網(wǎng)頁(yè)處理方法和終端的制作方法
【專利摘要】本發(fā)明提供了一種網(wǎng)頁(yè)處理方法，所述方法包括：獲取與加載的網(wǎng)頁(yè)的URL地址匹配的抽取語(yǔ)句，所述匹配的抽取語(yǔ)句中包含所述加載的網(wǎng)頁(yè)的標(biāo)題內(nèi)容塊和正文內(nèi)容塊的路徑描述；根據(jù)所述標(biāo)題內(nèi)容塊和正文內(nèi)容塊的路徑描述對(duì)所述加載的網(wǎng)頁(yè)進(jìn)行標(biāo)題和正文內(nèi)容的抽取；顯示所述抽取的標(biāo)題和正文內(nèi)容。采用該方法，使得頁(yè)面只顯示標(biāo)題和正文內(nèi)容，節(jié)省了屏幕空間。此外，還提供了一種用于執(zhí)行網(wǎng)頁(yè)處理方法的終端。
【專利說(shuō)明】網(wǎng)頁(yè)處理方法和終端

【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及計(jì)算機(jī)【技術(shù)領(lǐng)域】，特別是涉及一種網(wǎng)頁(yè)處理方法和終端。

【背景技術(shù)】
[0002]用戶通常在瀏覽網(wǎng)頁(yè)時(shí)，只會(huì)關(guān)注頁(yè)面上的標(biāo)題和正文內(nèi)容，而往往頁(yè)面上除了顯示標(biāo)題和正文內(nèi)容外，還包含很多與正文不相關(guān)的內(nèi)容。以新聞網(wǎng)頁(yè)為例，除了顯示新聞標(biāo)題和正文內(nèi)容外，往往還包含諸如新聞發(fā)表時(shí)間、精華推薦、熱門推薦、評(píng)論信息和廣告信息等其他用戶可能并不會(huì)去關(guān)注的內(nèi)容。如果加載頁(yè)面時(shí)，將所有的內(nèi)容都顯示，會(huì)使得瀏覽不便，特別是使用屏幕大小有限的移動(dòng)終端瀏覽網(wǎng)頁(yè)時(shí)，這些與正文不相關(guān)的內(nèi)容還會(huì)額外占用屏幕空間，從而影響對(duì)標(biāo)題和正文內(nèi)容的正常瀏覽。


【發(fā)明內(nèi)容】

[0003]基于此，有必要針對(duì)上述問(wèn)題，提供一種能使頁(yè)面只顯示標(biāo)題和正文內(nèi)容，節(jié)省屏幕空間的網(wǎng)頁(yè)處理方法和終端。
[0004]一種網(wǎng)頁(yè)處理方法，所述方法包括:
[0005]獲取與加載的網(wǎng)頁(yè)的URL地址匹配的抽取語(yǔ)句，所述匹配的抽取語(yǔ)句中包含所述加載的網(wǎng)頁(yè)的標(biāo)題內(nèi)容塊和正文內(nèi)容塊的路徑描述；
[0006]根據(jù)所述標(biāo)題內(nèi)容塊和正文內(nèi)容塊的路徑描述對(duì)所述加載的網(wǎng)頁(yè)進(jìn)行標(biāo)題和正文內(nèi)容的抽??；
[0007]顯示所述抽取的標(biāo)題和正文內(nèi)容。
[0008]一種用于執(zhí)行網(wǎng)頁(yè)處理方法的終端，所述終端包括:
[0009]抽取語(yǔ)句匹配模塊，用于獲取與加載的網(wǎng)頁(yè)的URL地址匹配的抽取語(yǔ)句，所述匹配的抽取語(yǔ)句中包含所述加載的網(wǎng)頁(yè)的標(biāo)題內(nèi)容塊和正文內(nèi)容塊的路徑描述；
[0010]標(biāo)題正文抽取模塊，用于根據(jù)所述標(biāo)題內(nèi)容塊和正文內(nèi)容塊的路徑描述對(duì)所述加載的網(wǎng)頁(yè)進(jìn)行標(biāo)題和正文內(nèi)容的抽取；
[0011]顯示模塊，用于顯示所述抽取的標(biāo)題和正文內(nèi)容。
[0012]上述網(wǎng)頁(yè)處理方法和終端，通過(guò)獲取與加載的網(wǎng)頁(yè)的URL地址匹配的抽取語(yǔ)句，由于該匹配的抽取語(yǔ)句中包含有加載的網(wǎng)頁(yè)的標(biāo)題內(nèi)容塊和正文內(nèi)容塊的路徑描述，根據(jù)該路徑描述即可獲取到加載的網(wǎng)頁(yè)中的標(biāo)題內(nèi)容塊和正文內(nèi)容塊，從而能實(shí)現(xiàn)對(duì)加載的網(wǎng)頁(yè)進(jìn)行標(biāo)題和正文內(nèi)容的抽取，使頁(yè)面上只顯示抽取的標(biāo)題和正文內(nèi)容。而其他用戶可能并不會(huì)關(guān)注的內(nèi)容不會(huì)顯示，能夠節(jié)省屏幕空間，從而便于瀏覽。

【專利附圖】

【附圖說(shuō)明】
[0013]圖1為一個(gè)實(shí)施例中網(wǎng)頁(yè)處理方法的流程示意圖；
[0014]圖2為一個(gè)實(shí)施例中獲取與加載的網(wǎng)頁(yè)的URL地址匹配的抽取語(yǔ)句的流程示意圖；
[0015]圖3為一個(gè)實(shí)施例中抽取標(biāo)題和正文內(nèi)容的流程示意圖；
[0016]圖4A為圖3所示實(shí)施例提供的原始網(wǎng)頁(yè)的示意圖；
[0017]圖4B為對(duì)圖4A所示原始網(wǎng)頁(yè)實(shí)現(xiàn)抽取后的效果圖；
[0018]圖5為一個(gè)實(shí)施例中去除加載的網(wǎng)頁(yè)中的雜質(zhì)的流程示意圖；
[0019]圖6A為圖5所示實(shí)施例中提供的原始網(wǎng)頁(yè)的示意圖；
[0020]圖6B為對(duì)圖4A所示原始網(wǎng)頁(yè)實(shí)現(xiàn)抽取后的效果圖；
[0021]圖7為一個(gè)實(shí)施例中抽取加載的網(wǎng)頁(yè)中的續(xù)頁(yè)鏈接的流程示意圖；
[0022]圖8為圖7所示實(shí)施例提供的續(xù)頁(yè)塊的示意圖；
[0023]圖9為一個(gè)實(shí)施例中用于執(zhí)行網(wǎng)頁(yè)處理方法的終端的結(jié)構(gòu)框圖；
[0024]圖10為圖9中抽取語(yǔ)句獲取模塊的結(jié)構(gòu)框圖；
[0025]圖11為圖9中抽取語(yǔ)句匹配模塊的結(jié)構(gòu)框圖；
[0026]圖12為圖9中標(biāo)題正文抽取模塊的結(jié)構(gòu)框圖；
[0027]圖13為另一個(gè)實(shí)施例中用于執(zhí)行網(wǎng)頁(yè)處理方法的終端的結(jié)構(gòu)框圖；
[0028]圖14為又一個(gè)實(shí)施例中用于執(zhí)行網(wǎng)頁(yè)處理方法的終端的結(jié)構(gòu)框圖；
[0029]圖15為圖14中續(xù)頁(yè)鏈接抽取模塊的結(jié)構(gòu)框圖；
[0030]圖16為圖14中第二續(xù)頁(yè)鏈接確定模塊的結(jié)構(gòu)框圖；
[0031]圖17為另一個(gè)實(shí)施例中第二續(xù)頁(yè)鏈接確定模塊的結(jié)構(gòu)框圖；
[0032]圖18為一個(gè)實(shí)施例中網(wǎng)頁(yè)處理終端的結(jié)構(gòu)示意圖。

【具體實(shí)施方式】
[0033]為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖及實(shí)施例，對(duì)本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說(shuō)明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。
[0034]如圖1所示，在一個(gè)實(shí)施例中，提供了一種網(wǎng)頁(yè)處理方法，該方法以應(yīng)用在可運(yùn)行瀏覽器的終端中進(jìn)行舉例說(shuō)明，這些終端包括但不限于個(gè)人計(jì)算機(jī)、個(gè)人數(shù)字助理、膝上型便攜計(jì)算機(jī)、智能手機(jī)、平板電腦、MP3播放器和MP4播放器等，包括:
[0035]步驟102，獲取與加載的網(wǎng)頁(yè)的URL地址匹配的抽取語(yǔ)句。
[0036]在一個(gè)實(shí)施例中，在步驟102之前，可獲取與加載的網(wǎng)頁(yè)的域名對(duì)應(yīng)的多條抽取語(yǔ)句。終端可運(yùn)行瀏覽器，通過(guò)瀏覽器請(qǐng)求訪問(wèn)各種網(wǎng)頁(yè)，在加載好網(wǎng)頁(yè)后，終端可獲取與加載的網(wǎng)頁(yè)的域名對(duì)應(yīng)的多條抽取語(yǔ)句。具體的，終端可直接從服務(wù)器獲取與加載的網(wǎng)頁(yè)的域名對(duì)應(yīng)的多條抽取語(yǔ)句，也可以直接從本地緩存中獲取與加載的網(wǎng)頁(yè)的域名對(duì)應(yīng)的多條抽取語(yǔ)句。
[0037]所謂抽取語(yǔ)句，是指能應(yīng)用于終端，使得終端能夠?qū)崿F(xiàn)對(duì)加載的網(wǎng)頁(yè)的各種內(nèi)容塊進(jìn)行抽取的語(yǔ)句。具體的，抽取語(yǔ)句可為XPath語(yǔ)句(也可稱為XPath規(guī)則)，XPath是一門在XML (Extensible Markup Language,可擴(kuò)展標(biāo)記語(yǔ)言)文檔中查找信息的語(yǔ)言,其用于在XML文檔中通過(guò)元素和屬性進(jìn)行導(dǎo)航。由于不同域名下可能會(huì)有多種網(wǎng)站，例如域名為qq.com下可能會(huì)有小說(shuō)網(wǎng)站、新聞網(wǎng)站、圖片網(wǎng)站、游戲網(wǎng)站等等，不同的網(wǎng)站可使用不同的XPath語(yǔ)句來(lái)實(shí)現(xiàn)抽取，因此對(duì)應(yīng)于同一域名，有多條XPath語(yǔ)句。
[0038]每個(gè)XPath語(yǔ)句包含網(wǎng)站域名、正則表達(dá)式以及各種網(wǎng)頁(yè)內(nèi)容塊的路徑描述(或稱為網(wǎng)頁(yè)內(nèi)容塊的XPath)。具體的，在步驟102中，可獲取與加載的網(wǎng)頁(yè)的域名對(duì)應(yīng)的多條XPath語(yǔ)句,其中，每條XPath語(yǔ)句可使用第一分隔符分割，而每個(gè)XPath語(yǔ)句中的不同網(wǎng)頁(yè)內(nèi)容塊的路徑描述則可用第二分隔符分割。其中，第一分隔符可為:/t ;第二分隔符可為:$$。例如，所下發(fā)的與加載的網(wǎng)頁(yè)域名對(duì)應(yīng)的多條抽取語(yǔ)句形如:qq.com正則表達(dá)式\ttitie: xpath$$content: xpath$$content: xpah$$page: xpath....?，其中，title: xpath 為標(biāo)題內(nèi)容塊的路徑描述，content:xpath為正文內(nèi)容塊的路徑描述，page:xpath為續(xù)頁(yè)塊的路徑描述。又如，某一條 content:xpath 為:content://*[0id=〃shop738279205〃]/div/div/div [2] /div/p [I] /span/span/strong,終端根據(jù)該正文內(nèi)容塊的路徑描述，即可抽取對(duì)應(yīng)的正文內(nèi)容。
[0039]由于與加載的網(wǎng)頁(yè)的域名對(duì)應(yīng)有多條抽取語(yǔ)句，而加載的網(wǎng)頁(yè)只是該域名下的某一具體網(wǎng)站的網(wǎng)頁(yè)，因此需根據(jù)加載的網(wǎng)頁(yè)的URL地址匹配得到該網(wǎng)頁(yè)對(duì)應(yīng)的抽取語(yǔ)句。具體的，可將加載的網(wǎng)頁(yè)的URL地址與每條抽取語(yǔ)句中的正則表達(dá)式進(jìn)行匹配，匹配成功，則包含該正則表達(dá)式的抽取語(yǔ)句為與加載的網(wǎng)頁(yè)的URL地址匹配的抽取語(yǔ)句。
[0040]步驟104，根據(jù)標(biāo)題內(nèi)容塊和正文內(nèi)容塊的路徑描述對(duì)加載的網(wǎng)頁(yè)進(jìn)行標(biāo)題和正文內(nèi)容的抽取。
[0041 ] 由于匹配的抽取語(yǔ)句中包含標(biāo)題內(nèi)容塊和正文內(nèi)容塊的路徑描述，終端根據(jù)這些路徑描述即可抽取得到對(duì)應(yīng)的標(biāo)題和正文內(nèi)容。
[0042]步驟106，顯示抽取的標(biāo)題和正文內(nèi)容。
[0043]本實(shí)施例中，能實(shí)現(xiàn)對(duì)加載的網(wǎng)頁(yè)進(jìn)行標(biāo)題和正文內(nèi)容的抽取，使得在頁(yè)面上只顯示抽取的標(biāo)題和正文內(nèi)容，而其他用戶可能并不會(huì)關(guān)注的內(nèi)容不會(huì)顯示，節(jié)省了屏幕空間，從而便于瀏覽。
[0044]在一個(gè)實(shí)施例中，獲取與加載的網(wǎng)頁(yè)的域名對(duì)應(yīng)的多條抽取語(yǔ)句，包括:檢測(cè)緩存中是否有與加載的網(wǎng)頁(yè)的域名對(duì)應(yīng)的多條抽取語(yǔ)句，如果有，則從緩存中獲取與加載的網(wǎng)頁(yè)的域名對(duì)應(yīng)的多條抽取語(yǔ)句，如果沒有，則從服務(wù)器獲取與加載的網(wǎng)頁(yè)的域名對(duì)應(yīng)的多條抽取語(yǔ)句并緩存。
[0045]本實(shí)施例中，抽取語(yǔ)句可保存在服務(wù)器上，可包含服務(wù)器對(duì)不同域名下的大量網(wǎng)站進(jìn)行處理后得到的網(wǎng)頁(yè)內(nèi)容塊的路徑描述所組成的抽取語(yǔ)句，也可包含預(yù)先存儲(chǔ)在服務(wù)器中人工設(shè)置的抽取語(yǔ)句。在服務(wù)器上存儲(chǔ)了域名與多條抽取語(yǔ)句的對(duì)應(yīng)關(guān)系。
[0046]本實(shí)施例中，從服務(wù)器獲取到的與加載的網(wǎng)頁(yè)的域名對(duì)應(yīng)的多條抽取語(yǔ)句可在終端本地進(jìn)行緩存，這樣，終端先檢測(cè)緩存中是否有與加載的網(wǎng)頁(yè)的域名對(duì)應(yīng)的多條抽取語(yǔ)句，如果有，則無(wú)需再?gòu)姆?wù)器獲取，節(jié)省了網(wǎng)絡(luò)流量，如果沒有，則再?gòu)姆?wù)器獲取并緩存，以便下次獲取同一域名對(duì)應(yīng)的多條抽取語(yǔ)句時(shí)可直接從緩存中獲取。
[0047]進(jìn)一步的，可預(yù)先設(shè)置緩存中可存儲(chǔ)的抽取語(yǔ)句對(duì)應(yīng)的域名個(gè)數(shù)，例如可設(shè)置可存儲(chǔ)50個(gè)域名所對(duì)應(yīng)的多條抽取語(yǔ)句。當(dāng)緩存已滿，則對(duì)之前緩存的抽取語(yǔ)句進(jìn)行淘汰。具體的，可在終端上運(yùn)行瀏覽器，并在瀏覽器切入前臺(tái)后延遲5秒執(zhí)行淘汰，例如，可淘汰掉7天前未訪問(wèn)的域名對(duì)應(yīng)的抽取語(yǔ)句。
[0048]本實(shí)施例中，通過(guò)緩存獲取的與加載的網(wǎng)頁(yè)的域名對(duì)應(yīng)的多條抽取語(yǔ)句，在緩存中存在有與域名對(duì)應(yīng)才抽取語(yǔ)句時(shí)，則無(wú)需再聯(lián)網(wǎng)，并從服務(wù)器獲取，從而節(jié)省了網(wǎng)絡(luò)流量，提高了抽取的速度。
[0049]圖2示出了一個(gè)實(shí)施例中獲取與加載的網(wǎng)頁(yè)的URL地址匹配的抽取語(yǔ)句的流程，具體包括:
[0050]步驟202，將加載的網(wǎng)頁(yè)的URL地址與多條抽取語(yǔ)句對(duì)應(yīng)的正則表達(dá)式逐一進(jìn)行匹配。
[0051]步驟204，判斷是否匹配成功，若是，則進(jìn)入步驟206，否則返回步驟202。
[0052]步驟206，匹配的正則表達(dá)式對(duì)應(yīng)的抽取語(yǔ)句為匹配的抽取語(yǔ)句。
[0053]步驟208，根據(jù)匹配的抽取語(yǔ)句中的標(biāo)題內(nèi)容塊和正文內(nèi)容塊的路徑描述，嘗試抽取加載的網(wǎng)頁(yè)的標(biāo)題和正文內(nèi)容。
[0054]步驟210，判斷是否有其中一個(gè)路徑描述嘗試抽取失敗，若是，則返回步驟202，否則進(jìn)入步驟212。
[0055]步驟212，對(duì)加載的網(wǎng)頁(yè)進(jìn)行標(biāo)題和正文內(nèi)容的抽取。
[0056]本實(shí)施例中，當(dāng)抽取語(yǔ)句中的正則表達(dá)式與加載的網(wǎng)頁(yè)的URL地址匹配成功，則表明該抽取語(yǔ)句可能實(shí)現(xiàn)對(duì)該加載的網(wǎng)頁(yè)進(jìn)行抽取。在嘗試根據(jù)匹配的抽取語(yǔ)句中的標(biāo)題內(nèi)容塊和正文內(nèi)容塊的路徑描述進(jìn)行標(biāo)題和正文內(nèi)容的抽取時(shí)，如果有其中一個(gè)路徑描述嘗試抽取失敗，則表明匹配的抽取語(yǔ)句實(shí)際上并不能實(shí)現(xiàn)對(duì)加載的網(wǎng)頁(yè)進(jìn)行抽取，則繼續(xù)進(jìn)行匹配，直到匹配的抽取語(yǔ)句中的路徑描述都能嘗試抽取成功。進(jìn)一步的，所有路徑描述都能嘗試抽取成功后，可顯示閱讀器按鈕，點(diǎn)擊該閱讀器按鈕即可觸發(fā)對(duì)加載的網(wǎng)頁(yè)的抽取，在抽取后，還可由終端來(lái)編寫CSS (層疊樣式表)，進(jìn)行重新排版。
[0057]可以理解的是，在一個(gè)實(shí)施例中，可省略上述步驟208?212，也就是當(dāng)根據(jù)正則表達(dá)式匹配到對(duì)應(yīng)的抽取語(yǔ)句，則直接可根據(jù)該抽取語(yǔ)句對(duì)加載的網(wǎng)頁(yè)進(jìn)行抽取。
[0058]圖3示出了一個(gè)實(shí)施例中抽取標(biāo)題和正文內(nèi)容的流程，包括:
[0059]步驟302，從抽取語(yǔ)句中的第一個(gè)標(biāo)題內(nèi)容塊的路徑描述進(jìn)行檢測(cè)，當(dāng)檢測(cè)到非空字符串時(shí)，則停止檢測(cè)，根據(jù)檢測(cè)到的非空字符串對(duì)加載的網(wǎng)頁(yè)進(jìn)行標(biāo)題的抽取。
[0060]具體的，根據(jù)抽取語(yǔ)句中的第一個(gè)標(biāo)題內(nèi)容塊的路徑描述進(jìn)行抽取，當(dāng)抽取到標(biāo)題內(nèi)容時(shí)，也就是能夠檢測(cè)到非空字符串時(shí)，由于標(biāo)題僅有一個(gè)即可，如果檢測(cè)到非空字符串，則能夠得到一個(gè)標(biāo)題，即可根據(jù)檢測(cè)到的非空字符串對(duì)加載的網(wǎng)頁(yè)進(jìn)行標(biāo)題的抽取。
[0061]步驟304，根據(jù)抽取語(yǔ)句中的正文內(nèi)容塊的路徑描述抽取加載的網(wǎng)頁(yè)中的正文內(nèi)容，并將抽取到的正文內(nèi)容按順序拼接。
[0062]由于正文內(nèi)容塊之間可能還包含其他用戶不會(huì)關(guān)注的內(nèi)容，例如廣告信息，因此各個(gè)正文內(nèi)容塊并非是緊密排列在一起的。步驟304中，抽取到所有的正文內(nèi)容，并按照順序拼接，從而得到當(dāng)前的網(wǎng)頁(yè)中的所有正文內(nèi)容。
[0063]一種對(duì)加載的網(wǎng)頁(yè)(如圖4A所示)顯示抽取的標(biāo)題和正文內(nèi)容的效果如圖4B所示，對(duì)加載的網(wǎng)頁(yè)進(jìn)行標(biāo)題和正文內(nèi)容的抽取后，在頁(yè)面上只顯示標(biāo)題和正文內(nèi)容，而用戶可能并不關(guān)注的大量?jī)?nèi)容都不會(huì)再顯示，節(jié)省了屏幕空間，特別是使用在屏幕大小有限的移動(dòng)終端時(shí)，能夠便于瀏覽。
[0064]在一個(gè)實(shí)施例中，匹配的抽取語(yǔ)句中還包括加載的網(wǎng)頁(yè)的雜質(zhì)塊的路徑描述，網(wǎng)頁(yè)處理方法還能夠去除網(wǎng)頁(yè)上的雜質(zhì)，具體的，如圖5所示，該方法還包括:
[0065]步驟502，根據(jù)雜質(zhì)塊的路徑描述將加載的網(wǎng)頁(yè)中的雜質(zhì)去除。
[0066]步驟504，將加載的網(wǎng)頁(yè)中帶雜質(zhì)標(biāo)簽的DOM節(jié)點(diǎn)去除。
[0067]本實(shí)施例中，采用重建DOM樹的方式去除網(wǎng)頁(yè)上的雜質(zhì)。DOM (Document ObjectModel，文檔對(duì)象模型)，是以層次結(jié)構(gòu)組織的節(jié)點(diǎn)或信息片斷的集合，其中，每個(gè)節(jié)點(diǎn)都擁有包含著關(guān)于節(jié)點(diǎn)某些信息的屬性，這些屬性包括節(jié)點(diǎn)名稱、節(jié)點(diǎn)值和節(jié)點(diǎn)類型等。
[0068]進(jìn)一步的，在重建DOM樹的過(guò)程中去除掉網(wǎng)頁(yè)中的雜質(zhì)。由于匹配的抽取語(yǔ)句中包含雜質(zhì)塊的路徑描述，根據(jù)雜質(zhì)塊的路徑描述即可獲知哪些DOM節(jié)點(diǎn)是雜質(zhì)節(jié)點(diǎn)。另一方面，DOM節(jié)點(diǎn)中包括一些標(biāo)簽可認(rèn)為是雜質(zhì)節(jié)點(diǎn)，則將帶這些標(biāo)簽的DOM節(jié)點(diǎn)也去除，這些標(biāo)簽包括但不限于〈script〉、〈link〉、〈iframe〉、〈style〉、〈form〉、〈input〉、〈embed〉和<object> 等。
[0069]本實(shí)施例中，終端在重建DOM樹的過(guò)程中，可刪除每個(gè)DOM節(jié)點(diǎn)的屬性，但可保留圖片標(biāo)簽(img標(biāo)簽)的圖片路徑屬性(src屬性)、鏈接標(biāo)簽(a標(biāo)簽)的鏈接地址屬性(href屬性)和視頻標(biāo)簽(video標(biāo)簽)的視頻路徑屬性(src屬性)等，然后由終端編寫CSS (層疊樣式表)，進(jìn)行重新排版。從而能實(shí)現(xiàn)去除網(wǎng)頁(yè)中的雜質(zhì)，并能夠保留網(wǎng)頁(yè)中的超鏈接、圖片和視頻等?？梢岳斫獾氖?，在其他實(shí)施例中，去除雜質(zhì)的流程可包括步驟502和步驟504中的至少一個(gè)步驟。
[0070]一種對(duì)加載的網(wǎng)頁(yè)(如圖6A所示)顯示抽取的標(biāo)題和正文內(nèi)容的效果如圖6B所示，本實(shí)施例中，除了可對(duì)加載的網(wǎng)頁(yè)抽取標(biāo)題和正文內(nèi)容外,還能去除掉網(wǎng)頁(yè)中的雜質(zhì)，而保留圖片和超鏈接，使得頁(yè)面上除了顯示標(biāo)題和正文內(nèi)容外，還能顯示正文中的圖片，進(jìn)一步便于瀏覽。
[0071]可以理解，上述各實(shí)施例中的步驟都可由終端來(lái)執(zhí)行，當(dāng)緩存中存儲(chǔ)有與加載的網(wǎng)頁(yè)中的域名對(duì)應(yīng)的抽取語(yǔ)句時(shí)，則終端不需要再與服務(wù)器聯(lián)網(wǎng)即可實(shí)現(xiàn)對(duì)加載的網(wǎng)頁(yè)的抽取，并在頁(yè)面上只顯示標(biāo)題和正文內(nèi)容(可包含正文中的圖片)，抽取速度快，且節(jié)省了網(wǎng)絡(luò)流量。若緩存中不存在有與加的網(wǎng)頁(yè)中的域名對(duì)應(yīng)的抽取語(yǔ)句，則終端僅從服務(wù)器獲取抽取語(yǔ)句，而抽取語(yǔ)句相對(duì)于網(wǎng)頁(yè)中的標(biāo)題和正文內(nèi)容來(lái)說(shuō)，數(shù)據(jù)量很小，不會(huì)占用過(guò)多的網(wǎng)絡(luò)流量。
[0072]在一個(gè)實(shí)施例中，匹配的抽取語(yǔ)句中還包括加載的網(wǎng)頁(yè)的續(xù)頁(yè)塊的路徑描述，本實(shí)施例中，還可進(jìn)行續(xù)頁(yè)處理，即對(duì)加載的網(wǎng)頁(yè)的下一頁(yè)網(wǎng)頁(yè)實(shí)現(xiàn)自動(dòng)抽取。具體的，網(wǎng)頁(yè)處理方法還包括:根據(jù)續(xù)頁(yè)塊的路徑描述抽取加載的網(wǎng)頁(yè)中的續(xù)頁(yè)鏈接；對(duì)續(xù)頁(yè)鏈接對(duì)應(yīng)的網(wǎng)頁(yè)執(zhí)行上述各實(shí)施例中的網(wǎng)頁(yè)處理方法。
[0073]本實(shí)施例中，根據(jù)續(xù)頁(yè)塊的路徑描述即可抽取得到加載的網(wǎng)頁(yè)中的續(xù)頁(yè)鏈接，該續(xù)頁(yè)鏈接對(duì)應(yīng)了一個(gè)網(wǎng)頁(yè)的URL地址，根據(jù)該URL地址即可得到加載的網(wǎng)頁(yè)的下一頁(yè)網(wǎng)頁(yè)。進(jìn)一步的，根據(jù)該URL地址即可匹配到對(duì)應(yīng)的抽取語(yǔ)句，進(jìn)而根據(jù)匹配的抽取語(yǔ)句實(shí)現(xiàn)標(biāo)題和正文內(nèi)容的抽取、雜質(zhì)去除等。
[0074]在一個(gè)實(shí)施例中，可由服務(wù)器獲取續(xù)頁(yè)鏈接，根據(jù)續(xù)頁(yè)鏈接對(duì)下一頁(yè)網(wǎng)頁(yè)進(jìn)行抽取，然后將抽取得到的內(nèi)容發(fā)送至終端，則服務(wù)器無(wú)需向終端發(fā)送下一頁(yè)網(wǎng)頁(yè)的全部?jī)?nèi)容，節(jié)省了網(wǎng)絡(luò)流量。在另一個(gè)實(shí)施例中，可由終端獲取續(xù)頁(yè)鏈接，獲取服務(wù)器下發(fā)的下一頁(yè)網(wǎng)頁(yè)內(nèi)容，并進(jìn)一步根據(jù)續(xù)頁(yè)鏈接對(duì)下一頁(yè)網(wǎng)頁(yè)進(jìn)行抽取，則下一頁(yè)網(wǎng)頁(yè)的抽取交由終端來(lái)處理，減輕了服務(wù)器的負(fù)擔(dān)。
[0075]本實(shí)施例中，由于能夠自動(dòng)實(shí)現(xiàn)對(duì)下一頁(yè)網(wǎng)頁(yè)進(jìn)行抽取，但用戶瀏覽完當(dāng)前加載的網(wǎng)頁(yè)的標(biāo)題和正文內(nèi)容后，觸發(fā)下一頁(yè)的瀏覽，則終端自動(dòng)顯示下一頁(yè)網(wǎng)頁(yè)的標(biāo)題和正文內(nèi)容。例如，在使用帶觸摸屏的移動(dòng)終端時(shí)，當(dāng)用戶瀏覽完當(dāng)前頁(yè)面的內(nèi)容，使用手指在觸摸屏上向上滑動(dòng)，則自動(dòng)顯示下一頁(yè)網(wǎng)頁(yè)抽取的內(nèi)容，無(wú)需用戶點(diǎn)擊鏈接，提高了便利性。
[0076]圖7示出了一個(gè)實(shí)施例中抽取加載的網(wǎng)頁(yè)中的續(xù)頁(yè)鏈接的流程，包括:
[0077]步驟702，判斷抽取到的是否是鏈接標(biāo)簽，若是，則進(jìn)入步驟704，否則進(jìn)入步驟706。
[0078]步驟704，使用抽取到的標(biāo)簽中的第一個(gè)所對(duì)應(yīng)的鏈接為加載的網(wǎng)頁(yè)中的續(xù)頁(yè)鏈接。
[0079]本實(shí)施例中，當(dāng)根據(jù)續(xù)頁(yè)塊的路徑描述抽取到的是鏈接標(biāo)簽，則可直接使用該鏈接。
[0080]步驟706，查找抽取到的續(xù)頁(yè)塊中的鏈接標(biāo)簽，對(duì)鏈接標(biāo)簽進(jìn)行打分，獲取分?jǐn)?shù)值最高的鏈接標(biāo)簽所對(duì)應(yīng)的鏈接為加載的網(wǎng)頁(yè)中的續(xù)頁(yè)鏈接。
[0081]本實(shí)施例中，當(dāng)根據(jù)續(xù)頁(yè)塊的路徑描述抽取到的不是鏈接標(biāo)簽，則抽取到的是續(xù)頁(yè)塊，如圖8所示，續(xù)頁(yè)塊802中可能包含有多個(gè)鏈接標(biāo)簽，例如“上一章”、“下一章”、“回目錄”等，需要在這多個(gè)鏈接標(biāo)簽中確定續(xù)頁(yè)鏈接。
[0082]具體的，在一個(gè)實(shí)施例中，步驟706包括:檢測(cè)鏈接標(biāo)簽的屬性中是否包含預(yù)設(shè)鏈接內(nèi)容，若是，則根據(jù)屬性中包含的預(yù)設(shè)鏈接內(nèi)容對(duì)鏈接標(biāo)簽進(jìn)行加分；判斷是否含有大于零分的鏈接標(biāo)簽，如果有，則獲取分?jǐn)?shù)值最高的鏈接標(biāo)簽所對(duì)應(yīng)的鏈接為加載的網(wǎng)頁(yè)中的續(xù)頁(yè)鏈接。
[0083]鏈接標(biāo)簽的屬性包含文本、title、alt、id、class等,檢測(cè)這些屬性中是否包含預(yù)設(shè)鏈接內(nèi)容，其中預(yù)設(shè)鏈接內(nèi)容可以是但不限于“下一頁(yè)”、“下一章”、“下一張”、“下一節(jié)”、“next”、“〉”等，根據(jù)屬性中包含的預(yù)設(shè)鏈接內(nèi)容對(duì)鏈接標(biāo)簽進(jìn)行加分，從而可區(qū)分預(yù)設(shè)鏈接內(nèi)容的優(yōu)先級(jí)。例如，如果包含預(yù)設(shè)鏈接內(nèi)容為“下一頁(yè)”，則對(duì)該鏈接標(biāo)簽加200分；如果包含預(yù)設(shè)鏈接內(nèi)容為“下一張”，則對(duì)該鏈接標(biāo)簽加180 ;依次類推。在抽取得到的所有續(xù)頁(yè)塊中的鏈接標(biāo)簽都打分完成后，判斷是否含有大于零分的鏈接標(biāo)簽，如果有，表示存在續(xù)頁(yè)鏈接，獲取分?jǐn)?shù)值最高的鏈接標(biāo)簽為續(xù)頁(yè)鏈接。
[0084]在一個(gè)實(shí)施例中，步驟706還包括:如果沒有大于零分的鏈接標(biāo)簽，則獲取鏈接標(biāo)簽的兄弟節(jié)點(diǎn)，根據(jù)兄弟節(jié)點(diǎn)中包含的文字內(nèi)容對(duì)鏈接標(biāo)簽進(jìn)行加分，以及檢測(cè)鏈接標(biāo)簽中是否包含圖片，若是，則根據(jù)圖片中包含的預(yù)設(shè)文件內(nèi)容對(duì)鏈接標(biāo)簽進(jìn)行加分；獲取分?jǐn)?shù)值最高的鏈接標(biāo)簽所對(duì)應(yīng)的鏈接為加載的網(wǎng)頁(yè)中的續(xù)頁(yè)鏈接。
[0085]本實(shí)施例中，如果沒有大于零分的鏈接標(biāo)簽，則進(jìn)一步獲取鏈接標(biāo)簽的兄弟節(jié)點(diǎn)，即位于鏈接標(biāo)簽前面或后面的文字，優(yōu)選為鏈接標(biāo)簽前面的文字，根據(jù)這些文字對(duì)鏈接標(biāo)簽進(jìn)行加分，例如，如果包含“下一頁(yè)”則加100分；如果包含“下一張”則加80分；依次類推。進(jìn)一步的，由于有些鏈接標(biāo)簽呈現(xiàn)的形式是圖片，因此還可進(jìn)一步檢測(cè)鏈接標(biāo)簽中是否包含圖片，若是，則根據(jù)圖片中是否包含“下一頁(yè)”、“下一張”、“下一章”等對(duì)鏈接標(biāo)簽進(jìn)行加分，例如，如果包含“下”或者“next”則加10分；在對(duì)所有續(xù)頁(yè)塊中的鏈接標(biāo)簽都打分完成后，獲取其中分?jǐn)?shù)值最高的鏈接標(biāo)簽所對(duì)應(yīng)的連接為加載的網(wǎng)頁(yè)中的續(xù)頁(yè)鏈接。
[0086]如圖9所示，在一個(gè)實(shí)施例中，提供了一種用于執(zhí)行網(wǎng)頁(yè)處理方法的終端，該終端包括:
[0087]抽取語(yǔ)句匹配模塊904，用于獲取與加載的網(wǎng)頁(yè)的URL地址匹配的抽取語(yǔ)句，該匹配的抽取語(yǔ)句中包含加載的網(wǎng)頁(yè)的標(biāo)題內(nèi)容塊和正文內(nèi)容塊的路徑描述。
[0088]標(biāo)題正文抽取模塊906，用于根據(jù)標(biāo)題內(nèi)容塊和正文內(nèi)容塊的路徑描述對(duì)加載的網(wǎng)頁(yè)進(jìn)行標(biāo)題和正文內(nèi)容塊的抽取。
[0089]顯示模塊908，用于顯示抽取的標(biāo)題和正文內(nèi)容。
[0090]在一個(gè)實(shí)施例中，終端還包括抽取語(yǔ)句獲取模塊902，用于獲取與加載的網(wǎng)頁(yè)的域名對(duì)應(yīng)的抽取語(yǔ)句。
[0091]在一個(gè)實(shí)施例中，如圖10所示，抽取語(yǔ)句獲取模塊902包括:
[0092]緩存獲取模塊902a，用于檢測(cè)緩存中是否有與加載的網(wǎng)頁(yè)的域名對(duì)應(yīng)的多條抽取語(yǔ)句，如果有，則從緩存中獲取與加載的網(wǎng)頁(yè)的域名對(duì)應(yīng)的多條抽取語(yǔ)句
[0093]緩存模塊902b，用于如果緩存中沒有與加載的網(wǎng)頁(yè)的域名對(duì)應(yīng)的多條抽取語(yǔ)句，則從服務(wù)器獲取與加載的網(wǎng)頁(yè)的域名對(duì)應(yīng)的多條抽取語(yǔ)句并緩存。
[0094]在一個(gè)實(shí)施例中，如圖11所示，抽取語(yǔ)句匹配模塊904包括:
[0095]正則表達(dá)式匹配模塊904a，用于將加載的網(wǎng)頁(yè)的URL地址與多條抽取語(yǔ)句對(duì)應(yīng)的正則表達(dá)式進(jìn)行匹配；若匹配成功，則匹配的正則表達(dá)式對(duì)應(yīng)的抽取語(yǔ)句為匹配的抽取語(yǔ)句。
[0096]嘗試抽取模塊904b，用于若正則表達(dá)式匹配模塊904a匹配成功，則根據(jù)匹配的抽取語(yǔ)句中的標(biāo)題內(nèi)容塊和正文內(nèi)容塊的路徑描述，嘗試抽取加載的網(wǎng)頁(yè)的標(biāo)題和正文內(nèi)容。
[0097]本實(shí)施例中，正則表達(dá)式匹配模塊904a，還用于如果有其中一個(gè)路徑描述嘗試抽取失敗，則繼續(xù)將加載的網(wǎng)頁(yè)的URL地址與多條抽取語(yǔ)句對(duì)應(yīng)的正則表達(dá)式逐一進(jìn)行匹配，直至匹配的抽取語(yǔ)句中的路徑描述都能嘗試抽取成功。
[0098]在其他實(shí)施例中，抽取語(yǔ)句匹配模塊904可包含正則表達(dá)式匹配模塊904a和嘗試抽取模塊904b中的至少一個(gè)。
[0099]在一個(gè)實(shí)施例中，如圖12所示，標(biāo)題正文抽取模塊906包括:
[0100]標(biāo)題抽取模塊906a，用于從抽取語(yǔ)句中的第一個(gè)標(biāo)題內(nèi)容塊的路徑描述進(jìn)行檢測(cè)，當(dāng)檢測(cè)到非空字符串時(shí)，則停止檢測(cè)，根據(jù)檢測(cè)到的非空字符串對(duì)加載的網(wǎng)頁(yè)進(jìn)行標(biāo)題的抽取。
[0101]正文內(nèi)容抽取模塊906b，用于根據(jù)抽取語(yǔ)句中的正文內(nèi)容塊的路徑描述抽取加載的網(wǎng)頁(yè)中的正文內(nèi)容，并將抽取到的正文內(nèi)容按順序進(jìn)行拼接。
[0102]在一個(gè)實(shí)施例中，匹配的抽取語(yǔ)句中包含加載的網(wǎng)頁(yè)的雜質(zhì)塊的路徑描述，如圖13所示,終端還包括:
[0103]第一雜質(zhì)去除模塊905，用于根據(jù)雜質(zhì)塊的路徑描述將加載的網(wǎng)頁(yè)中的雜質(zhì)去除。
[0104]第二雜質(zhì)去除模塊907，用于將加載的網(wǎng)頁(yè)中帶雜質(zhì)標(biāo)簽的DOM節(jié)點(diǎn)去除。
[0105]在其他實(shí)施例中，終端可包含第一雜質(zhì)去除模塊905和第二雜質(zhì)去除模塊907中的至少一個(gè)。
[0106]在一個(gè)實(shí)施例中，匹配的抽取語(yǔ)句中還包含加載的網(wǎng)頁(yè)的續(xù)頁(yè)塊的路徑描述,如圖14所示,終端還包括:
[0107]續(xù)頁(yè)鏈接抽取模塊909，用于根據(jù)續(xù)頁(yè)塊的路徑描述抽取所述加載的網(wǎng)頁(yè)中的續(xù)頁(yè)鏈接。
[0108]本實(shí)施例中，抽取語(yǔ)句匹配模塊904還用于根據(jù)續(xù)頁(yè)鏈接對(duì)應(yīng)的URL地址，獲取與續(xù)頁(yè)鏈接對(duì)應(yīng)的URL地址匹配的抽取語(yǔ)句；標(biāo)題正文抽取模塊906還用于根據(jù)匹配的抽取語(yǔ)句中的標(biāo)題內(nèi)容塊和正文內(nèi)容塊的路徑描述對(duì)續(xù)頁(yè)鏈接對(duì)應(yīng)的網(wǎng)頁(yè)進(jìn)行標(biāo)題和正文內(nèi)容的抽取。
[0109]在一個(gè)實(shí)施例中，如圖15所示，續(xù)頁(yè)鏈接抽取模塊909包括:
[0110]第一續(xù)頁(yè)鏈接確定模塊919，用于如果抽取到的是鏈接標(biāo)簽，則使用抽取到的鏈接標(biāo)簽中的第一個(gè)所對(duì)應(yīng)的鏈接為加載的網(wǎng)頁(yè)中的續(xù)頁(yè)鏈接。
[0111]第二續(xù)頁(yè)鏈接確定模塊929，用于如果抽取到的不是鏈接標(biāo)簽，則查找抽取到的續(xù)頁(yè)塊中的鏈接標(biāo)簽，對(duì)鏈接標(biāo)簽進(jìn)行打分，獲取分?jǐn)?shù)值最高的鏈接標(biāo)簽所對(duì)應(yīng)的鏈接為加載的網(wǎng)頁(yè)中的續(xù)頁(yè)鏈接。
[0112]在一個(gè)實(shí)施例中，如圖16所示，第二續(xù)頁(yè)鏈接確定模塊929包括:
[0113]第一加分模塊929a，用于檢測(cè)鏈接標(biāo)簽的屬性中是否包含預(yù)設(shè)鏈接內(nèi)容，若是，則根據(jù)所屬性中包含的預(yù)設(shè)鏈接內(nèi)容對(duì)鏈接標(biāo)簽進(jìn)行加分。
[0114]續(xù)頁(yè)鏈接獲取模塊929b，用于判斷是否含有大于零分的鏈接標(biāo)簽，如果有，則獲取分?jǐn)?shù)值最高的鏈接標(biāo)簽所對(duì)應(yīng)的鏈接為加載的網(wǎng)頁(yè)中的續(xù)頁(yè)鏈接。
[0115]在另一個(gè)實(shí)施例中，如圖17所示，第二續(xù)頁(yè)鏈接確定模塊929還包括:
[0116]第二加分模塊929c，用于如果沒有大于零分的鏈接標(biāo)簽，則獲取鏈接標(biāo)簽的兄弟節(jié)點(diǎn)，根據(jù)兄弟節(jié)點(diǎn)中包含的文字內(nèi)容對(duì)鏈接標(biāo)簽進(jìn)行加分，以及檢測(cè)鏈接標(biāo)簽中是否包含圖片，若是，則根據(jù)圖片中包含的預(yù)設(shè)文本內(nèi)容對(duì)鏈接標(biāo)簽進(jìn)行加分。
[0117]本實(shí)施例中，續(xù)頁(yè)鏈接獲取模塊929b還用于獲取分?jǐn)?shù)值最高的鏈接標(biāo)簽所對(duì)應(yīng)的鏈接為加載的網(wǎng)頁(yè)中的續(xù)頁(yè)鏈接。
[0118]本領(lǐng)域普通技術(shù)人員可以理解實(shí)現(xiàn)上述實(shí)施例方法中的全部或部分流程，是可以通過(guò)計(jì)算機(jī)程序來(lái)指令相關(guān)的硬件來(lái)完成，所述的程序可存儲(chǔ)于一計(jì)算機(jī)可讀取存儲(chǔ)介質(zhì)中，該程序在執(zhí)行時(shí)，可包括如上述各方法的實(shí)施例的流程。其中，所述的存儲(chǔ)介質(zhì)可為磁碟、光盤、只讀存儲(chǔ)記憶體(Read-Only Memory, ROM)或隨機(jī)存儲(chǔ)記憶體(Random AccessMemory, RAM)等。
[0119]本發(fā)明實(shí)施例還提供了另一種網(wǎng)頁(yè)處理終端，如圖18所示，為了便于說(shuō)明，僅示出了與本發(fā)明實(shí)施例相關(guān)的部分，具體技術(shù)細(xì)節(jié)未揭示的，請(qǐng)參照本發(fā)明實(shí)施例方法部分。該終端可以為包括手機(jī)、平板電腦、PDA (Personal Digital Assistant,個(gè)人數(shù)字助理)、POS (Point of Sales，銷售終端)、車載電腦等任意終端設(shè)備，以終端為手機(jī)為例:
[0120]圖18示出的是與本發(fā)明實(shí)施例提供的終端相關(guān)的手機(jī)的部分結(jié)構(gòu)的框圖。參考圖18，手機(jī)包括:射頻(Rad1 Frequency，RF)電路1110、存儲(chǔ)器1120、輸入單元1130、顯示單元1140、傳感器1150、音頻電路1160、無(wú)線保真(wireless fidelity, WiFi)模塊1170、處理器1180、以及電源1190等部件。本領(lǐng)域技術(shù)人員可以理解，圖18中示出的手機(jī)結(jié)構(gòu)并不構(gòu)成對(duì)手機(jī)的限定，可以包括比圖示更多或更少的部件，或者組合某些部件，或者不同的部件布直。
[0121]下面結(jié)合圖18對(duì)手機(jī)的各個(gè)構(gòu)成部件進(jìn)行具體的介紹:
[0122]RF電路1110可用于收發(fā)信息或通話過(guò)程中，信號(hào)的接收和發(fā)送，特別地，將基站的下行信息接收后，給處理器1180處理；另外，將設(shè)計(jì)上行的數(shù)據(jù)發(fā)送給基站。通常，RF電路包括但不限于天線、至少一個(gè)放大器、收發(fā)信機(jī)、耦合器、低噪聲放大器(LowNoise Amplifier, LNA)、雙工器等。此外，RF電路110還可以通過(guò)無(wú)線通信與網(wǎng)絡(luò)和其他設(shè)備通信。上述無(wú)線通信可以使用任一通信標(biāo)準(zhǔn)或協(xié)議，包括但不限于全球移動(dòng)通訊系統(tǒng)(Global System of Mobile communicat1n, GSM)、通用分組無(wú)線服務(wù)(GeneralPacket Rad1 Service, GPRS)、碼分多址(Code Divis1n Multiple Access, CDMA)、寬帶碼分多址(Wideband Code Divis1n Multiple Access, WCDMA)、長(zhǎng)期演進(jìn)(Long TermEvolut1n, LTE))、電子郵件、短消息服務(wù)(Short Messaging Service, SMS)等。
[0123]存儲(chǔ)器1120可用于存儲(chǔ)軟件程序以及模塊，處理器1180通過(guò)運(yùn)行存儲(chǔ)在存儲(chǔ)器1120的軟件程序以及模塊，從而執(zhí)行手機(jī)的各種功能應(yīng)用以及數(shù)據(jù)處理。存儲(chǔ)器1120可主要包括存儲(chǔ)程序區(qū)和存儲(chǔ)數(shù)據(jù)區(qū)，其中，存儲(chǔ)程序區(qū)可存儲(chǔ)操作系統(tǒng)、至少一個(gè)功能所需的應(yīng)用程序(比如聲音播放功能、圖像播放功能等)等；存儲(chǔ)數(shù)據(jù)區(qū)可存儲(chǔ)根據(jù)手機(jī)的使用所創(chuàng)建的數(shù)據(jù)(比如音頻數(shù)據(jù)、電話本等)等。此外，存儲(chǔ)器1120可以包括高速隨機(jī)存取存儲(chǔ)器，還可以包括非易失性存儲(chǔ)器，例如至少一個(gè)磁盤存儲(chǔ)器件、閃存器件、或其他易失性固態(tài)存儲(chǔ)器件。
[0124]輸入單元1130可用于接收輸入的數(shù)字或字符信息，以及產(chǎn)生與手機(jī)1100的用戶設(shè)置以及功能控制有關(guān)的鍵信號(hào)輸入。具體地，輸入單元1130可包括觸控面板1131以及其他輸入設(shè)備1132。觸控面板1131，也稱為觸摸屏，可收集用戶在其上或附近的觸摸操作(比如用戶使用手指、觸筆等任何適合的物體或附件在觸控面板1131上或在觸控面板1131附近的操作)，并根據(jù)預(yù)先設(shè)定的程式驅(qū)動(dòng)相應(yīng)的連接裝置?？蛇x的，觸控面板1131可包括觸摸檢測(cè)裝置和觸摸控制器兩個(gè)部分。其中，觸摸檢測(cè)裝置檢測(cè)用戶的觸摸方位，并檢測(cè)觸摸操作帶來(lái)的信號(hào)，將信號(hào)傳送給觸摸控制器；觸摸控制器從觸摸檢測(cè)裝置上接收觸摸信息，并將它轉(zhuǎn)換成觸點(diǎn)坐標(biāo)，再送給處理器1180，并能接收處理器1180發(fā)來(lái)的命令并加以執(zhí)行。此外，可以采用電阻式、電容式、紅外線以及表面聲波等多種類型實(shí)現(xiàn)觸控面板1131。除了觸控面板1131，輸入單元1130還可以包括其他輸入設(shè)備1132。具體地，其他輸入設(shè)備1132可以包括但不限于物理鍵盤、功能鍵(比如音量控制按鍵、開關(guān)按鍵等)、軌跡球、鼠標(biāo)、操作桿等中的一種或多種。
[0125]顯示單元1140可用于顯示由用戶輸入的信息或提供給用戶的信息以及手機(jī)的各種菜單。顯示單元1140可包括顯示面板1141，可選的，可以采用液晶顯示器(LiquidCrystal Display, LCD)、有機(jī)發(fā)光二極管(Organic Light-Emitting D1de, 0LED)等形式來(lái)配置顯示面板1141。進(jìn)一步的，觸控面板1131可覆蓋顯示面板1141，當(dāng)觸控面板1131檢測(cè)到在其上或附近的觸摸操作后，傳送給處理器1180以確定觸摸事件的類型，隨后處理器1180根據(jù)觸摸事件的類型在顯示面板1141上提供相應(yīng)的視覺輸出。雖然在圖18中，觸控面板1131與顯示面板1141是作為兩個(gè)獨(dú)立的部件來(lái)實(shí)現(xiàn)手機(jī)的輸入和輸入功能，但是在某些實(shí)施例中，可以將觸控面板1131與顯示面板1141集成而實(shí)現(xiàn)手機(jī)的輸入和輸出功倉(cāng)泛。
[0126]手機(jī)1100還可包括至少一種傳感器1150，比如光傳感器、運(yùn)動(dòng)傳感器以及其他傳感器。具體地，光傳感器可包括環(huán)境光傳感器及接近傳感器，其中，環(huán)境光傳感器可根據(jù)環(huán)境光線的明暗來(lái)調(diào)節(jié)顯示面板1141的亮度，接近傳感器可在手機(jī)移動(dòng)到耳邊時(shí)，關(guān)閉顯示面板1141和/或背光。作為運(yùn)動(dòng)傳感器的一種，加速計(jì)傳感器可檢測(cè)各個(gè)方向上(一般為三軸)加速度的大小，靜止時(shí)可檢測(cè)出重力的大小及方向，可用于識(shí)別手機(jī)姿態(tài)的應(yīng)用匕如橫豎屏切換、相關(guān)游戲、磁力計(jì)姿態(tài)校準(zhǔn))、振動(dòng)識(shí)別相關(guān)功能(比如計(jì)步器、敲擊)等；至于手機(jī)還可配置的陀螺儀、氣壓計(jì)、濕度計(jì)、溫度計(jì)、紅外線傳感器等其他傳感器，在此不再贅述。
[0127]音頻電路1160、揚(yáng)聲器1161,傳聲器1162可提供用戶與手機(jī)之間的音頻接口。音頻電路1160可將接收到的音頻數(shù)據(jù)轉(zhuǎn)換后的電信號(hào),傳輸?shù)綋P(yáng)聲器1161,由揚(yáng)聲器1161轉(zhuǎn)換為聲音信號(hào)輸出；另一方面，傳聲器1162將收集的聲音信號(hào)轉(zhuǎn)換為電信號(hào)，由音頻電路1160接收后轉(zhuǎn)換為音頻數(shù)據(jù)，再將音頻數(shù)據(jù)輸出處理器1180處理后，經(jīng)RF電路1110以發(fā)送給比如另一手機(jī)，或者將音頻數(shù)據(jù)輸出至存儲(chǔ)器1120以便進(jìn)一步處理。
[0128]WiFi屬于短距離無(wú)線傳輸技術(shù)，手機(jī)通過(guò)WiFi模塊1170可以幫助用戶收發(fā)電子郵件、瀏覽網(wǎng)頁(yè)和訪問(wèn)流式媒體等，它為用戶提供了無(wú)線的寬帶互聯(lián)網(wǎng)訪問(wèn)。雖然圖18示出了 WiFi模塊1170，但是可以理解的是，其并不屬于手機(jī)1100的必須構(gòu)成，完全可以根據(jù)需要在不改變發(fā)明的本質(zhì)的范圍內(nèi)而省略。
[0129]處理器1180是手機(jī)的控制中心，利用各種接口和線路連接整個(gè)手機(jī)的各個(gè)部分，通過(guò)運(yùn)行或執(zhí)行存儲(chǔ)在存儲(chǔ)器1120內(nèi)的軟件程序和/或模塊，以及調(diào)用存儲(chǔ)在存儲(chǔ)器1120內(nèi)的數(shù)據(jù)，執(zhí)行手機(jī)的各種功能和處理數(shù)據(jù)，從而對(duì)手機(jī)進(jìn)行整體監(jiān)控?？蛇x的，處理器1180可包括一個(gè)或多個(gè)處理單元；優(yōu)選的，處理器1180可集成應(yīng)用處理器和調(diào)制解調(diào)處理器，其中，應(yīng)用處理器主要處理操作系統(tǒng)、用戶界面和應(yīng)用程序等，調(diào)制解調(diào)處理器主要處理無(wú)線通信?？梢岳斫獾氖?，上述調(diào)制解調(diào)處理器也可以不集成到處理器1180中。
[0130]手機(jī)1100還包括給各個(gè)部件供電的電源1190(比如電池)，優(yōu)選的，電源可以通過(guò)電源管理系統(tǒng)與處理器1180邏輯相連，從而通過(guò)電源管理系統(tǒng)實(shí)現(xiàn)管理充電、放電、以及功耗管理等功能。
[0131]盡管未示出，手機(jī)1100還可以包括攝像頭、藍(lán)牙模塊等，在此不再贅述。
[0132]在本發(fā)明實(shí)施例中，該終端所包括的處理器1180還具有以下功能:獲取與加載的網(wǎng)頁(yè)的URL地址匹配的抽取語(yǔ)句，匹配的抽取語(yǔ)句中包含加載的網(wǎng)頁(yè)的標(biāo)題內(nèi)容塊和正文內(nèi)容塊的路徑描述；根據(jù)標(biāo)題內(nèi)容塊和正文內(nèi)容塊的路徑描述對(duì)加載的網(wǎng)頁(yè)進(jìn)行標(biāo)題和正文內(nèi)容的抽取；顯示抽取的標(biāo)題和正文內(nèi)容。
[0133]在一個(gè)實(shí)施例中，處理器1180還具有以下功能:獲取與加載的網(wǎng)頁(yè)的域名對(duì)應(yīng)的多條抽取語(yǔ)句。
[0134]在一個(gè)實(shí)施例中，處理器1180還具有以下功能:將加載的網(wǎng)頁(yè)的URL地址與多條抽取語(yǔ)句對(duì)應(yīng)的正則表達(dá)式逐一進(jìn)行匹配；若匹配成功，則匹配的正則表達(dá)式對(duì)應(yīng)的抽取語(yǔ)句為匹配的抽取語(yǔ)句。
[0135]在一個(gè)實(shí)施例中，處理器1180還具有以下功能:若匹配成功，則根據(jù)匹配的抽取語(yǔ)句中的標(biāo)題內(nèi)容塊和正文內(nèi)容塊的路徑描述，嘗試抽取加載的網(wǎng)頁(yè)的標(biāo)題和正文內(nèi)容；如果有其中一個(gè)路徑描述嘗試抽取失敗，則繼續(xù)將加載的網(wǎng)頁(yè)的URL地址與多條抽取語(yǔ)句對(duì)應(yīng)的正則表達(dá)式逐一進(jìn)行匹配，直至匹配的抽取語(yǔ)句中的路徑描述都能嘗試抽取成功。
[0136]在一個(gè)實(shí)施例中，處理器1180還具有以下功能:從抽取語(yǔ)句中的第一個(gè)標(biāo)題內(nèi)容塊的路徑描述進(jìn)行檢測(cè)，當(dāng)檢測(cè)到非空字符串時(shí)，則停止檢測(cè)，根據(jù)檢測(cè)到的非空字符串對(duì)加載的網(wǎng)頁(yè)進(jìn)行標(biāo)題的抽??；根據(jù)抽取語(yǔ)句中的正文內(nèi)容塊的路徑描述抽取加載的網(wǎng)頁(yè)中的正文內(nèi)容，并將抽取到的正文內(nèi)容按順序進(jìn)行拼接。
[0137]在一個(gè)實(shí)施例中，匹配的抽取語(yǔ)句中還包含加載的網(wǎng)頁(yè)的雜質(zhì)塊的路徑描述，處理器1180還具有以下功能:根據(jù)雜質(zhì)塊的路徑描述將加載的網(wǎng)頁(yè)中的雜質(zhì)去除。
[0138]在另一個(gè)實(shí)施例中，處理器1180還具有以下功能:將加載的網(wǎng)頁(yè)中帶雜質(zhì)標(biāo)簽的DOM節(jié)點(diǎn)去除。
[0139]在一個(gè)實(shí)施例中，匹配的抽取語(yǔ)句中還包含加載的網(wǎng)頁(yè)的續(xù)頁(yè)塊的路徑描述，處理器1180還具有以下功能:根據(jù)所續(xù)頁(yè)塊的路徑描述抽取加載的網(wǎng)頁(yè)中的續(xù)頁(yè)鏈接；對(duì)續(xù)頁(yè)鏈接對(duì)應(yīng)的網(wǎng)頁(yè)執(zhí)行網(wǎng)頁(yè)處理方法。
[0140]在一個(gè)實(shí)施例中，處理器1180還具有以下功能:如果抽取到的是鏈接標(biāo)簽，使用抽取到的鏈接標(biāo)簽中的第一個(gè)所對(duì)應(yīng)的鏈接為加載的網(wǎng)頁(yè)中的續(xù)頁(yè)鏈接；如果抽取到的不是鏈接標(biāo)簽，則查找抽取到的續(xù)頁(yè)塊中的鏈接標(biāo)簽，對(duì)鏈接標(biāo)簽進(jìn)行打分，獲取分?jǐn)?shù)值最高的鏈接標(biāo)簽所對(duì)應(yīng)的鏈接為加載的網(wǎng)頁(yè)中的續(xù)頁(yè)鏈接。
[0141]在一個(gè)實(shí)施例中，處理器1180還具有以下功能:檢測(cè)所鏈接標(biāo)簽的屬性中是否包含預(yù)設(shè)鏈接內(nèi)容，若是，則根據(jù)屬性中包含的預(yù)設(shè)鏈接內(nèi)容對(duì)鏈接標(biāo)簽進(jìn)行加分；判斷是否含有大于零分的鏈接標(biāo)簽，如果有，則獲取分?jǐn)?shù)值最高的鏈接標(biāo)簽所對(duì)應(yīng)的鏈接為加載的網(wǎng)頁(yè)中的續(xù)頁(yè)鏈接。
[0142]在一個(gè)實(shí)施例中，處理器1180還具有以下功能:如果沒有大于零分的鏈接標(biāo)簽，則獲取鏈接標(biāo)簽的兄弟節(jié)點(diǎn)，根據(jù)兄弟節(jié)點(diǎn)中包含的文字內(nèi)容對(duì)鏈接標(biāo)簽進(jìn)行加分，以及檢測(cè)鏈接標(biāo)簽中是否包含圖片，若是，則根據(jù)圖片中包含的預(yù)設(shè)文本內(nèi)容對(duì)鏈接標(biāo)簽進(jìn)行加分；獲取分?jǐn)?shù)值最高的鏈接標(biāo)簽所對(duì)應(yīng)的鏈接為加載的網(wǎng)頁(yè)中的續(xù)頁(yè)鏈接。
[0143]在一個(gè)實(shí)施例中，處理器1180還具有以下功能:檢測(cè)緩存中是否有與加載的網(wǎng)頁(yè)的域名對(duì)應(yīng)的多條抽取語(yǔ)句，如果有，則從緩存中獲取與加載的網(wǎng)頁(yè)的域名對(duì)應(yīng)的多條抽取語(yǔ)句，如果沒有，則從服務(wù)器獲取與加載的網(wǎng)頁(yè)的域名對(duì)應(yīng)的多條抽取語(yǔ)句并緩存。
[0144]以上所述實(shí)施例僅表達(dá)了本發(fā)明的幾種實(shí)施方式，其描述較為具體和詳細(xì)，但并不能因此而理解為對(duì)本發(fā)明專利范圍的限制。應(yīng)當(dāng)指出的是，對(duì)于本領(lǐng)域的普通技術(shù)人員來(lái)說(shuō)，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干變形和改進(jìn)，這些都屬于本發(fā)明的保護(hù)范圍。因此，本發(fā)明專利的保護(hù)范圍應(yīng)以所附權(quán)利要求為準(zhǔn)。
【權(quán)利要求】
1.一種網(wǎng)頁(yè)處理方法，所述方法包括: 獲取與加載的網(wǎng)頁(yè)的URL地址匹配的抽取語(yǔ)句，所述匹配的抽取語(yǔ)句中包含所述加載的網(wǎng)頁(yè)的標(biāo)題內(nèi)容塊和正文內(nèi)容塊的路徑描述； 根據(jù)所述標(biāo)題內(nèi)容塊和正文內(nèi)容塊的路徑描述對(duì)所述加載的網(wǎng)頁(yè)進(jìn)行標(biāo)題和正文內(nèi)容的抽??； 顯示所述抽取的標(biāo)題和正文內(nèi)容。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述獲取與加載的網(wǎng)頁(yè)的URL地址匹配的抽取語(yǔ)句，包括: 將所述加載的網(wǎng)頁(yè)的URL地址與多條抽取語(yǔ)句對(duì)應(yīng)的正則表達(dá)式逐一進(jìn)行匹配； 若匹配成功，則匹配的正則表達(dá)式對(duì)應(yīng)的抽取語(yǔ)句為所述匹配的抽取語(yǔ)句。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述獲取與加載的網(wǎng)頁(yè)的URL地址匹配的抽取語(yǔ)句，還包括: 若匹配成功，則根據(jù)所述匹配的抽取語(yǔ)句中的標(biāo)題內(nèi)容塊和正文內(nèi)容塊的路徑描述，嘗試抽取所述加載的網(wǎng)頁(yè)的標(biāo)題和正文內(nèi)容； 如果有其中一個(gè)路徑描述嘗試抽取失敗，則繼續(xù)將所述加載的網(wǎng)頁(yè)的URL地址與所述多條抽取語(yǔ)句對(duì)應(yīng)的正則表達(dá)式逐一進(jìn)行匹配，直至匹配的抽取語(yǔ)句中的路徑描述都能嘗試抽取成功。
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)標(biāo)題內(nèi)容塊和正文內(nèi)容塊的路徑描述對(duì)所述加載的網(wǎng)頁(yè)進(jìn)行標(biāo)題和正文內(nèi)容的抽取，包括: 從所述抽取語(yǔ)句中的第一個(gè)標(biāo)題內(nèi)容塊的路徑描述進(jìn)行檢測(cè)，當(dāng)檢測(cè)到非空字符串時(shí)，則停止檢測(cè)，根據(jù)所述檢測(cè)到的非空字符串對(duì)所述加載的網(wǎng)頁(yè)進(jìn)行標(biāo)題的抽取； 根據(jù)所述抽取語(yǔ)句中的正文內(nèi)容塊的路徑描述抽取加載的網(wǎng)頁(yè)中的正文內(nèi)容，并將抽取到的正文內(nèi)容按順序進(jìn)行拼接。
5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述匹配的抽取語(yǔ)句中還包含所述加載的網(wǎng)頁(yè)的雜質(zhì)塊的路徑描述；所述方法還包括: 根據(jù)所述雜質(zhì)塊的路徑描述將所述加載的網(wǎng)頁(yè)中的雜質(zhì)去除。
6.根據(jù)權(quán)利要求1或5所述的方法，其特征在于，所述方法還包括: 將所述加載的網(wǎng)頁(yè)中帶雜質(zhì)標(biāo)簽的DOM節(jié)點(diǎn)去除。
7.根據(jù)權(quán)利要求1或6所述的方法，其特征在于，所述匹配的抽取語(yǔ)句中還包含所述加載的網(wǎng)頁(yè)的續(xù)頁(yè)塊的路徑描述；所述方法還包括: 根據(jù)所述續(xù)頁(yè)塊的路徑描述抽取所述加載的網(wǎng)頁(yè)中的續(xù)頁(yè)鏈接； 對(duì)所述續(xù)頁(yè)鏈接對(duì)應(yīng)的網(wǎng)頁(yè)執(zhí)行所述網(wǎng)頁(yè)處理方法。
8.根據(jù)權(quán)利要求7所述的方法，其特征在于，所述根據(jù)續(xù)頁(yè)塊的路徑描述抽取所述加載的網(wǎng)頁(yè)中的續(xù)頁(yè)鏈接，包括: 如果抽取到的是鏈接標(biāo)簽，則使用所述抽取到的鏈接標(biāo)簽中的第一個(gè)所對(duì)應(yīng)的鏈接為所述加載的網(wǎng)頁(yè)中的續(xù)頁(yè)鏈接； 如果抽取到的不是鏈接標(biāo)簽，則查找抽取到的續(xù)頁(yè)塊中的鏈接標(biāo)簽，對(duì)所述鏈接標(biāo)簽進(jìn)行打分，獲取分?jǐn)?shù)值最高的鏈接標(biāo)簽所對(duì)應(yīng)的鏈接為所述加載的網(wǎng)頁(yè)中的續(xù)頁(yè)鏈接。
9.根據(jù)權(quán)利要求8所述的方法，其特征在于，所述查找抽取到的續(xù)頁(yè)塊中的鏈接標(biāo)簽，對(duì)所述鏈接標(biāo)簽進(jìn)行打分，獲取分?jǐn)?shù)值最高的鏈接標(biāo)簽所對(duì)應(yīng)的鏈接為所述加載的網(wǎng)頁(yè)中的續(xù)頁(yè)鏈接，包括: 檢測(cè)所述鏈接標(biāo)簽的屬性中是否包含預(yù)設(shè)鏈接內(nèi)容，若是，則根據(jù)所述屬性中包含的預(yù)設(shè)鏈接內(nèi)容對(duì)所述鏈接標(biāo)簽進(jìn)行加分； 判斷是否含有大于零分的鏈接標(biāo)簽，如果有，則獲取分?jǐn)?shù)值最高的鏈接標(biāo)簽所對(duì)應(yīng)的鏈接為所述加載的網(wǎng)頁(yè)中的續(xù)頁(yè)鏈接。
10.根據(jù)權(quán)利要求9所述的方法，其特征在于，所述查找抽取到的續(xù)頁(yè)塊中的鏈接標(biāo)簽，對(duì)所述鏈接標(biāo)簽進(jìn)行打分，獲取分?jǐn)?shù)值最高的鏈接標(biāo)簽所對(duì)應(yīng)的鏈接為所述加載的網(wǎng)頁(yè)中的續(xù)頁(yè)鏈接，還包括: 如果沒有大于零分的鏈接標(biāo)簽，則獲取所述鏈接標(biāo)簽的兄弟節(jié)點(diǎn)，根據(jù)所述兄弟節(jié)點(diǎn)中包含的文字內(nèi)容對(duì)所述鏈接標(biāo)簽進(jìn)行加分，以及檢測(cè)所述鏈接標(biāo)簽中是否包含圖片，若是，則根據(jù)所述圖片中包含的預(yù)設(shè)文本內(nèi)容對(duì)所述鏈接標(biāo)簽進(jìn)行加分； 獲取分?jǐn)?shù)值最高的鏈接標(biāo)簽所對(duì)應(yīng)的鏈接為所述加載的網(wǎng)頁(yè)中的續(xù)頁(yè)鏈接。
11.根據(jù)權(quán)利要求1所述的方法，其特征在于，在所述獲取與加載的網(wǎng)頁(yè)的URL地址匹配的抽取語(yǔ)句之前，還包括: 獲取與所述加載的網(wǎng)頁(yè)的域名對(duì)應(yīng)的所述多條抽取語(yǔ)句。
12.根據(jù)權(quán)利要求11所述的方法，其特征在于，所述獲取與加載的網(wǎng)頁(yè)的域名對(duì)應(yīng)的多條抽取語(yǔ)句，包括: 檢測(cè)緩存中是否有與加載的網(wǎng)頁(yè)的域名對(duì)應(yīng)的多條抽取語(yǔ)句，如果有，則從緩存中獲取與加載的網(wǎng)頁(yè)的域名對(duì)應(yīng)的多條抽取語(yǔ)句，如果沒有，則從服務(wù)器獲取與加載的網(wǎng)頁(yè)的域名對(duì)應(yīng)的多條抽取語(yǔ)句并緩存。
13.一種用于執(zhí)行網(wǎng)頁(yè)處理方法的終端，其特征在于，所述終端包括: 抽取語(yǔ)句匹配模塊，用于獲取與加載的網(wǎng)頁(yè)的URL地址匹配的抽取語(yǔ)句，所述匹配的抽取語(yǔ)句中包含所述加載的網(wǎng)頁(yè)的標(biāo)題內(nèi)容塊和正文內(nèi)容塊的路徑描述； 標(biāo)題正文抽取模塊，用于根據(jù)所述標(biāo)題內(nèi)容塊和正文內(nèi)容塊的路徑描述對(duì)所述加載的網(wǎng)頁(yè)進(jìn)行標(biāo)題和正文內(nèi)容的抽??； 顯示模塊，用于顯示所述抽取的標(biāo)題和正文內(nèi)容。
14.根據(jù)權(quán)利要求13所述的終端，其特征在于，所述抽取語(yǔ)句匹配模塊包括: 正則表達(dá)式匹配模塊，用于將所述加載的網(wǎng)頁(yè)的URL地址與多條抽取語(yǔ)句對(duì)應(yīng)的正則表達(dá)式進(jìn)行匹配；若匹配成功，則匹配的正則表達(dá)式對(duì)應(yīng)的抽取語(yǔ)句為所述匹配的抽取語(yǔ)句。
15.根據(jù)權(quán)利要求14所述的終端，其特征在于，所述抽取語(yǔ)句匹配模塊還包括: 嘗試抽取模塊，用于若所述正則表達(dá)式匹配模塊匹配成功，則根據(jù)所述匹配的抽取語(yǔ)句中的標(biāo)題內(nèi)容塊和正文內(nèi)容塊的路徑描述，嘗試抽取所述加載的網(wǎng)頁(yè)的標(biāo)題和正文內(nèi)容； 所述正則表達(dá)式匹配模塊還用于如果有其中一個(gè)路徑描述嘗試抽取失敗，則繼續(xù)將所述加載的網(wǎng)頁(yè)的URL地址與所述多條抽取語(yǔ)句對(duì)應(yīng)的正則表達(dá)式逐一進(jìn)行匹配，直至匹配的抽取語(yǔ)句中的路徑描述都能嘗試抽取成功。
16.根據(jù)權(quán)利要求13所述的終端，其特征在于，所述標(biāo)題正文抽取模塊包括: 標(biāo)題抽取模塊，用于從所述抽取語(yǔ)句中的第一個(gè)標(biāo)題內(nèi)容塊的路徑描述進(jìn)行檢測(cè)，當(dāng)檢測(cè)到非空字符串時(shí)，則停止檢測(cè)，根據(jù)所述檢測(cè)到的非空字符串對(duì)所述加載的網(wǎng)頁(yè)進(jìn)行標(biāo)題的抽取； 正文內(nèi)容抽取模塊，用于根據(jù)所述抽取語(yǔ)句中的正文內(nèi)容塊的路徑描述抽取加載的網(wǎng)頁(yè)中的正文內(nèi)容，并將抽取到的正文內(nèi)容按順序進(jìn)行拼接。
17.根據(jù)權(quán)利要求13所述的終端，其特征在于，所述匹配的抽取語(yǔ)句中還包含所述加載的網(wǎng)頁(yè)的雜質(zhì)塊的路徑描述；所述終端還包括: 第一雜質(zhì)去除模塊，用于根據(jù)所述雜質(zhì)塊的路徑描述將所述加載的網(wǎng)頁(yè)中的雜質(zhì)去除。
18.根據(jù)權(quán)利要求13或17所述的終端，其特征在于，所述終端還包括: 第二雜質(zhì)去除模塊，用于將所述加載的網(wǎng)頁(yè)中帶雜質(zhì)標(biāo)簽的DOM節(jié)點(diǎn)去除。
19.根據(jù)權(quán)利要求13或18所述的終端，其特征在于，所述匹配的抽取語(yǔ)句中還包含所述加載的網(wǎng)頁(yè)的續(xù)頁(yè)塊的路徑描述；所述終端還包括: 續(xù)頁(yè)鏈接抽取模塊，用于根據(jù)所述續(xù)頁(yè)塊的路徑描述抽取所述加載的網(wǎng)頁(yè)中的續(xù)頁(yè)鏈接; 所述抽取語(yǔ)句匹配模塊還用于根據(jù)所述續(xù)頁(yè)鏈接對(duì)應(yīng)的URL地址，獲取與所述續(xù)頁(yè)鏈接對(duì)應(yīng)的URL地址匹配的抽取語(yǔ)句； 所述標(biāo)題正文抽取模塊還用于根據(jù)所述匹配的抽取語(yǔ)句中的標(biāo)題內(nèi)容塊和正文內(nèi)容塊的路徑描述對(duì)所述續(xù)頁(yè)鏈接對(duì)應(yīng)的網(wǎng)頁(yè)進(jìn)行標(biāo)題和正文內(nèi)容的抽取。
20.根據(jù)權(quán)利要求19所述的終端，其特征在于，所述續(xù)頁(yè)鏈接抽取模塊包括: 第一續(xù)頁(yè)鏈接確定模塊，用于如果抽取到的是鏈接標(biāo)簽，則使用所述抽取到的鏈接標(biāo)簽中的第一個(gè)所對(duì)應(yīng)的鏈接為所述加載的網(wǎng)頁(yè)中的續(xù)頁(yè)鏈接； 第二續(xù)頁(yè)鏈接確定模塊，用于如果抽取到的不是鏈接標(biāo)簽，則查找抽取到的續(xù)頁(yè)塊中的鏈接標(biāo)簽，對(duì)所述鏈接標(biāo)簽進(jìn)行打分，獲取分?jǐn)?shù)值最高的鏈接標(biāo)簽所對(duì)應(yīng)的鏈接為所述加載的網(wǎng)頁(yè)中的續(xù)頁(yè)鏈接。
21.根據(jù)權(quán)利要求20所述的終端，其特征在于，所述第二續(xù)頁(yè)鏈接確定模塊包括: 第一加分模塊，用于檢測(cè)所述鏈接標(biāo)簽的屬性中是否包含預(yù)設(shè)鏈接內(nèi)容，若是，則根據(jù)所述屬性中包含的預(yù)設(shè)鏈接內(nèi)容對(duì)所述鏈接標(biāo)簽進(jìn)行加分； 續(xù)頁(yè)鏈接獲取模塊，用于判斷是否含有大于零分的鏈接標(biāo)簽，如果有，則獲取分?jǐn)?shù)值最高的鏈接標(biāo)簽所對(duì)應(yīng)的鏈接為所述加載的網(wǎng)頁(yè)中的續(xù)頁(yè)鏈接。
22.根據(jù)權(quán)利要求21所述的終端，其特征在于，所述第二續(xù)頁(yè)鏈接確定模塊還包括: 第二加分模塊，用于如果沒有大于零分的鏈接標(biāo)簽，則獲取所述鏈接標(biāo)簽的兄弟節(jié)點(diǎn)，根據(jù)所述兄弟節(jié)點(diǎn)中包含的文字內(nèi)容對(duì)所述鏈接標(biāo)簽進(jìn)行加分，以及檢測(cè)所述鏈接標(biāo)簽中是否包含圖片，若是，則根據(jù)所述圖片中包含的預(yù)設(shè)文本內(nèi)容對(duì)所述鏈接標(biāo)簽進(jìn)行加分；所述續(xù)頁(yè)鏈接獲取模塊還用于獲取分?jǐn)?shù)值最高的鏈接標(biāo)簽所對(duì)應(yīng)的鏈接為所述加載的網(wǎng)頁(yè)中的續(xù)頁(yè)鏈接。
23.根據(jù)權(quán)利要求13所述的終端，其特征在于，所述終端還包括: 抽取語(yǔ)句獲取模塊，用于獲取與所述加載的網(wǎng)頁(yè)的域名對(duì)應(yīng)的所述多條抽取語(yǔ)句。
24.根據(jù)權(quán)利要求23所述的終端，其特征在于，所述抽取語(yǔ)句獲取模塊包括: 緩存獲取模塊，用于檢測(cè)緩存中是否有與加載的網(wǎng)頁(yè)的域名對(duì)應(yīng)的多條抽取語(yǔ)句，如果有，則從緩存中獲取與加載的網(wǎng)頁(yè)的域名對(duì)應(yīng)的多條抽取語(yǔ)句； 緩存模塊，用于如果緩存中沒有與加載的網(wǎng)頁(yè)的域名對(duì)應(yīng)的多條抽取語(yǔ)句，則從服務(wù)器獲取與加載的網(wǎng)頁(yè)的域名對(duì)應(yīng)的多條抽取語(yǔ)句并緩存。
【文檔編號(hào)】G06F17/30GK104182429SQ201310204185
【公開日】2014年12月3日 申請(qǐng)日期:2013年5月28日 優(yōu)先權(quán)日:2013年5月28日
【發(fā)明者】宋飛 申請(qǐng)人:騰訊科技（深圳）有限公司