[發(fā)明專利]HTML數(shù)據(jù)解析方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202010952980.0
• 申請(qǐng)日: 2020-09-11
• 公開(kāi)（公告）號(hào): CN112148298A
• 公開(kāi)（公告）日: 2020-12-29
• 發(fā)明（設(shè)計(jì)）人: 徐靜;范淵
• 申請(qǐng)（專利權(quán)）人: 杭州安恒信息技術(shù)股份有限公司
• 主分類(lèi)號(hào): G06F8/41
• 分類(lèi)號(hào): G06F8/41;G06F16/958
• 代理公司: 杭州華進(jìn)聯(lián)浙知識(shí)產(chǎn)權(quán)代理有限公司 33250
• 代理人: 陳涵

本申請(qǐng)涉及一種HTML數(shù)據(jù)解析方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)，該方法包括：獲取HTML數(shù)據(jù)，并對(duì)所述HTML數(shù)據(jù)進(jìn)行標(biāo)記解析得到標(biāo)記名稱；基于所述標(biāo)記名稱與預(yù)設(shè)重寫(xiě)標(biāo)記進(jìn)行匹配，得到匹配信息；根據(jù)所述匹配信息以及預(yù)設(shè)雙解析規(guī)則，選取對(duì)應(yīng)解析子規(guī)則；所述預(yù)設(shè)雙解析規(guī)則包括至少兩種所述解析子規(guī)則；根據(jù)所述解析子規(guī)則對(duì)所述標(biāo)記名稱對(duì)應(yīng)的HTML數(shù)據(jù)段進(jìn)行解析；重復(fù)以上步驟對(duì)所述HTML數(shù)據(jù)中其他標(biāo)記名稱對(duì)應(yīng)的HTML數(shù)據(jù)段進(jìn)行解析。通過(guò)本申請(qǐng)，使HTML數(shù)據(jù)解析方式更加靈活，提高了解析本身的速度，降低了交互帶來(lái)的性能負(fù)擔(dān)，減短了用戶對(duì)網(wǎng)站系統(tǒng)訪問(wèn)的響應(yīng)時(shí)間。

技術(shù)領(lǐng)域

本申請(qǐng)涉及頁(yè)面處理技術(shù)領(lǐng)域，特別是涉及一種HTML數(shù)據(jù)解析方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)。

背景技術(shù)

隨著互聯(lián)網(wǎng)及其應(yīng)用的快速發(fā)展，絕大多數(shù)企業(yè)都建立自己的網(wǎng)站，增強(qiáng)對(duì)外聯(lián)絡(luò)，加速業(yè)務(wù)流程，客戶對(duì)網(wǎng)站系統(tǒng)訪問(wèn)的響應(yīng)時(shí)間、網(wǎng)站內(nèi)容以及所提供服務(wù)的可靠性、即時(shí)性等要求也越來(lái)越高。

通常情況下，標(biāo)準(zhǔn)的HTML樹(shù)解析器需要檢索整個(gè)文件以生成完整的DOM樹(shù)。瀏覽器很少需要處理大小超過(guò)1Mb的HTML頁(yè)面，并且平均頁(yè)面加載時(shí)間最多約為3s。對(duì)于瀏覽器的HTML解析器來(lái)說(shuō)，大約3Mbps的加載量是可以接受的。然而，在某些系統(tǒng)中，每個(gè)CPU可能擁有數(shù)百兆的流量，交互負(fù)擔(dān)大、降低了系統(tǒng)的響應(yīng)時(shí)間，使得以單臺(tái)服務(wù)器來(lái)支撐整個(gè)網(wǎng)站的系統(tǒng)無(wú)法滿足客戶需求。

發(fā)明內(nèi)容

本申請(qǐng)實(shí)施例提供了一種HTML數(shù)據(jù)解析方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)，以至少解決相關(guān)技術(shù)中HTML數(shù)據(jù)解析效率低的問(wèn)題。

第一方面，本申請(qǐng)實(shí)施例提供了一種HTML數(shù)據(jù)解析方法，包括：

獲取HTML數(shù)據(jù)，并對(duì)所述HTML數(shù)據(jù)進(jìn)行標(biāo)記解析得到標(biāo)記名稱；

基于所述標(biāo)記名稱與預(yù)設(shè)重寫(xiě)標(biāo)記進(jìn)行匹配，得到匹配信息；

根據(jù)所述匹配信息以及預(yù)設(shè)雙解析規(guī)則，選取對(duì)應(yīng)解析子規(guī)則；所述預(yù)設(shè)雙解析規(guī)則包括至少兩種所述解析子規(guī)則；

根據(jù)所述解析子規(guī)則對(duì)所述標(biāo)記名稱對(duì)應(yīng)的HTML數(shù)據(jù)段進(jìn)行解析；

重復(fù)以上步驟對(duì)所述HTML數(shù)據(jù)中其他標(biāo)記名稱對(duì)應(yīng)的HTML數(shù)據(jù)段進(jìn)行解析。

在其中一些實(shí)施例中，所述HTML數(shù)據(jù)為HTML字符串或HTML字節(jié)流。

在其中一些實(shí)施例中，基于所述標(biāo)記名稱與預(yù)設(shè)重寫(xiě)標(biāo)記進(jìn)行匹配，得到匹配信息，包括：

根據(jù)所述標(biāo)記名稱與預(yù)設(shè)重寫(xiě)標(biāo)記判定是否需要標(biāo)記附加信息；

當(dāng)需要標(biāo)記附加信息時(shí)，基于所述標(biāo)記名稱獲取對(duì)應(yīng)的標(biāo)記附加信息；

根據(jù)所述標(biāo)記名稱和對(duì)應(yīng)的標(biāo)記附加信息，與預(yù)設(shè)重寫(xiě)標(biāo)記進(jìn)行匹配，得到匹配信息。

在其中一些實(shí)施例中，所述標(biāo)記附加信息包括對(duì)應(yīng)的標(biāo)記名稱的屬性。

在其中一些實(shí)施例中，根據(jù)所述匹配信息以及預(yù)設(shè)雙解析規(guī)則，選取對(duì)應(yīng)解析子規(guī)則，包括：

當(dāng)所述標(biāo)記名稱與預(yù)設(shè)重寫(xiě)標(biāo)記匹配時(shí)，選取對(duì)應(yīng)解析子規(guī)則為：跳過(guò)對(duì)所述標(biāo)記名稱對(duì)應(yīng)的HTML數(shù)據(jù)段的解析；所述標(biāo)記名稱包括開(kāi)始標(biāo)記和結(jié)束標(biāo)記，所述標(biāo)記名稱對(duì)應(yīng)的HTML數(shù)據(jù)段位于所述開(kāi)始標(biāo)記和所述結(jié)束標(biāo)記之間。

在其中一些實(shí)施例中，根據(jù)所述匹配信息以及預(yù)設(shè)雙解析規(guī)則，選取對(duì)應(yīng)解析子規(guī)則，包括：

當(dāng)所述標(biāo)記名稱與預(yù)設(shè)重寫(xiě)標(biāo)記不匹配時(shí)，選取對(duì)應(yīng)解析子規(guī)則為：解析所述標(biāo)記名稱對(duì)應(yīng)的HTML數(shù)據(jù)段直至所述結(jié)束標(biāo)記。

在其中一些實(shí)施例中，將所述標(biāo)記名稱與預(yù)設(shè)重寫(xiě)標(biāo)記進(jìn)行匹配，得到匹配信息之前，還包括：