基于视觉的互联网正文页标题识别方法

摘要

一种基于视觉的互联网正文页标题识别方法，输入为经过Chrome内核下载和渲染后的DOM树对象，由于DOM树包含有网页元素的渲染后的style信息，便于分析，通过对每一个HTML元素，进行必要权判断和比例权计算，以得出正文页中的标题并输出为最可能的正文标题的Element对象，本发明在运行中模拟人类的识别方式，能够高效、准确地识别和区分互联网正文页中标题元素。