1.一种网页内容提取方法,其特征在于,包括:
获取待提取网页对应的文档对象模型DOM文档;
获取所述DOM文档对应的解析模板;所述解析模板中包括需要提取的DOM文档元素、所述DOM文档元素的类型、所述DOM文档元素在所述DOM文档中的位置以及输出结果格式;
针对所述解析模板中包括的任一需要提取的DOM文档元素,根据所述解析模板中包括的该DOM文档元素类型,确定该DOM文档元素的解析器;
根据所述解析器从该DOM文档元素在所述DOM文档中的位置中提取该DOM文档元素;
以解析模板中定义的输出结果格式输出提取结果;
所述解析模板是通过“键/值”的方式定义的,其中,所述键被置为所述需要提取的DOM文档元素的名称,所述值被置为所述DOM文档元素的类型、所述DOM文档元素在所述DOM文档中的位置、所述输出结果格式。
2.如权利要求1所述的方法,其特征在于,所述解析模板中还包括字符串正则表达式;
所述根据所述解析器从该DOM文档元素在所述DOM文档中的位置中提取该DOM文档元素之后,以解析模板中定义的输出结果格式输出提取结果之前,还包括:根据所述字符串正则表达式对提取到的DOM文档元素进行筛选,以得到筛选后的提取结果;
所述以解析模板中定义的输出结果格式输出提取结果,包括:将所述筛选后的提取结果以解析模块中定义的输出结果格式输出。
3.如权利要求1所述的方法,其特征在于,所述解析模板中还包括解析结果默认值;
所述以解析模板中定义的输出结果格式输出提取结果,包括:当根据所述解析器从DOM文档元素在所述DOM文档中的位置中提取DOM文档元素的结果为空时,以解析模板中定义的输出结果格式输出所述解析结果默认值。
4.如权利要求1-3任一项所述的方法,其特征在于,所述解析模板为json格式的模板文件。
5.如权利要求1-3任一项所述的方法,其特征在于,所述DOM文档元素的类型包括之一:字符串、整形、日期、列表。
6.一种网页内容提取设备,其特征在于,包括:
第一获取模块,用于获取待提取网页对应的文档对象模型DOM文档;
第二获取模块,用于获取所述DOM文档对应的解析模板;所述解析模板中包括需要提取的DOM文档元素、所述DOM文档元素的类型、所述DOM文档元素在所述DOM文档中的位置以及输出结果格式;
确定模块,用于针对所述解析模板中包括的任一需要提取的DOM文档元素,根据所述解析模板中包括的该DOM文档元素类型,确定该DOM文档元素的解析器;
提取模块,用于根据所述解析器从该DOM文档元素在所述DOM文档中的位置中提取该DOM文档元素;
输出模块,用于以解析模板中定义的输出结果格式输出提取结果;
所述解析模板是通过“键/值”的方式定义的,其中,所述键被置为所述需要提取的DOM文档元素的名称,所述值被置为所述DOM文档元素的类型、所述DOM文档元素在所述DOM文档中的位置、所述输出结果格式。
7.如权利要求6所述的设备,其特征在于,所述解析模板中还包括字符串正则表达式;
所述设备还包括:
筛选模块,用于在所述提取模块根据所述解析器从该DOM文档元素在所述DOM文档中的位置中提取该DOM文档元素之后,根据所述字符串正则表达式对提取到的DOM文档元素进行筛选,以得到筛选后的提取结果;
所述输出模块具体用于,将所述筛选后的提取结果以解析模块中定义的输出结果格式输出。
8.如权利要求6所述的设备,其特征在于,所述解析模板中还包括解析结果默认值;
所述输出模块还用于,当所述提取模块根据所述解析器从DOM文档元素在所述DOM文档中的位置中提取DOM文档元素的结果为空时以解析模板中定义的输出结果格式输出所述解析结果默认值。
9.如权利要求6-8任一项所述的设备,其特征在于,所述解析模板为json格式的模板文件。
10.如权利要求6-8任一项所述的设备,其特征在于,所述DOM文档元素的类型包括以下之一:字符串、整形、日期、列表。