本發(fā)明屬于信息與數(shù)據(jù)處理領(lǐng)域，特別地涉及一種html頁面的信息采集方法。

背景技術(shù)：

隨著信息化程度不斷加深，企業(yè)對情報信息化集成的渴求也日益強烈；互聯(lián)網(wǎng)持續(xù)增長的信息資源蘊含了巨量的具有商業(yè)價值的信息，成為重要的情報信息源頭。目前，html頁面的信息采集的相關(guān)產(chǎn)品為數(shù)不多，且產(chǎn)品對用戶本身的基礎(chǔ)信息設(shè)施要求高，實施周期長，系統(tǒng)建設(shè)和維護成本高，主要客戶是超大型企業(yè)和政府，普通企業(yè)無

力承受。

目前在客戶機、服務(wù)端（C/S）模型下，服務(wù)端可以直接獲取客戶機上提交的表單。 但對于第三方應(yīng)用開發(fā)，由于服務(wù)端是不可再更改的，這時就無法直接進行html表單統(tǒng)計。

技術(shù)實現(xiàn)要素：

為解決上述問題，本發(fā)明的目的在于提供一種無需更改服務(wù)端就能實現(xiàn)html頁面信息采集的方法。

為實現(xiàn)上述目的，本發(fā)明的技術(shù)方案為：

一種html頁面的信息采集方法，包括以下步驟：

S1.采用BHO插件監(jiān)聽方式或npapi插件監(jiān)聽方式，監(jiān)聽網(wǎng)頁表單提交事件，并在事件處理中獲取表單元素信息；

S2.BHO插件或npapi插件將獲取到的元素信息進行加密處理；

S3.將加密處理過的信息，傳輸?shù)椒?wù)器端。

進一步的，在S1中，對于IE內(nèi)核的瀏覽器采用BHO插件監(jiān)聽方式；對于非IE內(nèi)核的瀏覽器采用npapi插件監(jiān)聽方式。

進一步的，BHO插件監(jiān)聽方式包括以下步驟：

S111.BHO插件監(jiān)聽瀏覽器的html文檔加載完畢事件；

S112.在html文檔加載完畢事件中，獲取引發(fā)鼠標(biāo)點擊事件的對應(yīng)元素；

S113.通過該元素的com接口，獲取元素信息；

S114.將獲取到的元素信息保存在BHO插件中，準(zhǔn)備發(fā)往服務(wù)器。

優(yōu)選地，S112中，若引發(fā)鼠標(biāo)點擊事件的是表單提交按鈕，對應(yīng)多個元素，則選取當(dāng)前html文檔需要的對應(yīng)元素。

進一步的，npapi插件監(jiān)聽方式包括以下步驟：

S121.瀏覽器擴展引用npapi插件，啟動npapi插件中一個類的實例，注入執(zhí)行javascript腳本；

S122.在執(zhí)行javascript腳本過程中，監(jiān)聽表單提交按鈕的點擊事件；

S123.在javascript腳本的點擊事件處理函數(shù)中，獲取引發(fā)鼠標(biāo)點擊事件的對應(yīng)元素信息；

S124.javascript腳本將元素信息傳給npapi插件，并準(zhǔn)備發(fā)往服務(wù)器。

進一步的，在S2中，所述的加密處理為：

BHO插件或npapi插件將信息進行格式化，對其中的敏感字段進行加密，并對格式化后的信息報文進行簽名，服務(wù)器端對簽名進行驗證。

優(yōu)選地，信息按照json格式進行格式化。

優(yōu)選地，對敏感字段的加密方式為RSA公鑰，服務(wù)器端使用私鑰解密；對信息報文使用RSA私鑰簽名，服務(wù)器端使用RSA公鑰驗證簽名。

優(yōu)選地，在S3中，傳輸協(xié)議使用http協(xié)議。

本發(fā)明的有益效果是：

（1）本方法無需在網(wǎng)站服務(wù)端做出任何更改，只需在客戶機上安裝插件，即可獲取表單信息，并發(fā)送到服務(wù)器進行統(tǒng)計；信息提取成本低，可大大提高信息錄入的速度和準(zhǔn)確性。

（2）本方法具有網(wǎng)站無關(guān)性，對于任意需要采集信息的html頁面，都可以使用本方法直接采集信息。

附圖說明

圖1為本發(fā)明實施例中的html信息采集流程圖；

圖2為本發(fā)明實施例中的BHO插件監(jiān)聽方式流程圖；

圖3為本發(fā)明實施例中的npapi插件監(jiān)聽方式流程圖。

具體實施方式

為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點更加清楚明白，以下結(jié)合附圖及實施例，對本發(fā)明進行進一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實施例僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

相反，本發(fā)明涵蓋任何由權(quán)利要求定義的在本發(fā)明的精髓和范圍上做的替代、修改、等效方法以及方案。進一步，為了使公眾對本發(fā)明有更好的了解，在下文對本發(fā)明的細(xì)節(jié)描述中，詳盡描述了一些特定的細(xì)節(jié)部分。對本領(lǐng)域技術(shù)人員來說沒有這些細(xì)節(jié)部分的描述也可以完全理解本發(fā)明。

本發(fā)明實施例的html信息錄入方法流程如圖 1 所示。

一種html頁面的信息采集方法，包括以下步驟：

S1.采用BHO插件監(jiān)聽方式或npapi插件監(jiān)聽方式，監(jiān)聽網(wǎng)頁表單提交事件，并在事件處理中獲取表單元素信息；

S2.BHO插件或npapi插件將獲取到的元素信息進行加密處理；

S3.將加密處理過的信息，傳輸?shù)椒?wù)器端。

在S1中，對于IE內(nèi)核的瀏覽器采用BHO插件監(jiān)聽方式；對于非IE內(nèi)核的瀏覽器采用npapi插件監(jiān)聽方式。

其中，BHO插件是針對IE瀏覽器的插件，BHO插件是一種com組件，實現(xiàn)了IObjectWithSite接口。并需要根據(jù)瀏覽器是32位還是64位，到注冊表\\HKLM\SOFTWARE\Microsoft\Windows\CurrentVersion\Explorer\Browser Helper Objects 注冊BHO插件的guid。

BHO插件監(jiān)聽方式包括以下步驟：

S111.BHO插件監(jiān)聽瀏覽器的html文檔加載完畢事件；實際上上是某個提交按鈕的點擊事件，事件ID: DISPID_HTMLDOCUMENTEVENTS2_ONCLICK。

S112.在html文檔加載完畢事件中，獲取引發(fā)鼠標(biāo)點擊事件的對應(yīng)元素；若引發(fā)鼠標(biāo)點擊事件的是表單提交按鈕，對應(yīng)多個元素，則選取當(dāng)前html文檔需要的對應(yīng)元素。

S113.通過該元素的com接口，獲取元素信息；使用IHTMLDocument2的get_all函數(shù)，即可獲取所有的元素接口IHTMLElement，使用該接口的getAttribute方法，即可獲取元素內(nèi)容，即元素信息。

S114.將獲取到的元素信息保存在BHO插件中，準(zhǔn)備發(fā)往服務(wù)器。

其中，npapi插件即網(wǎng)景插件應(yīng)用程序編程接口，是遵循網(wǎng)景通信公司（Netscape Communications Corporation）所制定規(guī)范的一組單純的 C Plugin應(yīng)用程序接口，主要針對非IE瀏覽器。2004年底時，各家瀏覽器公司(IE, Opera, Mozilla 等) 都同意支援NPRuntime延伸 API（應(yīng)用程序編程接口）以支援Scriptability，所以目前需要以NPRuntime API為基礎(chǔ)，才能使Plugin跨越各種瀏覽器。

將包含npapi插件的擴展安裝到瀏覽器上，當(dāng)瀏覽器啟動后，會在默認(rèn)的plugins文件夾中加載npapi插件，并讀取插件的MimeType屬性，保存到瀏覽器內(nèi)部。插件初始化時，瀏覽器通過NP_Initialize接口將自己的接口傳遞給npapi插件，npapi插件通過NP_GetEntryPoints接口將自身接口傳遞給瀏覽器，從而達(dá)到雙方互調(diào)的目的。

npapi插件監(jiān)聽方式包括以下步驟：

S121.瀏覽器擴展通過在background html中引用npapi插件，啟動npapi插件中一個類的實例，當(dāng)目標(biāo)網(wǎng)站與瀏覽器擴展中的matches定義的相匹配時，注入執(zhí)行javascript腳本；

S122.在執(zhí)行javascript腳本過程中，使用addListener函數(shù)監(jiān)聽表單提交按鈕的點擊事件；

S123.在javascript腳本的點擊事件處理函數(shù)中，獲取引發(fā)鼠標(biāo)點擊事件的對應(yīng)元素信息；

S124.javascript腳本將元素信息傳給npapi插件，并準(zhǔn)備發(fā)往服務(wù)器。

在S2中，所述的加密處理為：

BHO插件或npapi插件將獲得的信息按照json格式進行格式化，對其中的敏感字段使用RAS公鑰加密，該公鑰為系統(tǒng)初始化時服務(wù)器端下發(fā)的。服務(wù)器端使用私鑰解密，保證數(shù)據(jù)不可被識別。對組建完畢的json報文，使用RSA私鑰進行簽名，服務(wù)器端使用RSA公鑰驗證簽名，保證數(shù)據(jù)的不可篡改性。

另外，在S3中，傳輸協(xié)議使用http協(xié)議。

以上所述僅為本發(fā)明的較佳實施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進等，均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)。