[发明专利]WAP页面的结构化显示方法及装置

权利要求书

1.一种WAP页面的结构化显示方法，其特征在于，包括：

接收页面浏览请求，获取该页面浏览请求所请求的原始页面，其中，所述原始页面中包括多余的广告和链接信息；

对该原始页面进行切行，并以行为单位对原始网页进行扫描，获得WAP页面的结构化字段，包括：对原始页面进行解析，获得解析树，所述解析树中的每个节点都是由网页中的所有标记属性构成；遍历解析树的所有节点，查找获得所有节点的标记属性中表示换行功能的节点信息，并根据该节点信息以行为单位对原始页面进行切分；以行为单位对原始页面进行扫描，获得WAP页面的标题字段，以标题字段所在的行为起始行对原始页面进行逐行扫描获得WAP页面的正文信息行字段，以正文信息行字段所在的行为起始行对原始页面进行逐行扫描获得WAP页面的正文字段；

将所获得的结构化字段进行组合，并对其进行显示。

2.根据权利要求1所述的WAP页面的结构化显示方法，其特征在于，所述以行为单位对原始页面进行扫描，获得WAP页面的标题字段包括：

查找解析树中是否存在标题属性的节点，是则获取该节点对应的字段作为WAP页面的标题字段。

3.根据权利要求1所述的WAP页面的结构化显示方法，其特征在于，所述以行为单位对原始页面进行扫描，获得WAP页面的正文信息行字段包括：

以标题字段所在的行为起始行对原始页面进行逐行扫描，判断当前扫描行中是否存在时间字段或来源字段，是则获取当前扫描行的字段作为WAP页面的正文信息行字段；否则继续下一行扫描。

4.根据权利要求1所述的WAP页面的结构化显示方法，其特征在于，所述以行为单位对原始页面进行扫描，获得WAP页面的正文字段包括：

以正文信息行字段所在的行为起始行对原始页面进行逐行扫描，统计正文信息行字段所在的行至所有扫描行之间的文字链接比，并将文字链接比最大的行作为正文字段的截止行，从而获取正文信息行字段所在的行与截止行之间的字段作为WAP页面的正文字段。

5.根据权利要求1-4中任一项所述的WAP页面的结构化显示方法，其特征在于，所述以行为单位对原始页面进行扫描，获得WAP页面的标题字段、正文信息行字段及正文字段之后还包括：

判断WAP页面的正文字段中是否存在翻页链接，是则获取该翻页链接字段。

6.一种WAP页面的结构化显示装置，其特征在于，包括：

页面获取模块，用于接收页面浏览请求，获取该页面浏览请求所请求的原始页面，其中，所述原始页面中包括多余的广告和链接信息；

页面结构化模块，用于对该原始页面进行切行，并以行为单位对原始网页进行扫描，获得WAP页面的结构化字段；所述页面结构化模块包括：切行单元，用于对原始页面进行解析，获得解析树，所述解析树中的每个节点都是由网页中的所有标记属性构成；遍历解析树的所有节点，查找获得所有节点的标记属性中表示换行功能的节点信息，并根据该节点信息以行为单位对原始页面进行切分；

字段抽取单元，用于以行为单位对原始页面进行扫描，获得WAP页面的标题字段，以标题字段所在的行为起始行对原始页面进行逐行扫描获得WAP页面的正文信息行字段，以正文信息行字段所在的行为起始行对原始页面进行逐行扫描获得WAP页面的正文字段；

页面显示模块，用于将所获得的结构化字段进行组合，并对其进行显示。

7.根据权利要求6所述的WAP页面的结构化显示装置，其特征在于，所述字段抽取单元包括：

第一抽取子单元，用于查找解析树中是否存在标题属性的节点，是则获取该节点对应的字段作为WAP页面的标题字段；

第二抽取子单元，用于以标题字段所在的行为起始行对原始页面进行逐行扫描，判断当前扫描行中是否存在时间字段或来源字段，是则获取当前扫描行的字段作为WAP页面的正文信息行字段；否则继续下一行扫描；

第三抽取子单元，用于以正文信息行字段所在的行为起始行对原始页面进行逐行扫描，统计正文信息行字段所在的行至所有扫描行之间的文字链接比，并将文字链接比最大的行作为正文字段的截止行，从而获取正文信息行字段所在的行与截止行之间的字段作为WAP页面的正文字段。

8.根据权利要求7所述的WAP页面的结构化显示装置，其特征在于，所述字段抽取单元还包括：

第四抽取子单元，用于判断WAP页面的正文字段中是否存在翻页链接，是则获取该翻页链接字段。