[发明专利]一种上下文web页面合并方法

权利要求书

1.一种上下文web页面合并方法，其特征在于：

对于具有上下文关系的多个web页面中的某个web网页，首先对所述web页面的内容进行分析，提取其中的上下文链接信息并进行相应的下载，根据下载的内容扩展上下文，并将扩展的上下文内容进行消重，按顺序重新合并成新的单一web页面。

2.如权利要求1所述的上下文web页面合并方法，其特征在于：

在对所述web页面的内容进行分析之前，首先确认所述we b页面中给定的网页地址已经下载完成，并且经完整展示后生成文档对象模型树。

3.如权利要求2所述的上下文web页面合并方法，其特征在于：

在对所述web页面的内容进行分析之前，进一步确认所述we b页面中的IFame、Frame已经下载完成，所需要的JavaScript、CSS已经下载完成，图片参数已经获得且Ajax已经执行完成。

4.如权利要求2所述的上下文web页面合并方法，其特征在于：

在对所述web页面的内容进行分析之后，基于所述文档对象模型树将所述web页面拆分成在视觉上无法进一步拆分的块元素，进而生成视觉块。

5.如权利要求4所述的上下文web页面合并方法，其特征在于：

在生成视觉块之后，进行提取标题块和正文块的操作，以便识别出正文区域。

6.如权利要求4所述的上下文web页面合并方法，其特征在于：

所述上下文链接信息通过如下步骤获得：

(1)遍历各个web页面中所有视觉块在文档对象模型树中对应节点的href内容，找到与所述web页面中相似的视觉块，根据视觉块的数量进行加权；

(2)对于步骤(1)中找到的相似的视觉块，根据与正文区域的距离进行加权；

(3)将href内容根据与输入的web页面进行相似度匹配，相似程度越高则权重越高，将权重最高的块确定为多页链接块。

7.如权利要求1所述的上下文web页面合并方法，其特征在于：

在消重步骤中，消重的要素为正文内容，将正文内容相同的web页面视为同一页面。

8.如权利要求1所述的上下文web页面合并方法，其特征在于：

在排序步骤中，排序的要素包括web页面中的数字特征和多页特征、web页面中链接文字的页码特征。

9.如权利要求1所述的上下文web页面合并方法，其特征在于：

在合并步骤中，进行加入页面分割标记的操作。