[發明專利]一種網頁數據處理方法及裝置

有效

• 申請號: 201410182175.9
• 申請日: 2014-04-30
• 公開（公告）號: CN104008131B
• 公開（公告）日: 2018-07-13
• 發明（設計）人: 王曉振
• 申請（專利權）人: 廣州市動景計算機科技有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京展翼知識產權代理事務所(特殊普通合伙) 11452
• 代理人: 屠長存

本申請實施例公開了一種網頁數據處理方法及裝置，其通過獲取同一網頁地址對應的預設網頁和待測網頁，并分別在上述預設網頁和待測網頁中存在實際內容的區域設置第一標識，以上述預設網頁為基準，判斷待測網頁中設置有第一標識的區域是否與預設網頁中設置有第一標識的區域匹配，根據判斷結果判定該待測網頁是否存在過濾問題。本申請能夠自動檢測多個網站、多個網頁地址對應的網頁的過濾問題；在某網頁地址對應的網頁排版樣式和/或框架代碼改變后，只需相應改變該網頁地址對應的預設網頁即可繼續準確執行自動檢測。因此，相對于人工檢測法，本申請能夠快速、及時地檢測出網頁存在的過濾問題，提高檢測效率，尤其適用于待測網頁數量巨大的場合。

技術領域

本申請涉及移動通信技術領域，特別是涉及一種網頁數據處理方法及裝置。

背景技術

網站運營者通常會在網頁內植入某些商家的數據，例如廣告，以相應獲得這些商家的贊助，進而保障網站的正常運行及盈利；但對于用戶來說，網頁中植入的這些數據均屬于非有效內容，其存在給用戶帶來了諸多不便，如：用戶在瀏覽一個新網頁時，首先需要區分其中的廣告等非有效內容和有效內容；或者，由于廣告內容對相應網頁區域中有效內容的遮擋，導致用戶難以獲取該有效內容。為了給用戶提供一個潔凈的網絡環境，多數瀏覽器都設置有過濾功能，以濾除網頁中植入的非有效內容，例如過濾廣告；其過濾原理一般為：根據待過濾網頁的排版樣式、框架代碼等特征制定對應的過濾規則，通過該過濾規則來識別網頁中的非有效內容(例如廣告)，并阻斷非有效內容在網頁中的加載過程或將非有效內容在頁面中隱藏，不進行顯示。

但實際應用中，由于網頁的排版樣式會隨著網站的更新而發生變化，或者，網站維護者為避免其植入的數據被過濾而刻意更改網頁的排版樣式或框架代碼等特征，導致預設的過濾規則不再適用于更新后的網頁，從而出現過濾失效、誤過濾有效內容等過濾問題。因此，需要及時發現上述過濾問題，以便優化過濾方法，提高過濾準確度。

一般的，通過人工檢測法來確定網頁是否存在過濾問題，能夠保證檢測結果的準確性，但由于網站數量巨大，且每個網站每天可能更新十幾次甚至更多，該人工檢測法無法保證及時檢測到每次過濾問題，檢測效率極低。

發明內容

本申請實施例中提供了一種網頁數據處理方法及裝置，以解決人工檢測網頁過濾問題所存在的檢測不及時、效率低的問題，實現快速有效地發現過濾問題。

為了解決上述技術問題，本申請實施例公開了如下技術方案：

第一方面，提供一種網頁數據處理方法，包括：獲取待測網頁，以及所述待測網頁的網頁地址對應的預設網頁；分別在所述預設網頁和待測網頁中存在實際內容的區域設置第一標識；判斷所述預設網頁與所述待測網頁中設置有所述第一標識的區域是否相匹配；如果所述預設網頁與待測網頁中設置有所述第一標識的區域相匹配，則判定所述待測網頁不存在過濾問題，否則判定所述待測網頁存在過濾問題。

結合第一方面，在第一方面第一種可能的實現方式中，所述第一標識為預設顏色，所述分別在所述預設網頁和待測網頁中存在實際內容的區域設置第一標識，包括：分別將所述預設網頁和待測網頁中存在實際內容的區域的背景顏色設置為預設顏色；當所述實際內容為文字時，設置所述文字的顏色為所述預設顏色；當所述實際內容為圖片時，刪除所述圖片。

結合第一方面，在第一方面第二種可能的實現方式中，所述第一標識為邊框，所述分別在所述預設網頁和待測網頁中存在實際內容的區域設置第一標識，包括：分別在所述預設網頁和待測網頁中存在實際內容的區域設置邊框；其中，所述邊框與所述存在實際內容的區域的邊界重合。