhí)行以完成上述方法。例如，所述非臨時(shí)性計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)可以是ROM、隨機(jī)存取存儲(chǔ)器(RAM)、CD-ROM、磁帶、軟盤和光數(shù)據(jù)存儲(chǔ)設(shè)備等。
[0171]一種非臨時(shí)性計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，當(dāng)所述存儲(chǔ)介質(zhì)中的指令由終端的處理器執(zhí)行時(shí)，使得終端能夠執(zhí)行一種網(wǎng)頁(yè)信息處理方法，所述方法包括:
[0172]檢測(cè)待檢測(cè)網(wǎng)頁(yè)的網(wǎng)頁(yè)內(nèi)容中是否包含有圖片信息；
[0173]當(dāng)所述網(wǎng)頁(yè)內(nèi)容中包含有圖片信息時(shí)，獲取與所述圖片信息對(duì)應(yīng)的圖片；
[0174]對(duì)所述圖片進(jìn)行識(shí)別，得到所述圖片內(nèi)包含的內(nèi)容信息；
[0175]判斷所述內(nèi)容信息是否為鏈接地址；
[0176]當(dāng)所述內(nèi)容信息不為鏈接地址時(shí)，將所述內(nèi)容信息作為所述待檢測(cè)網(wǎng)頁(yè)的文本內(nèi)容進(jìn)行存儲(chǔ)；
[0177]當(dāng)所述內(nèi)容信息為鏈接地址時(shí)，將與所述內(nèi)容信息對(duì)應(yīng)的鏈接地址存儲(chǔ)到預(yù)設(shè)地址庫(kù)中。
[0178]圖9是根據(jù)一示例性實(shí)施例示出的一種用于網(wǎng)頁(yè)信息處理的裝置1900的框圖。例如，裝置1900可以被提供為一服務(wù)器。參照?qǐng)D9，裝置1900包括處理組件1922，其進(jìn)一步包括一個(gè)或多個(gè)處理器，以及由存儲(chǔ)器1932所代表的存儲(chǔ)器資源，用于存儲(chǔ)可由處理組件1922的執(zhí)行的指令,例如應(yīng)用程序。存儲(chǔ)器1932中存儲(chǔ)的應(yīng)用程序可以包括一個(gè)或一個(gè)以上的每一個(gè)對(duì)應(yīng)于一組指令的模塊。此外，處理組件1922被配置為執(zhí)行指令，以執(zhí)行一種網(wǎng)頁(yè)信息處理方法，所述方法包括:
[0179]檢測(cè)待檢測(cè)網(wǎng)頁(yè)的網(wǎng)頁(yè)內(nèi)容中是否包含有圖片信息；
[0180]當(dāng)所述網(wǎng)頁(yè)內(nèi)容中包含有圖片信息時(shí)，獲取與所述圖片信息對(duì)應(yīng)的圖片；
[0181]對(duì)所述圖片進(jìn)行識(shí)別，得到所述圖片內(nèi)包含的內(nèi)容信息；
[0182]判斷所述內(nèi)容信息是否為鏈接地址；
[0183]當(dāng)所述內(nèi)容信息不為鏈接地址時(shí)，將所述內(nèi)容信息作為所述待檢測(cè)網(wǎng)頁(yè)的文本內(nèi)容進(jìn)行存儲(chǔ)；
[0184]當(dāng)所述內(nèi)容信息為鏈接地址時(shí)，將與所述內(nèi)容信息對(duì)應(yīng)的鏈接地址存儲(chǔ)到預(yù)設(shè)地址庫(kù)中。
[0185]裝置1900還可以包括一個(gè)電源組件1926被配置為執(zhí)行裝置1900的電源管理，一個(gè)有線或無(wú)線網(wǎng)絡(luò)接口 1950被配置為將裝置1900連接到網(wǎng)絡(luò)，和一個(gè)輸入輸出(I/O)接口 1958。裝置1900可以操作基于存儲(chǔ)在存儲(chǔ)器1932的操作系統(tǒng)，例如Windows ServerTM,Mac OS XTM，UnixTM，LinuxTM，F(xiàn)reeBSDTM 或類似。
[0186]本領(lǐng)域技術(shù)人員在考慮說明書及實(shí)踐這里公開的發(fā)明后，將容易想到本發(fā)明的其它實(shí)施方案。本申請(qǐng)旨在涵蓋本發(fā)明的任何變型、用途或者適應(yīng)性變化，這些變型、用途或者適應(yīng)性變化遵循本發(fā)明的一般性原理并包括本公開未公開的本技術(shù)領(lǐng)域中的公知常識(shí)或慣用技術(shù)手段。說明書和實(shí)施例僅被視為示例性的，本發(fā)明的真正范圍和精神由下面的權(quán)利要求指出。
[0187] 應(yīng)當(dāng)理解的是，本發(fā)明并不局限于上面已經(jīng)描述并在附圖中示出的精確結(jié)構(gòu)，并且可以在不脫離其范圍進(jìn)行各種修改和改變。本發(fā)明的范圍僅由所附的權(quán)利要求來(lái)限制。
【主權(quán)項(xiàng)】
1.一種網(wǎng)頁(yè)信息處理方法，其特征在于，包括: 檢測(cè)待檢測(cè)網(wǎng)頁(yè)的網(wǎng)頁(yè)內(nèi)容中是否包含有圖片信息； 當(dāng)所述網(wǎng)頁(yè)內(nèi)容中包含有圖片信息時(shí)，獲取與所述圖片信息對(duì)應(yīng)的圖片； 對(duì)所述圖片進(jìn)行識(shí)別，得到所述圖片內(nèi)包含的內(nèi)容信息； 判斷所述內(nèi)容信息是否為鏈接地址； 當(dāng)所述內(nèi)容信息不為鏈接地址時(shí)，將所述內(nèi)容信息作為所述待檢測(cè)網(wǎng)頁(yè)的文本內(nèi)容進(jìn)行存儲(chǔ)； 當(dāng)所述內(nèi)容信息為鏈接地址時(shí)，將與所述內(nèi)容信息對(duì)應(yīng)的鏈接地址存儲(chǔ)到預(yù)設(shè)地址庫(kù)中。2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括: 判斷所述圖片是否為預(yù)設(shè)圖片類型； 當(dāng)所述圖片為預(yù)設(shè)圖片類型時(shí)，確定與所述預(yù)設(shè)圖片類型對(duì)應(yīng)的識(shí)別方式，并將所述識(shí)別方式作為對(duì)所述圖片進(jìn)行識(shí)別所采用的識(shí)別方式。3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述判斷所述圖片是否為預(yù)設(shè)圖片類型，包括: 判斷所述圖片內(nèi)是否包含有預(yù)設(shè)圖片特征；當(dāng)所述圖片內(nèi)包含有預(yù)設(shè)圖片特征時(shí)，確定所述圖片為預(yù)設(shè)圖片類型； 或者， 判斷所述圖片的名稱中是否包含預(yù)設(shè)字符特征；當(dāng)所述圖片的名稱中包含有預(yù)設(shè)字符特征時(shí)，確定所述圖片為預(yù)設(shè)圖片類型。4.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述對(duì)所述圖片進(jìn)行識(shí)別，得到所述圖片內(nèi)包含的內(nèi)容信息，包括: 調(diào)用與所述預(yù)設(shè)識(shí)別方式對(duì)應(yīng)的識(shí)別程序； 利用所述識(shí)別程序?qū)λ鰣D片進(jìn)行識(shí)別，得到所述圖片內(nèi)包含的內(nèi)容信息。5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述檢測(cè)待檢測(cè)網(wǎng)頁(yè)的網(wǎng)頁(yè)內(nèi)容中是否包含有圖片信息，包括: 從預(yù)設(shè)地址庫(kù)獲取待檢測(cè)網(wǎng)頁(yè)的鏈接地址； 利用所述鏈接地址，獲取所述待檢測(cè)網(wǎng)頁(yè)所有的網(wǎng)頁(yè)內(nèi)容； 判斷所述網(wǎng)頁(yè)內(nèi)容中是否包含有圖片鏈接地址； 當(dāng)所述網(wǎng)頁(yè)內(nèi)容中包含有圖片鏈接地址時(shí)，確定所述網(wǎng)頁(yè)內(nèi)容中包含有圖片信息。6.一種網(wǎng)頁(yè)信息處理裝置，其特征在于，包括: 圖片信息檢測(cè)模塊，用于檢測(cè)待檢測(cè)網(wǎng)頁(yè)的網(wǎng)頁(yè)內(nèi)容中是否包含有圖片信息； 圖片獲取模塊，用于當(dāng)所述網(wǎng)頁(yè)內(nèi)容中包含有圖片信息時(shí)，獲取與所述圖片信息對(duì)應(yīng)的圖片； 圖片識(shí)別模塊，用于對(duì)所述圖片進(jìn)行識(shí)別，得到所述圖片內(nèi)包含的內(nèi)容信息； 內(nèi)容信息判斷模塊，用于判斷所述內(nèi)容信息是否為鏈接地址； 第一存儲(chǔ)模塊，用于當(dāng)所述內(nèi)容信息不為鏈接地址時(shí)，將所述內(nèi)容信息作為所述待檢測(cè)網(wǎng)頁(yè)的文本內(nèi)容進(jìn)行存儲(chǔ)； 第二存儲(chǔ)模塊，用于當(dāng)所述內(nèi)容信息為鏈接地址時(shí)，將與所述內(nèi)容信息對(duì)應(yīng)的鏈接地址存儲(chǔ)到預(yù)設(shè)地址庫(kù)中。7.根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述裝置還包括: 圖片類型判斷模塊，用于判斷所述圖片是否為預(yù)設(shè)圖片類型； 識(shí)別方式確定模塊，用于當(dāng)所述圖片為預(yù)設(shè)圖片類型時(shí)，確定與所述預(yù)設(shè)圖片類型對(duì)應(yīng)的識(shí)別方式，并將所述識(shí)別方式作為對(duì)所述圖片進(jìn)行識(shí)別所采用的識(shí)別方式。8.根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述圖片類型判斷模塊，包括: 圖片特征判斷子模塊，用于判斷所述圖片內(nèi)是否包含有預(yù)設(shè)圖片特征；第一確定子模塊，用于當(dāng)所述圖片內(nèi)包含有預(yù)設(shè)圖片特征時(shí)，確定所述圖片為預(yù)設(shè)圖片類型； 或者， 字符特征判斷子模塊，用于判斷所述圖片的名稱中是否包含預(yù)設(shè)字符特征；第二確定子模塊，用于當(dāng)所述圖片的名稱中包含有預(yù)設(shè)字符特征時(shí)，確定所述圖片為預(yù)設(shè)圖片類型。9.根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述圖片識(shí)別模塊，包括: 調(diào)用子模塊，用于調(diào)用與所述預(yù)設(shè)識(shí)別方式對(duì)應(yīng)的識(shí)別程序； 識(shí)別子模塊，用于利用所述識(shí)別程序?qū)λ鰣D片進(jìn)行識(shí)別，得到所述圖片內(nèi)包含的內(nèi)容信息。10.根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述圖片信息檢測(cè)模塊，包括: 鏈接地址獲取子模塊，用于從預(yù)設(shè)地址庫(kù)獲取待檢測(cè)網(wǎng)頁(yè)的鏈接地址； 網(wǎng)頁(yè)內(nèi)容獲取子模塊，用于利用所述鏈接地址，獲取所述待檢測(cè)網(wǎng)頁(yè)所有的網(wǎng)頁(yè)內(nèi)容； 鏈接地址判斷子模塊，用于判斷所述網(wǎng)頁(yè)內(nèi)容中是否包含有圖片鏈接地址； 圖片信息確定子模塊，用于當(dāng)所述網(wǎng)頁(yè)內(nèi)容中包含有圖片鏈接地址時(shí)，確定所述網(wǎng)頁(yè)內(nèi)容中包含有圖片信息。11.一種終端，其特征在于，包括: 處理器； 用于存儲(chǔ)處理器可執(zhí)行指令的存儲(chǔ)器； 其中，所述處理器被配置為: 檢測(cè)待檢測(cè)網(wǎng)頁(yè)的網(wǎng)頁(yè)內(nèi)容中是否包含有圖片信息； 當(dāng)所述網(wǎng)頁(yè)內(nèi)容中包含有圖片信息時(shí)，獲取與所述圖片信息對(duì)應(yīng)的圖片； 對(duì)所述圖片進(jìn)行識(shí)別，得到所述圖片內(nèi)包含的內(nèi)容信息； 判斷所述內(nèi)容信息是否為鏈接地址； 當(dāng)所述內(nèi)容信息不為鏈接地址時(shí)，將所述內(nèi)容信息作為所述待檢測(cè)網(wǎng)頁(yè)的文本內(nèi)容進(jìn)行存儲(chǔ)； 當(dāng)所述內(nèi)容信息為鏈接地址時(shí)，將與所述內(nèi)容信息對(duì)應(yīng)的鏈接地址存儲(chǔ)到預(yù)設(shè)地址庫(kù)中。12.一種服務(wù)器，其特征在于，包括: 處理器； 用于存儲(chǔ)處理器可執(zhí)行指令的存儲(chǔ)器； 其中，所述處理器被配置為: 檢測(cè)待檢測(cè)網(wǎng)頁(yè)的網(wǎng)頁(yè)內(nèi)容中是否包含有圖片信息； 當(dāng)所述網(wǎng)頁(yè)內(nèi)容中包含有圖片信息時(shí)，獲取與所述圖片信息對(duì)應(yīng)的圖片； 對(duì)所述圖片進(jìn)行識(shí)別，得到所述圖片內(nèi)包含的內(nèi)容信息； 判斷所述內(nèi)容信息是否為鏈接地址； 當(dāng)所述內(nèi)容信息不為鏈接地址時(shí)，將所述內(nèi)容信息作為所述待檢測(cè)網(wǎng)頁(yè)的文本內(nèi)容進(jìn)行存儲(chǔ)； 當(dāng)所述內(nèi)容信息為鏈接地址時(shí)，將與所述內(nèi)容信息對(duì)應(yīng)的鏈接地址存儲(chǔ)到預(yù)設(shè)地址庫(kù)中。
【專利摘要】本公開是關(guān)于一種網(wǎng)頁(yè)信息處理方法及裝置，包括：檢測(cè)待檢測(cè)網(wǎng)頁(yè)的網(wǎng)頁(yè)內(nèi)容中是否包含有圖片信息；當(dāng)所述網(wǎng)頁(yè)內(nèi)容中包含有圖片信息時(shí)，獲取與所述圖片信息對(duì)應(yīng)的圖片；對(duì)所述圖片進(jìn)行識(shí)別，得到所述圖片內(nèi)包含的內(nèi)容信息；判斷所述內(nèi)容信息是否為鏈接地址；當(dāng)所述內(nèi)容信息不為鏈接地址時(shí)，將所述內(nèi)容信息作為所述待檢測(cè)網(wǎng)頁(yè)的文本內(nèi)容進(jìn)行存儲(chǔ)；當(dāng)所述內(nèi)容信息為鏈接地址時(shí)，將與所述內(nèi)容信息對(duì)應(yīng)的鏈接地址存儲(chǔ)到預(yù)設(shè)地址庫(kù)中。該方法可以對(duì)網(wǎng)頁(yè)內(nèi)容中圖片中攜帶的信息進(jìn)行進(jìn)一步的分析，所以在對(duì)網(wǎng)頁(yè)進(jìn)行抓取和分析時(shí)，可以獲取到待檢測(cè)網(wǎng)頁(yè)更加全面和完整的網(wǎng)頁(yè)信息，提高對(duì)網(wǎng)頁(yè)進(jìn)行抓取和分析的效果。
【IPC分類】G06F17/30
【公開號(hào)】CN105630780
【申請(qǐng)?zhí)枴緾N201410582341
【發(fā)明人】張勇, 秦朝, 江建和
【申請(qǐng)人】小米科技有限責(zé)任公司
【公開日】2016年6月1日
【申請(qǐng)日】2014年10月27日