一种环球信息网WWW页面处理方法和装置

1.一种环球信息网WWW页面处理方法，其特征在于，包括：
确定需要进行优化的网站；针对每个网络中各不同类型的WWW页面，分别为其生成对应的页面模板并进行保存；
不断地从各网站中抓取WWW页面，将抓取到的每个WWW页面分别与其对应的页面模板进行匹配，根据匹配结果从中过滤掉多余的超文本标记语言HTML数据，并将过滤后的WWW页面进行保存；
当接收到来自终端的WWW页面访问请求时，确定是否保存有终端请求访问的WWW页面对应的过滤后的WWW页面，如果是，则将对应的过滤后的WWW页面返回给终端；
其中，所述针对每个网络中各不同类型的WWW页面，分别为其生成对应的页面模板并进行保存包括：
针对每个网站X，分别进行以下处理：
根据接收到的后台管理员指令，从网站X中分别获取不同类型的WWW页面各一个；
将获取到的每个WWW页面分别分析构造成文档对象模型DOM树，并根据接收到的后台管理员指令，删除每个DOM树中不需要保留的DOM节点；
将每个经过删除处理后的DOM树分别转换为WWW页面，作为页面模板进行保存；
所述将抓取到的每个WWW页面分别与其对应的页面模板进行匹配，根据匹配结果从中过滤掉多余的HTML数据包括：
针对抓取到的每个WWW页面Y，分别进行以下处理：
将WWW页面Y分析构造成DOM树，得到DOM树1，将WWW页面Y对应的页面模板Y分析构造成DOM树，得到DOM树2；
针对DOM树1中的每个DOM节点，分别确定其在DOM树2中是否存在相匹配的DOM节点，如果是，则不作处理，否则，将该DOM节点从DOM树1中删除；
将经过删除处理后的DOM树1转换为WWW页面，将DOM树2转换为页面模板Y。
2.根据权利要求1所述的方法，其特征在于，该方法进一步包括：
如果未保存有终端请求访问的WWW页面对应的过滤后的WWW页面，则执行WWW页面的实时转换流程。
3.根据权利要求1或2所述的方法，其特征在于，该方法进一步包括：保存每个页面模板的统一资源定位符URL；
所述将抓取到的每个WWW页面分别与其对应的页面模板进行匹配之前，进一步包括：
根据抓取到的每个WWW页面的URL确定其对应的页面模板。
4.根据权利要求1或2所述的方法，其特征在于，所述终端为手机终端。
5.一种环球信息网WWW页面处理装置，其特征在于，包括：
第一处理单元，用于确定需要进行优化的网站；针对每个网络中各不同类型的WWW页面，分别为其生成对应的页面模板并进行保存；不断地从各网站中抓取WWW页面，将抓取到的每个WWW页面分别与其对应的页面模板进行匹配，根据匹配结果从中过滤掉多余的超文本标记语言HTML数据，并将过滤后的WWW页面进行保存；
第二处理单元，用于当接收到来自终端的WWW页面访问请求时，确定所述第一处理单元中是否保存有终端请求访问的WWW页面对应的过滤后的WWW页面，如果是，则从所述第一处理单元中获取对应的过滤后的WWW页面，并返回给终端；
其中，所述第一处理单元包括：
第一处理子单元，用于接收后台管理员输入的需要进行优化的网站；
第二处理子单元，用于针对每个网络中各不同类型的WWW页面，分别为其生成对应的页面模板并进行保存，包括：针对每个网站X，分别进行以下处理：根据接收到的后台管理员指令，从网站X中分别获取不同类型的WWW页面各一个；将获取到的每个WWW页面分别分析构造成文档对象模型DOM树，并根据接收到的后台管理员指令，删除每个DOM树中不需要保留的DOM节点；将每个经过删除处理后的DOM树分别转换为WWW页面，作为页面模板进行保存；
第三处理子单元，用于不断地从各网站中抓取WWW页面，将抓取到的每个WWW页面分别与其对应的页面模板进行匹配，根据匹配结果从中过滤掉多余的HTML数据，并将过滤后的WWW页面进行保存，包括：针对抓取到的每个WWW页面Y，分别进行以下处理：将WWW页面Y分析构造成DOM树，得到DOM树1，将WWW页面Y对应的页面模板Y分析构造成DOM树，得到DOM树2；针对DOM树1中的每个DOM节点，分别确定其在DOM树2中是否存在相匹配的DOM节点，如果是，则不作处理，否则，将该DOM节点从DOM树1中删除；将经过删除处理后的DOM树1转换为WWW页面，将DOM树2转换为页面模板Y。
6.根据权利要求5所述的装置，其特征在于，所述第二处理单元进一步用于，如果所述第一处理单元中未保存有终端请求访问的WWW页面对应的过滤后的WWW页面，则执行WWW页面的实时转换流程。
7.根据权利要求5或6所述的装置，其特征在于，所述终端为手机终端。

一种环球信息网WWW页面处理方法和装置\n技术领域\n[0001] 本发明涉及互联网技术，特别涉及一种环球信息网(WWW，World Wide Web)页面处理方法和装置。\n背景技术\n[0002] 随着宽带互联网的普及，互联网上的WWW页面显示的内容越来越丰富，但同时，多余的信息，如广告信息等也越来越多。当用户在有限大小的终端，如手机终端上浏览WWW页面时，这些多余的信息会给用户的浏览带来很大的不便，从而降低用户体验。\n发明内容\n[0003] 有鉴于此，本发明的主要目的在于提供一种WWW页面处理方法，能够提升用户体验。\n[0004] 本发明的另一目的在于提供一种WWW页面处理装置，能够提升用户体验。\n[0005] 为达到上述目的，本发明的技术方案是这样实现的：\n[0006] 一种WWW页面处理方法，包括：\n[0007] 确定需要进行优化的网站；针对每个网络中各不同类型的WWW页面，分别为其生成对应的页面模板并进行保存；\n[0008] 不断地从各网站中抓取WWW页面，将抓取到的每个WWW页面分别与其对应的页面模板进行匹配，根据匹配结果从中过滤掉多余的超文本标记语言HTML数据，并将过滤后的WWW页面进行保存；\n[0009] 当接收到来自终端的WWW页面访问请求时，确定是否保存有终端请求访问的WWW页面对应的过滤后的WWW页面，如果是，则将对应的过滤后的WWW页面返回给终端。\n[0010] 一种WWW页面处理装置，包括：\n[0011] 第一处理单元，用于确定需要进行优化的网站；针对每个网络中各不同类型的WWW页面，分别为其生成对应的页面模板并进行保存；不断地从各网站中抓取WWW页面，将抓取到的每个WWW页面分别与其对应的页面模板进行匹配，根据匹配结果从中过滤掉多余的超文本标记语言HTML数据，并将过滤后的WWW页面进行保存；\n[0012] 第二处理单元，用于当接收到来自终端的WWW页面访问请求时，确定所述第一处理单元中是否保存有终端请求访问的WWW页面对应的过滤后的WWW页面，如果是，则从所述第一处理单元中获取对应的过滤后的WWW页面，并返回给终端。\n[0013] 可见，采用本发明的技术方案，根据页面模板从抓取到的WWW页面中过滤掉多余的HTML数据，即广告信息等，从而方便了用户浏览，提升了用户体验；而且，本发明所述方案实现起来简单方便，便于普及。\n附图说明\n[0014] 图1为本发明方法实施例的流程图。\n[0015] 图2为本发明装置实施例的组成结构示意图。\n具体实施方式\n[0016] 针对现有技术中存在的问题，本发明中提出一种全新的WWW页面处理方案，能够提升用户体验。\n[0017] 为使本发明的技术方案更加清楚、明白，以下参照附图并举实施例，对本发明所述方案作进一步地详细说明。\n[0018] 图1为本发明方法实施例的流程图。如图1所示，包括以下步骤：\n[0019] 步骤11：确定需要进行优化的网站。\n[0020] 在实际应用中，可由后台管理员来确定哪些网站需要进行优化(即按照后续方式对WWW页面进行过滤等)，并利用确定出的网站组成一个网站链接列表，输入给后台处理系统。\n[0021] 理论上来说，网站链接列表中所包含的网站数越多越好，但是考虑到维护成本等因素，可只包含一些比较常用的网站。\n[0022] 步骤12：针对每个网络中各不同类型的WWW页面，分别为其生成对应的页面模板并进行保存。\n[0023] 本步骤中，针对网站链接列表中的每个网站X，分别进行以下处理：根据接收到的后台管理员指令，从网站X中分别获取不同类型的WWW页面各一个；将获取到的每个WWW页面分别分析构造成文档对象模型(DOM，Document Object Model)树，并根据接收到的后台管理员指令，删除每个DOM树中不需要保留的DOM节点；将每个经过删除处理后的DOM树分别转换为WWW页面，并作为页面模板进行保存。如何分析构造DOM树以及如何将DOM树转换为WWW页面均为现有技术。\n[0024] 在实际应用中，可开发一个相关插件安装在后台处理系统的浏览器，如火狐(FireFox)浏览器上；后续，后台管理员可在安装了插件的FireFox浏览器上访问不同网站的不同类型的WWW页面，具体来说，针对每个网站X中不同类型，如新闻类和BBS类的WWW页面，可分别从中随机选择一个WWW页面进行访问，并通过鼠标选择所访问的WWW页面中需要保留和需要删除的内容。所述插件即用于根据后台管理员的操作，相应地完成分析构造DOM树、删除DOM节点、将DOM树转换为WWW页面等功能。\n[0025] 按照步骤12所示方式进行处理后，即可得到一系列的页面模板。举例说明，假设网站链接列表中共包含3个网站(此处仅为举例说明，实际会远大于3)，其中，第1个网站中共包含5种不同类型的WWW页面，第2个网站中共包含6种不同类型的WWW页面，第3个网站中共包含4种不同类型的WWW页面，那么总共可得到5+6+4＝15个页面模板。\n[0026] 步骤13：不断地从各网站中抓取WWW页面，将抓取到的每个WWW页面分别与其对应的页面模板进行匹配，根据匹配结果从中过滤掉多余的超文本标记语言(HTML，Hyper Text Mark-up Language)数据，并将过滤后的WWW页面进行保存。\n[0027] 后台处理系统可不断地从网站链接列表中的各网站中抓取WWW页面，所述抓取为实时抓取或为每隔一段时间进行一次抓取，抓取的对象包括各网站中的所有WWW网页。\n[0028] 针对抓取到的每个WWW页面Y，可分别进行以下处理：将WWW页面Y分析构造成DOM树，得到DOM树1，将WWW页面Y对应的页面模板Y分析构造成DOM树，得到DOM树2；针对DOM树1中的每个DOM节点，分别确定其在DOM树2中是否存在相匹配的DOM节点，如果是，则不作处理，否则，将该DOM节点从DOM树1中删除；将经过删除处理后的DOM树1转换为WWW页面，将DOM树2转换为页面模板Y。如何确定DOM节点是否匹配为现有技术。通过这种方式，即可过滤掉WWW页面中多余的HTML数据，如广告信息等。\n[0029] 上述与WWW页面Y对应的页面模板Y，即指和WWW页面Y属于同一网站，且属于同一类型的页面模板。在实际应用中，在保存每个页面模板时，可同时保存每个页面模板的统一资源定位符(URL，Uniform Resource Location)，URL能够体现所属网站以及所属类型等信息，这样，在将抓取到的每个WWW页面分别与其对应的页面模板进行匹配之前，可先根据抓取到的每个WWW页面的URL确定其对应的页面模板。\n[0030] 步骤14：当接收到来自终端的WWW页面访问请求时，确定是否保存有终端请求访问的WWW页面对应的过滤后的WWW页面，如果是，则将对应的过滤后的WWW页面返回给终端。\n[0031] 本步骤中，当后台处理系统接收到来自终端的WWW页面访问请求时，首先确定自身是否保存有终端请求访问的WWW页面对应的过滤后的WWW页面，即确定终端请求访问的WWW页面是否已经抓取并进行了优化，如果是，则将对应的过滤后的WWW页面返回给终端，否则，按照现有方式，执行WWW页面的实时转换流程。\n[0032] 至此，即完成了关于本发明方法实施例的介绍。\n[0033] 基于上述介绍，图2为本发明装置实施例的组成结构示意图。如图2所示，包括：\n[0034] 第一处理单元21，用于确定需要进行优化的网站；针对每个网络中各不同类型的WWW页面，分别为其生成对应的页面模板并进行保存；不断地从各网站中抓取WWW页面，将抓取到的每个WWW页面分别与其对应的页面模板进行匹配，根据匹配结果从中过滤掉多余的HTML数据，并将过滤后的WWW页面进行保存；\n[0035] 第二处理单元22，用于当接收到来自终端的WWW页面访问请求时，确定第一处理单元21中是否保存有终端请求访问的WWW页面对应的过滤后的WWW页面，如果是，则从第一处理单元21中获取对应的过滤后的WWW页面，并返回给终端。\n[0036] 第二处理单元22还可进一步用于，如果第一处理单元21中未保存有终端请求访问的WWW页面对应的过滤后的WWW页面，则执行WWW页面的实时转换流程。\n[0037] 另外，第一处理单元21中还可具体包括(为简化附图，未图示)：\n[0038] 第一处理子单元，用于接收后台管理员输入的需要进行优化的网站；\n[0039] 第二处理子单元，用于针对每个网络中各不同类型的WWW页面，分别为其生成对应的页面模板并进行保存，包括：针对每个网站X，分别进行以下处理：根据接收到的后台管理员指令，从网站X中分别获取不同类型的WWW页面各一个；将获取到的每个WWW页面分别分析构造成DOM树，并根据接收到的后台管理员指令，删除每个DOM树中不需要保留的DOM节点；将每个经过删除处理后的DOM树分别转换为WWW页面，作为页面模板进行保存；\n[0040] 第三处理子单元，用于不断地从各网站中抓取WWW页面，将抓取到的每个WWW页面分别与其对应的页面模板进行匹配，根据匹配结果从中过滤掉多余的HTML数据，并将过滤后的WWW页面进行保存，包括：针对抓取到的每个WWW页面Y，分别进行以下处理：将WWW页面Y分析构造成DOM树，得到DOM树1，将WWW页面Y对应的页面模板Y分析构造成DOM树，得到DOM树2；针对DOM树1中的每个DOM节点，分别确定其在DOM树2中是否存在相匹配的DOM节点，如果是，则不作处理，否则，将该DOM节点从DOM树1中删除；将经过删除处理后的DOM树1转换为WWW页面，将DOM树2转换为页面模板Y。\n[0041] 图2所示装置实施例的具体工作流程请参照图1所示方法实施例中的相应说明，此处不再赘述。另外，图1和2所示实施例中的终端通常为手机终端。\n[0042] 总之，采用本发明的技术方案，能够提升用户体验。\n[0043] 以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。