[發明專利]一種面向網頁內容無障礙訪問的頁內導航生成方法

有效

• 申請號: 201210216109.X
• 申請日: 2012-06-25
• 公開（公告）號: CN102799638A
• 公開（公告）日: 2012-11-28
• 發明（設計）人: 王燦;卜佳俊;周逸倫;何占盈;陳純
• 申請（專利權）人: 浙江大學
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 杭州天正專利事務所有限公司 33201
• 代理人: 王兵;黃美娟

1.面向網頁內容無障礙訪問的頁內導航索引生成方法，該方法的特征在于從互聯網抓取網頁后，針對每個網頁進行以下操作：

1）使用數據條目抽取算法抽取網頁的數據條目，即網頁中通過一致的結構呈現的數據。

2）使用頁面區塊劃分算法將頁面進行區塊劃分，區塊劃分時并列的數據條目分入同一區塊；

3）利用數據條目和劃分區塊建立兩級導航索引樹，第一層級是網頁的區塊，第二層級是每個區塊中的數據條目。

2.如權利要求1所述的面向網頁內容無障礙訪問的頁內導航生成方法，其特征在于：所述的步驟1）中所述的數據條目抽取算法如下：

1）建立當前頁面的HTML標簽樹，也就是DOM樹；

2）遍歷DOM樹的所有節點，對當前節點的所有子節點進行下面的操作;遍歷起始子節點的位置i和節點的個數k，將第???????????????????????????????????????????????????的k個子節點構成的廣義節點與第????的k個子節點構成的廣義節點進行比較，計算兩個廣義節點的相對距離;其中n大于零且i+(n+2)·k-1小于等于當前節點所有子節點的個數。

廣義節點i與j之間的相對距離distance由以下公式計算得到：

Distance(i，j)＝η·FED(i，j)+θ·(WD(i，j)+HD(i，j))

其中η與θ是權重系數，WD(i，j)和HD(i，j)分別是節點間的寬度差和高度差，而FED(i，j)通過以下方法計算得到，廣義節點i與廣義節點j中包含相同數量n的節點，遍歷廣義節點i中的節點，對于以i中第k個節點為根的DOM樹T_ik，將其與以j中的第k個節點為根的DOM樹T_jk比較并計算得到DOM樹的編輯距離,將所有DOM樹編輯距離相加：

DOM樹相對編輯距離為通過插入節點、刪除節點和替換節點三種操作將DOM樹A轉換成DOM樹B的最小總操作代價，通過下面的公式計算得到：

ins、del、rep為將樹u轉變成樹v所進行的插入節點操作次數、刪除節點操作次數、替換節點操作次數，α、β、γ為參數;

3）從DOM樹的根節點遞歸地計算每個節點的所有子節點產生的?數據區域，其中數據區域定義為擁有同一父節點并相鄰的多個廣義節點的集合，并且滿足任意相鄰兩個廣義節點間的編輯距離小于預先設定的閾值；

4）處理每個數據區域的廣義節點以得到數據條目，如果數據條目在網頁呈現上以橫向、縱向排列，那么每個廣義節點對應一個數據條目；如果以表格方式排列，那么每個廣義節點對應的是表格中的一行，需要將一行中的每個單元格作為數據條目。

3.如權利要求1所述的面向網頁內容無障礙訪問的頁內導航生成方法，其特征在于：所述的步驟2）中所述的頁面區塊劃分算法從DOM樹根節點遞歸進行如下操作：

1）對當前節點進行區塊的初步分割，若被分割的區塊不包含任何內容，則舍棄它，否則根據下表中的規則判斷是否可以分割；

??規則編號 條件 ??結果 ??1 包含數據條目子節點 ??不分割 ??2 僅有一個子節點，且該節點不是純文本 ??分割 ??3 所有子節點均為非布局內容（例如文字、段落等） ??不分割 ??4 子樹中包含分割線節點 ??分割 ??5 子樹的可讀文字內容小于預設的閾值 ??不分割 ??6 其他所有情況 ??分割

2）根據各個區塊的位置檢測分隔符，分隔符包括橫向、縱向貫穿當前節點整個區域的DOM分割線和內容之間的空隙，并計算分隔符的權重；

3）根據當前區塊內部的不一致程度判斷當前區塊是否應被分割，若區塊不一致程度大于預先設定的閾值，則進行分割，并對劃分出來的每個子區塊遞歸從步驟1）開始進行新一輪的區塊劃分；

區塊內部的不一致程度DOI表示為：

DOI＝MSW-η₁logα-η₂log(TL-1)-η₃log(DNC-1)

其中η₁，η₂，η₃是可調節的各個影響因素的權重系數，MSW為最大分隔符權重，α為區塊面積，TL為區塊文本長度，DNC為區塊DOM節點個數與文本長度的比值。?