[发明专利]基于DOM树匹配的视频网站媒资聚合方法和系统

权利要求书

1.一种基于DOM树匹配的视频网站媒资聚合方法，其特征在于，包括以下步骤：

S1）生成配置文件：根据用户的输入生成配置文件，所述配置文件的结构包括基本信息单元、媒资参数单元和DOM子树结构单元；所述DOM子树结构单元包括匹配模板，所述匹配模板用于存储DOM子树中符合提取条件的媒资所在节点的最简结构；所述媒资参数单元定义有所述匹配模板中存放媒资信息的参数与媒资信息的映射关系；所述基本信息单元用于描述配置文件的基本信息，所述基本信息至少包括媒资类型、DOM子树结构单元个数和媒资个数；

S2）获取HTML文档并生成HTML文档的DOM树：向待聚合的网站请求并获取HTML文档，解析所述HTML文档生成HTML文档的DOM树；

S3）媒资信息提取：S31）读取所述配置文件，存储所述基本信息和所述基本信息，导入所述匹配模板并生成模板DOM树；S32）对所述HTML文档的DOM树与所述DOM模板树进行模板匹配，从所述HTML文档的DOM树中提取出满足所述最简结构的子节点，然后提取出该子节点中所包含的媒资信息。

2.根据权利要求1所述的方法，其特征在于：

所述DOM子树结构单元还包括关键节点模块，所述关键节点模块用于存储DOM子树的根节点的节点信息和与所述根节点对应的匹配模板信息；

所述步骤S32）包括：导入所述关键节点模块，根据关键节点模块中存储的所述根节点的节点信息，筛选出所述HTML文档的DOM树中DOM子树的根节点；遍历所述根节点下的所有节点，并在遍历过程中对每个节点进行模板匹配，提取出满足所述最简结构的子节点，提取出该子节点的媒资信息并根据所述映射关系将提取的媒资信息存储到所述媒资参数单元中。

3.一种基于DOM树匹配的视频网站媒资聚合系统，其特征在于包括：

配置模块生成模块，用于根据用户的输入生成配置文件，所述配置文件的结构包括基本信息单元、媒资参数单元和DOM子树结构单元；所述DOM子树结构单元包括匹配模板，所述匹配模板用于存储DOM子树中符合提取条件的媒资所在节点的最简结构；所述媒资参数单元定义有所述匹配模板中存放媒资信息的参数与媒资信息的映射关系；所述基本信息单元用于描述配置文件的基本信息，所述基本信息至少包括媒资类型、DOM子树结构单元个数和媒资个数；

HTML解析及DOM树构建模块：用于向待聚合的网站请求并获取HTML文档，解析所述HTML文档生成HTML文档的DOM树；

媒资信息提取模块：用于读取所述配置文件，存储所述基本信息和所述基本信息，导入所述匹配模板并生成模板DOM树；还用于对所述HTML文档的DOM树与所述DOM模板树进行模板匹配，从所述HTML文档的DOM树中提取出满足所述最简结构的子节点，然后提取出该子节点中所包含的媒资信息。

4.根据权利要求3所述的系统，其特征在于：

所述DOM子树结构单元还包括关键节点模块，所述关键节点模块用于存储DOM子树的根节点的节点信息和与所述根节点对应的匹配模板信息；

所述媒资信息提取模块还用于导入所述关键节点模块，根据关键节点模块中存储的所述根节点的节点信息，筛选出所述HTML文档的DOM树中DOM子树的根节点；遍历所述根节点下的所有节点，并在遍历过程中对每个节点进行模板匹配，提取出满足所述最简结构的子节点，提取出该子节点的媒资信息并根据所述映射关系将提取的媒资信息存储到所述媒资参数单元中。