[发明专利]一种网页文本还原系统及方法

权利要求书

1.一种网页文本还原系统，本系统工作于网络节点，其特征在于，包括

一IP数据包捕获装置，用于对通过网络节点处的IP数据包进行捕获；

一网页文本数据流识别装置，根据定义的数据流特征识别出IP数据包的网页文本数据流；

一网页文本重组装置，对网页文本数据流进行解码、重组操作，将网页文本数据流还原成文本文件；

所述IP数据包捕获装置、网页文本数据流识别装置、网页文本重组装置依次串接；

所述IP数据包捕获装置，包括

一数据报镜像模块，用于将通过网络节点的IP数据报备份下来；

一流抽取模块，接于数据报镜像模块后，用于将各独立的IP数据报按IP数据流属性进行组合，并将组合后的IP数据流传送至网页文本数据流识别装置进行网页文本数据的识别；

所述网页文本数据流识别装置，包括

一网页数据流识别模块，用于将组合后的IP数据流根据流特征进行网页数据流的识别；

一数据流特征库，与网页数据流识别模块连接，为网页数据流识别模块的网页数据流的识别提供流特征；

一网页数据流分割模块，与网页数据流识别模块连接，用于将通过识别的网页数据流从IP数据流中分割出来，并将分割出来的网页文本数据传送至网页文本重组装置。

2.根据权利要求１所述的网页文本还原系统，其特征在于，所述流特征包括网络层协议的IP、传输层协议的TCP、应用层协议的http、数据净载荷部分的HTTP/1.1 200、Content-Type的text/html。

3.根据权利要求1所述的网页文本还原系统，其特征在于，包括一网页文本存储装置，所述网页文本存储装置与网页文本重组装置连接，用于将还原的网页文本文件进行保存。

4.根据权利要求３所述的网页文本还原系统，其特征在于，所述网页文本存储装置包括硬盘或/和数据库。

5.一种网页文本还原方法，其特征在于，包括步骤：

步骤S1，对存储http网页数据流的缓存区进行初始化处理；

步骤S2，对通过网络节点处的IP数据包进行捕获，获取一个IP数据包，并根据流特征进行http数据过滤，然后根据http协议标准进行数据包的头域分析；

步骤S3，根据分析结果判断是否为网页数据流的IP数据包，若不是，进行步骤S6，若是，则进行：

步骤S4，判断网页数据流的IP数据包是否是按序到达的，若是，进行步骤S7，若不是，进行：

步骤S5，对失序包进行处理，使之按序列号重新排序后进行步骤S7；

步骤S6，创建新的网页数据流；

步骤S7，判断是否为网页数据流的最后一个IP数据包，若不是，返回进行步骤S2，若是，则进行：

步骤S8，进行网页文本信息的还原。

6.根据权利要求５所述的网页文本还原方法，其特征在于，步骤S2所述的IP数据流特征包括网络层协议的IP、传输层协议的TCP、应用层协议的http、数据净载荷部分的HTTP/1.1 200、Content-Type的text/html。