文件段落中出現(xiàn)的字元位置。于是，在S4步驟中，SP可根據(jù)數(shù)據(jù)結(jié)構(gòu)中所記錄的訊息找出該HTML文件段落中第一個(gè)目的標(biāo)簽及最后一個(gè)目的標(biāo)簽的所在字元位置。
[0046]從步驟S5開始，進(jìn)行本發(fā)明的段落區(qū)隔步驟，先將HTML文件段落中出現(xiàn)的第一個(gè)目的標(biāo)簽設(shè)為第一起點(diǎn)標(biāo)簽，即從該HTML文件段落中出現(xiàn)的第一個(gè)〈P〉標(biāo)簽或<br>標(biāo)簽開始進(jìn)行段落區(qū)隔的步驟，本發(fā)明的段落區(qū)隔步驟，主要通過將HTML文件段落中所有的標(biāo)簽進(jìn)行堆棧隊(duì)列的方式，從所設(shè)定的起點(diǎn)標(biāo)簽開始進(jìn)行擴(kuò)散包覆的動作，以實(shí)現(xiàn)將零亂的HTML文件段落區(qū)分成至少一個(gè)目標(biāo)區(qū)塊組，進(jìn)而判斷該目標(biāo)區(qū)塊組是否屬于重要內(nèi)容。
[0047]在此，請一并參考圖3及圖5A至5C的步驟流程解說及范例示意，步驟S51先由該第一起點(diǎn)標(biāo)簽向上尋找一落單的頭標(biāo)簽，將之設(shè)為一第一目標(biāo)區(qū)塊的前邊界，請同時(shí)參考圖5A的范例說明，步驟S51中先找出設(shè)定好的第一起點(diǎn)標(biāo)簽，即該HTML文件段落中的第一個(gè)出現(xiàn)的〈P〉標(biāo)簽或<br>標(biāo)簽，于圖5A的范例說明中可清楚看出，該HTML文件段落中第一個(gè)出現(xiàn)的目的標(biāo)簽是〈P〉標(biāo)簽，于是于此實(shí)施例中，即將該第一個(gè)出現(xiàn)的〈P〉標(biāo)簽設(shè)為第一起點(diǎn)標(biāo)簽101，進(jìn)而由該第一起點(diǎn)標(biāo)簽101向上尋找一落單的頭標(biāo)簽，即從該〈P〉標(biāo)簽開始，向上進(jìn)行標(biāo)簽堆棧隊(duì)列的動作，將〈P〉之前的每一個(gè)出現(xiàn)的標(biāo)簽置入一堆棧隊(duì)列中，通過堆棧隊(duì)列后進(jìn)先出的原理，當(dāng)堆棧隊(duì)列中置入成對的頭標(biāo)簽及尾標(biāo)簽時(shí)，該成對的頭標(biāo)簽及尾標(biāo)簽將被提出堆棧隊(duì)列，而落單的頭標(biāo)簽或尾標(biāo)簽將一直存放在堆棧隊(duì)列中，于是可以很輕易的在擴(kuò)散的過程中找出落單的標(biāo)簽，而將之設(shè)為該區(qū)塊擴(kuò)散的邊界。而在標(biāo)簽堆棧隊(duì)列的過程中，有些只有頭標(biāo)簽的特殊功用標(biāo)簽可以不放進(jìn)堆棧隊(duì)列中檢查，例如<img>、<meta>、〈input〉、〈embed〉、<link>、<param>、<area>、<hr>、<col>、<?xml> 等等特殊功用的標(biāo)簽，而避免目標(biāo)區(qū)塊組的范圍抓取錯(cuò)誤。
[0048]而步驟S51由圖5A的范例中的第一個(gè)起點(diǎn)標(biāo)簽〈P〉標(biāo)簽往上尋找出的第一個(gè)落單的頭標(biāo)簽，即會找到〈span〉頭標(biāo)簽，于是便將該〈span〉標(biāo)簽設(shè)為第一目標(biāo)區(qū)塊的前邊界。而步驟S52則由該第一起點(diǎn)標(biāo)簽〈P〉標(biāo)簽向下尋找出第一個(gè)落單的尾標(biāo)簽，即會找到〈/span〉尾標(biāo)簽，便將之設(shè)為該第一目標(biāo)區(qū)塊的后邊界。而在步驟S53，便將前述第一目標(biāo)區(qū)塊的前邊界及后邊界范圍內(nèi)所包覆的內(nèi)容，合并成第一目標(biāo)區(qū)塊組10。
[0049]當(dāng)找出一個(gè)目標(biāo)區(qū)塊組10，接下來便進(jìn)行該目標(biāo)區(qū)塊組10是否包覆到最后一個(gè)目的標(biāo)簽(步驟S54)和是否包覆到HTML文件標(biāo)題(步驟S55)的判斷。于步驟S54中，若該第一目標(biāo)區(qū)塊組10的內(nèi)容已包覆到最后一個(gè)目的標(biāo)簽時(shí)，即代表所有的重要內(nèi)容已找到，即跳至步驟S6進(jìn)行關(guān)聯(lián)值比對(于后步驟S6說明)，于此實(shí)施例中，該第一目標(biāo)區(qū)塊組10的內(nèi)容尚未包覆到最后一個(gè)目的標(biāo)簽，所以再進(jìn)行步驟S55判斷是否包覆到HTML文件標(biāo)題(該HTML文件標(biāo)題即第5A范例圖中的<h IH i 11 e〈/h I > )，于此實(shí)施例中，第一目標(biāo)區(qū)塊組10的內(nèi)容尚未包覆到HTML文件標(biāo)題，代表第一目標(biāo)區(qū)塊組10可以再往外擴(kuò)散，即接續(xù)進(jìn)行步驟S56的向外擴(kuò)散的動作；而若發(fā)現(xiàn)第一目標(biāo)區(qū)塊組10已包覆到HTML文件標(biāo)題時(shí)，則進(jìn)行步驟S62其他目標(biāo)區(qū)塊擴(kuò)散包覆的動作(于后圖6中說明)。
[0050]于步驟S56中，將第一目標(biāo)區(qū)塊10的前邊界(該落單的頭標(biāo)簽〈span〉標(biāo)簽)設(shè)為第二起點(diǎn)標(biāo)簽102，并由第二起點(diǎn)標(biāo)簽102同樣的通過上述標(biāo)簽堆棧隊(duì)列的方式再向上尋找出一落單的頭標(biāo)簽，將之設(shè)為第二目標(biāo)區(qū)塊的前邊界；從圖5B中，由第二起點(diǎn)標(biāo)簽102向上尋找出的第一個(gè)落單的頭標(biāo)簽是<img>，但前述說明中，<img>屬于特殊功用的標(biāo)簽，于是不放進(jìn)堆棧隊(duì)列中檢查，再往上找即會找到<div>頭標(biāo)簽，于是便該<div>標(biāo)簽設(shè)為第二目標(biāo)區(qū)塊的前邊界，步驟S57則將第一目標(biāo)區(qū)塊10的后邊界(該落單的頭標(biāo)簽〈/span〉標(biāo)簽)設(shè)為第三起點(diǎn)標(biāo)簽103，并由第三起點(diǎn)標(biāo)簽103向下尋找出第一個(gè)落單的尾標(biāo)簽，通過前述方法和規(guī)則即會找到</div>尾標(biāo)簽，便將之設(shè)為第二目標(biāo)區(qū)塊的后邊界，再于步驟S58中將第二目標(biāo)區(qū)塊的前邊界及后邊界范圍內(nèi)所包覆的內(nèi)容，合并成第二目標(biāo)區(qū)塊組20。
[0051]當(dāng)找出從第一目標(biāo)區(qū)塊組10向外擴(kuò)散出來的第二目標(biāo)區(qū)塊組20時(shí)，接下來先判斷第二目標(biāo)區(qū)塊組20是否包覆到HTML文件標(biāo)題(步驟S59)的判斷。于此實(shí)施例中，第二目標(biāo)區(qū)塊組20的內(nèi)容尚未包覆到HTML文件標(biāo)題，代表第二目標(biāo)區(qū)塊組20可以再往外擴(kuò)散，即刪除較小的第一目標(biāo)區(qū)塊組10的設(shè)定(如圖5B中的范例示意，第一目標(biāo)區(qū)塊組10已以虛線示意，代表區(qū)塊的設(shè)定被刪除)，保留第二目標(biāo)區(qū)塊組20的范圍，并將第二目標(biāo)區(qū)塊組20改設(shè)為新的第一目標(biāo)區(qū)塊組(所以在圖5B中只剩下一個(gè)第一目標(biāo)區(qū)塊組20)，然后重新返回步驟S54、S55進(jìn)行該目標(biāo)區(qū)塊組20是否包覆到最后一個(gè)目的標(biāo)簽(步驟S54)和是否包覆到HTML文件標(biāo)題(步驟S55)的判斷及后續(xù)步驟，一直擴(kuò)散范圍直至該目標(biāo)區(qū)塊組的內(nèi)容包覆到HTML文件標(biāo)題或最后一個(gè)目的標(biāo)簽為止。于另一實(shí)施例圖5C的范例示意中則表現(xiàn)了當(dāng)?shù)谝荒繕?biāo)區(qū)塊組20經(jīng)由上述步驟判斷條件成立后，繼續(xù)向外擴(kuò)散找出第二目標(biāo)區(qū)塊組30，此時(shí)經(jīng)由步驟S59判斷該第二目標(biāo)區(qū)塊組30的內(nèi)容已經(jīng)包覆到HTML文件標(biāo)題時(shí)，代表第二目標(biāo)區(qū)塊組30已經(jīng)超出所需內(nèi)容范圍，此時(shí)即進(jìn)行步驟S61刪除不恰當(dāng)?shù)牡诙繕?biāo)區(qū)塊組30的設(shè)定，保留第一目標(biāo)區(qū)塊組20的范圍(于圖5C的范例示意中，第二目標(biāo)區(qū)塊組30已以虛線示意，代表區(qū)塊的設(shè)定被刪除，只剩下一個(gè)被保留的第一目標(biāo)區(qū)塊組20)。
[0052]在前述步驟S55中，會判斷該目標(biāo)區(qū)塊組是否包覆到HTML文件標(biāo)題，若發(fā)現(xiàn)該目標(biāo)區(qū)塊組已包覆到HTML文件標(biāo)題時(shí)，則進(jìn)行步驟S62的其他目標(biāo)區(qū)塊擴(kuò)散包覆的動作，請同時(shí)參考圖6的范例示意圖，如圖6所示，在經(jīng)過前述步驟后，擴(kuò)散包覆出最大范圍的第一目標(biāo)區(qū)塊組41后(因再擴(kuò)散會包覆到HTML文件標(biāo)題，所以第一目標(biāo)區(qū)塊組41已經(jīng)不能再擴(kuò)散，即為區(qū)塊內(nèi)容的最大范圍)，且該第一目標(biāo)區(qū)塊組41經(jīng)過步驟S54判斷后發(fā)現(xiàn)亦未包覆到最后一個(gè)目的標(biāo)簽，此時(shí)即進(jìn)行步驟S62的其他目標(biāo)區(qū)塊擴(kuò)散包覆的動作，在步驟S62中，將第一目標(biāo)區(qū)塊組41后邊界(即</div>)的下一個(gè)頭標(biāo)簽(即</div>)設(shè)為第四起點(diǎn)標(biāo)簽421，將之當(dāng)成另一新目標(biāo)區(qū)塊42的前邊界，并由該第四起點(diǎn)標(biāo)簽421向下尋找出對應(yīng)的尾標(biāo)簽(即會找到一個(gè)對應(yīng)的</div>尾標(biāo)簽)，將該尾標(biāo)簽設(shè)為另一新目標(biāo)區(qū)塊42的后邊界，然后再于步驟S63中，將前述的前邊界及后邊界范圍內(nèi)所包覆的內(nèi)容，合并成另一個(gè)新的目標(biāo)區(qū)塊組42，當(dāng)擴(kuò)散包覆出新的目標(biāo)區(qū)塊組42后，再進(jìn)行步驟S64檢查新的目標(biāo)區(qū)塊組42是否包覆到最后一個(gè)目的標(biāo)簽，若新的目標(biāo)區(qū)塊組尚未包覆到最后一個(gè)目的標(biāo)簽時(shí)，再返回步驟S62再進(jìn)行另一個(gè)新的目標(biāo)區(qū)塊組43的擴(kuò)散包覆動作，即將該新的目標(biāo)區(qū)塊組42的后邊界(即</div>)的下一個(gè)頭標(biāo)簽(即<div>)設(shè)為第四起點(diǎn)標(biāo)簽431，將之當(dāng)成另一新目標(biāo)區(qū)塊43的前邊界，并由該第四起點(diǎn)標(biāo)簽431向下尋找出對應(yīng)的尾標(biāo)簽(即會找到一個(gè)對應(yīng)的</div>尾標(biāo)簽)，將該尾標(biāo)簽設(shè)為另一新目標(biāo)區(qū)塊43的后邊界，再于步驟S63中，將前述的前邊界及后邊界范圍內(nèi)所包覆的內(nèi)容，再合并成另外一個(gè)新的目標(biāo)區(qū)塊組43，經(jīng)由上述步驟重復(fù)，直至最后一個(gè)目標(biāo)區(qū)塊組包覆到最后一個(gè)目的標(biāo)簽為止，于此實(shí)施例中，即藉由前述步驟，區(qū)隔包覆出了三個(gè)目標(biāo)區(qū)塊組41、42、43。
[0053]而在步驟S64中，若檢查到所在的目標(biāo)區(qū)塊組的內(nèi)容已包覆到最后一個(gè)目的標(biāo)簽時(shí)，即代表所有的重要內(nèi)容已找到，不再進(jìn)行區(qū)塊擴(kuò)散包覆新目標(biāo)區(qū)塊組的動作，即跳至步驟S6進(jìn)行關(guān)聯(lián)值比對(在步驟S54中檢查到第一目標(biāo)區(qū)塊組的內(nèi)容已包覆到最后一個(gè)目的標(biāo)簽時(shí)亦同)。
[0054]接下來在步驟S6中，更包括了下列步驟:
[0055]S-61、設(shè)定一N值；
[0056]S-62、依序檢查每一個(gè)目標(biāo)區(qū)塊組中是否包含該目的標(biāo)簽，并若該目標(biāo)區(qū)塊組未包含該目的標(biāo)簽，則關(guān)聯(lián)值累加1，并繼續(xù)檢查下一個(gè)目標(biāo)區(qū)塊組，若該目標(biāo)區(qū)塊組包含該目的標(biāo)簽時(shí)，則關(guān)聯(lián)值重設(shè)為0，并繼續(xù)檢查下一個(gè)目標(biāo)區(qū)塊組；
[0057]S-