[發明專利]確定網頁類型的方法和裝置

無效

• 申請號: 201210539055.0
• 申請日: 2012-12-13
• 公開（公告）號: CN103870486A
• 公開（公告）日: 2014-06-18
• 發明（設計）人: 張富強;楊巍
• 申請（專利權）人: 深圳市世紀光速信息技術有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京三高永信知識產權代理有限責任公司 11138
• 代理人: 滕一斌

技術領域

本發明涉及通信技術領域，特別涉及一種確定網頁類型的方法和裝置。

背景技術

隨著移動互聯網和移動終端（如手機、平板電腦等）的迅速發展，除了可以通過pc(person?computer，個人計算機)終端接入互聯網外，還可以通過移動終端接入互聯網。因此除了針對pc終端的web網頁外，還出現了針對移動終端的wap（Wireless?Application?Protocol，無線應用協議）網頁。但針對移動終端的wap網頁在pc終端上體驗很不好，特別是wap1.0網頁在pc終端上無法展示。同時針對pc終端的web網頁也不能很好的在移動終端上展示。所以對于搜索引擎來講，在爬取網頁時的首要任務，便是確定出網頁的類型，即區分出當前網頁是wap網頁還是web網頁，這樣才能不讓對移動終端不友好的web網頁出現在wap網頁搜索結果中，同時不讓對pc終端不友好的wap網頁出現在web網頁搜索結果中。

現有確定網頁類型的方法主要包括：通過wap網頁和web網頁標記語言的差別進行確定、通過網頁文檔內容進行確定等。

然而，在實現本發明的過程中，發明人發現現有技術至少存在以下問題：

通過wap網頁和web網頁標記語言的差別進行確定的方法，可以確定出使用WML（Wireless?Markup?Language，無線標記語言）標記語言的Wap1.0網頁和使用HTML（Hyper?Text?Mark-up?Language，超文本標記語言）標記語言的web網頁（WML和HTML兩種標記語言的差別很大），但無法確定出使用XHTML（eXtensible?HyperText?Markup?Language，可擴展超文本標記語言）標記語言的wap2.0網頁（XHTML和HTML兩種標記語言的差別很小）和使用HTML標記語言的web網頁。

通過網頁文檔內容進行確定的方法，規范的wap2.0網頁在網頁文檔的開頭位置會有類似“<!DOCTYPE?html?PUBLIC-//WAPFORUM//DTD?XHTML?Mobile”的聲明，對于按照規范編寫的網頁能夠通過這個聲明確定出是wap2.0網頁還是web網頁，但實際上大部分網頁都是不規范的，無法確定出是wap2.0網頁還是web網頁。

發明內容

為了解決現有技術的問題，本發明實施例提供了一種確定網頁類型的方法和裝置。所述技術方案如下：

一方面，提供了一種確定網頁類型的方法，所述方法包括：

獲取網頁的文檔信息；其中，所述網頁的文檔信息包含網頁地址URL信息、網頁文檔內容信息和網頁視覺信息；

從所述網頁的文檔信息中提取網頁特征參數；

根據提取出的網頁特征參數，確定所述網頁的類型。

另一方面，提供了一種確定網頁類型的裝置，所述裝置包括：

獲取模塊，用于獲取網頁的文檔信息；其中，所述網頁的文檔信息包含網頁地址URL信息、網頁文檔內容信息和網頁視覺信息；

提取模塊，用于在所述獲取模塊獲取網頁的文檔信息后，從所述網頁的文檔信息中提取網頁特征參數；

確定模塊，用于在所述提取模塊從所述網頁的文檔信息中提取網頁特征參數后，根據提取出的網頁特征參數，確定所述網頁的類型。

本發明實施例提供的技術方案帶來的有益效果是：

從獲取的網頁的文檔信息（包含網頁地址URL信息、網頁文檔內容信息和網頁視覺信息）中提取網頁特征參數，網頁特征參數提取的范圍廣，可以提取出多個網頁特征參數，使得可以根據提取出的網頁特征參數，有效地確定出該網頁的類型。

附圖說明

為了更清楚地說明本發明實施例中的技術方案，下面將對實施例描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他的附圖。

圖1是本發明實施例一提供的確定網頁類型的方法流程圖；

圖2是本發明實施例二提供的確定網頁類型的方法流程圖；

圖3是本發明實施例三提供的確定網頁類型的裝置結構示意圖。

具體實施方式

為使本發明的目的、技術方案和優點更加清楚，下面將結合附圖對本發明實施方式作進一步地詳細描述。

實施例一

本發明實施例提供了一種確定網頁類型的方法，參見圖1，該方法包括：

101：獲取網頁的文檔信息。