[發明專利]基于Electron的文檔離線系統及方法

在審

• 申請號: 201910495872.2
• 申請日: 2019-06-05
• 公開（公告）號: CN110309474A
• 公開（公告）日: 2019-10-08
• 發明（設計）人: 周晶;吳峰;郭偉
• 申請（專利權）人: 上海易點時空網絡有限公司
• 主分類號: G06F16/958
• 分類號: G06F16/958;G06F16/957
• 代理公司: 北京卓唐知識產權代理有限公司 11541
• 代理人: 唐海力;李志剛

1.基于Electron的文檔離線系統，其特征在于，包括Electron、離線模塊以及云端服務器；

所述Electron通過其網絡攔截功能對待離線文檔的入口地址進行攔并訪問；所述離線模塊對所述Electron攔截并訪問的文檔進行提取，對與文檔無關的頁面和資源進行剔除，同時對屬于文檔的資源進行本地化緩存，并保存至所述云端服務器中。

2.根據權利要求1所述的文檔離線系統，其特征在于，所述離線模塊通過Dom樹或網頁分割尋找正文塊的算法進行文檔提取。

3.根據權利要求2所述的文檔離線系統，其特征在于，所述Dom樹算法包括如下步驟：

1)利用開源包HTML Tidy處理HTML，更正其中錯誤或不規范的地方；

2)根據規范的HTML建立Dom樹，然后遞歸遍歷Dom樹，比較并識別各種非文檔的頁面和資源，包括廣告和非重要節點信息；并將其剔除；在本發明中，剔除廣告信息需要建立經常更新的廣告服務器列表；

3)剔除非文檔的頁面和資源后，將Dom樹中剩余的內容作為文檔內容從余下的樹節點中提取緩存。

4.根據權利要求2所述的文檔離線系統，其特征在于，所述網頁分割尋找正文塊算法具體為：首先利用HTML標簽中的分隔線以及視覺信息對網頁進行分割，在分割之后的各個塊中尋找到正文塊并進行緩存。

5.根據權利要求1所述的文檔離線系統，其特征在于，還包括二次編輯模塊；開發人員將離線后的文檔導入所述二次編輯模塊中，對所述離線后的文檔進行二次編輯，并將二次編輯后的文檔保存至所述云端服務器中。

6.根據權利要求5所述的文檔離線系統，其特征在于，所述二次編輯模塊采用ChromeDevTools Protocl。

7.一種應用權利要求1至6中任一項所述的文檔離線系統的文檔離線方法，其特征在于，包括步驟：

步驟1、通過Electron的網絡攔截功能對待離線文檔的入口地址進行攔并訪問；

步驟2、通過離線模塊對所述Electron攔截并訪問的文檔進行提取，對與文檔無關的頁面和資源進行剔除，同時對屬于文檔的資源進行本地化緩存，并保存至所述云端服務器中。

8.根據權利要求7所述的文檔離線方法，其特征在于，還包括對所述離線文檔的二次編輯步驟，具體為：通過所述二次編輯模塊對所述離線后的文檔進行二次編輯，并保存至所述云端服務器中。

9.根據權利要求7所述的文檔離線方法，其特征在于，所述步驟2中，離線模塊對所述Electron攔截并訪問的文檔進行提取離線采用的是Dom樹或網頁分割尋找正文塊的算法。

10.根據權利要求9所述的文檔離線方法，其特征在于，所述Dom樹算法包括如下步驟：1)利用開源包HTML Tidy處理HTML，更正其中錯誤或不規范的地方；2)根據規范的HTML建立Dom樹，然后遞歸遍歷Dom樹，比較并識別各種非文檔的頁面和資源，包括廣告和非重要節點信息；并將其剔除；在本發明中，剔除廣告信息需要建立經常更新的廣告服務器列表；3)剔除非文檔的頁面和資源后，將Dom樹中剩余的內容作為文檔內容從余下的樹節點中提取緩存；

所述網頁分割尋找正文塊算法具體為：首先利用HTML標簽中的分隔線以及視覺信息對網頁進行分割，在分割之后的各個塊中尋找到正文塊并進行緩存。