网页正文提取的方法及装置

本发明提供一种网页正文提取的方法及装置，其中方法将经过预处理去噪的网页HTML文本中每个文本切片的特征值进行计算，之后通过不同的聚合规则，对文本切片列表中满足要求的文本进行多次聚合，最终得到符合要求的网页正文。该方法简单高效，避免了全文人工制定提取规则的繁琐。可以根据具体网页类型实现相关网页的自动正文提取。