新闻站点的解析方法和装置制造方法及图纸

本申请提供一种新闻站点的解析方法和装置，该方法包括：获取新闻网站的站点列表，站点列表中包括多个链接；根据多个链接的链接结构，从多个链接中提取新闻链接；根据新闻链接的html页面源码以及html页面源码中各html节点的属性信息，提取新闻链接的新闻数据，新闻数据包括新闻正文、新闻发布时间和新闻标题中的至少一项。由于新闻链接的链接结构与其他链接的链接结构不同，因此，通过分析新闻站点中多个链接的链接结构，可以从新闻站点中有效提取得到新闻链接；由于可以根据新闻链接的html页面源码和html页面源码中各html节点的属性信息对新闻链接进行分析，因此，可以有效提取得到新闻数据，提高新闻数据的解析准确率。

【技术实现步骤摘要】

本申请涉及互联网，尤其涉及一种新闻站点的解析方法和装置。

技术介绍

1、在相关技术中，在提取新闻数据时，通常是采用标定模板、正则解析、通过html标签筛选等方式对新闻详情页进行解析，并根据解析结果提取新闻详情页中的新闻数据，比如新闻正文、新闻标题和新闻发布时间。然而，在实际应用中，上述解析方法提取到的新闻数据的准确度较低，且针对新闻站点列表，无法快速有效地挖掘新闻数据。

技术实现思路

1、本申请提供一种新闻站点的解析方法和装置，用于解决相关技术中对新闻详情页进行新闻数据的提取时，准确度较低的问题，且针对新闻站点列表，无法快速有效地挖掘新闻数据。

2、为解决上述技术问题，本申请是这样实现的：

3、第一方面，提供一种新闻站点的解析方法，包括：

4、获取新闻网站的站点列表，所述站点列表中包括多个链接；

5、根据所述多个链接的链接结构，从所述多个链接中提取新闻链接；

6、根据所述新闻链接的html页面源码以及所述html页面源码中各html节点的属性信息，提本文档来自技高网...

【技术保护点】

1.一种新闻站点的解析方法，其特征在于，包括：

2.如权利要求1所述的方法，其特征在于，根据所述多个链接的链接结构，从所述多个链接中提取新闻链接，包括：

3.如权利要求2所述的方法，其特征在于，所述根据所述多个a标签链接的链接结构，确定所述a标签链接各自的结构特征，包括：

4.如权利要求2所述的方法，其特征在于，所述根据所述多个a标签链接各自的结构特征，从所述多个a标签链接中提取新闻链接，包括：

5.如权利要求1所述的方法，其特征在于，在所述新闻数据包括所述新闻正文的情况下，所述根据所述新闻链接的html页面源码以及所述html页面源码中各...

【技术特征摘要】

1.一种新闻站点的解析方法，其特征在于，包括：

2.如权利要求1所述的方法，其特征在于，根据所述多个链接的链接结构，从所述多个链接中提取新闻链接，包括：

3.如权利要求2所述的方法，其特征在于，所述根据所述多个a标签链接的链接结构，确定所述a标签链接各自的结构特征，包括：

4.如权利要求2所述的方法，其特征在于，所述根据所述多个a标签链接各自的结构特征，从所述多个a标签链接中提取新闻链接，包括：

5.如权利要求1所述的方法，其特征在于，在所述新闻数据包括所述新闻正文的情况下，所述根据所述新闻链接的html页面源码以及所述html页面源码中各html节点的属性信息，提取所述新闻链接的新闻数据，包括：

6...

【专利技术属性】
技术研发人员：刘译璟，苏萌，李亚博，李晨睿，杜静，李彦泽，
申请(专利权)人：北京百分点科技集团股份有限公司，
类型：发明
国别省市：