[发明专利]一种去除邮件干扰信息的方法以及垃圾邮件判定方法

摘要

本发明揭示了一种去除邮件干扰信息的方法以及垃圾邮件判定方法，该去除邮件干扰信息的方法包括：获取邮件中包含的html内容；对html内容执行构建文档对向模型，并对文档对向模型执行以下至少一种或者多种干扰识别处理后将html内容转换为文本信息，所述干扰识别处理包括：颜色块干扰识别处理、字体大小干扰识别处理、表格干扰识别处理；将处理后的文本信息进行内容重组。通过本发明，能够实现对垃圾邮件中所包含的干扰信息与文本信息有效分离，能够精确的识别垃圾邮件中人为封装的各种干扰信息，为后续对邮件判定是否为垃圾邮件提供了准确依据，并能有效的提高对垃圾邮件的拦截及过滤效果。

主权项

1.一种去除邮件干扰信息的方法，其特征在于，包括以下步骤：S1、获取邮件中包含的html内容；S2、对html内容执行构建文档对象模型，并对文档对象模型执行以下至少一种或者多种干扰识别处理后将html内容转换为文本信息，所述干扰识别处理包括：颜色块干扰识别处理、字体大小干扰识别处理、表格干扰识别处理；S3、将处理后的文本信息进行内容重组；所述步骤S2中的对html内容执行构建文档对象模型包括以下步骤：S21、以html内容为输入内容并解析成多个标记；S22、将每个标记构建DOM树状模型，所述DOM树状模型包含若干标记节点，其中每个标记节点包含与该标记节点相匹配的属性信息；S23、遍历DOM树状模型，提取html内容中与标记节点的属性信息相互匹配的分段信息；S24、提取每个分段信息中的文本信息，并按照标记节点的属性信息选择匹配的排列顺序，以形成连续文本信息。