[發明專利]一種標記文件解析方法和裝置

有效

• 申請號: 201210091311.4
• 申請日: 2012-03-30
• 公開（公告）號: CN102651019A
• 公開（公告）日: 2012-08-29
• 發明（設計）人: 杭程;李超;萬勇;任寰
• 申請（專利權）人: 奇智軟件（北京）有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京潤澤恒知識產權代理有限公司 11319
• 代理人: 蘇培華

1.一種標記文件解析方法，其特征在于，包括：

獲取標記文件中的標簽對象，生成標簽集合；

根據所述標簽集合中標簽對象的公共屬性，對所述標簽對象進行分組，從所述分組的結果獲得一個或多個分組標簽；

依據預置的標記文件解析映射表，匹配所述一個或多個分組標簽中的標簽對象的屬性；

從相匹配的分組標簽中，獲取標記文件解析用的數據。

2.如權利要求1所述的方法，其特征在于，根據所述標簽集合中標簽對象的公共屬性對所述標簽對象進行分組，包括：

將標簽集合中具有相同父節點的標簽對象置于同一分組標簽內。

3.如權利要求2所述的方法，其特征在于，所述從所述分組的結果獲得一個或多個分組標簽之后還包括分組標簽再分組，包括：

判斷當前分組結果中一個或多個分組標簽；

若當前分組標簽包含兩個或多個標簽對象，且所述兩個或多個標簽對象不具有相同的父節點，則將當前分組標簽內具有相同父節點的標簽對象置于另一分組標簽內；

重復上述步驟直到當前分組標簽不可再分組。

4.如權利要求1所述的方法，其特征在于，所述標記文件是超文本標記HTML文件。

5.如權利要求1所述的方法，其特征在于，所述標簽對象是<input>輸入框；

所述依據預置的標記文件解析映射表，匹配所述一個或多個分組標簽中的標簽對象的屬性還包括：

若當前分組標簽中僅含有1個密碼輸入框，且位于所述密碼輸入框下級兄弟節點的標簽對象不是文本輸入框，則當前分組標簽為登錄表單。

6.如權利要求5所述的方法，其特征在于，還包括：

若當前分組標簽為登錄表單，且當前分組標簽內密碼輸入框存在多級父節點，且當前分組標簽不可再分，且所述密碼輸入框的最近父節點內包括至少一個文本輸入框，則將所述密碼輸入框最近父節點內的標簽對象置于新的分組標簽內。

7.如權利要求5所述的方法，其特征在于，所述依據預置的標記文件解析映射表，匹配所述一個或多個分組標簽中的標簽對象的屬性還包括：

若當前分組標簽中僅含有1個密碼輸入框，且位于所述密碼輸入框下級兄弟節點的標簽對象是文本輸入框，則當前分組標簽為注冊表單。

8.如權利要求7所述的方法，其特征在于，所述依據預置的標記文件解析映射表，匹配所述一個或多個分組標簽中的標簽對象的屬性還包括：

若當前分組標簽中包含2個位置連續的且互為兄弟節點的密碼輸入框，則當前分組標簽為注冊表單。

9.如權利要求8所述的方法，其特征在于，所述依據預置的標記文件解析映射表，匹配所述一個或多個分組標簽中的標簽對象的屬性還包括：

若當前分組標簽中包含3個位置連續且互為兄弟節點的密碼輸入框，則當前分組標簽為密碼修改表單。

10.一種網頁填充方法，其特征在于，包括：標記文件解析；目標數據存儲；目標數據填充；

所述標記文件解析包括：

獲取標記文件中的標簽對象，生成標簽集合；

根據所述標簽集合中標簽對象的公共屬性，對所述標簽對象進行分組，從所述分組的結果獲得一個或多個分組標簽；

依據預置的標記文件解析映射表，匹配所述一個或多個分組標簽中的標簽對象的屬性；

相匹配的分組標簽為目標輸入項；

所述目標數據存儲包括：

從所述目標輸入項中獲取目標數據并存儲在配置信息中；

所述目標數據填充包括：

從配置信息中獲取目標數據并填充在所述標記文件對應的目標輸入項中。