[发明专利]基于DOM树匹配的视频网站媒资聚合方法和系统

说明书

技术领域

本发明涉及网络通信和多媒体信息处理领域，尤其是涉及基于DOM树匹配的视频网站媒资聚合方法和系统。

背景技术

随着国内视频网站飞速增长，网络上视频数量巨大，在线观看视频也成为越来越多人们生活中的必要需求。然而，视频网站种类繁多，视频资源分布散乱，视频格式和插件各不相同，为用户搜索和观看视频带来了一定障碍。而媒资聚合平台则能够对各大视频网站节目分类、节目信息列表、视频详细信息等信息进行聚合，使用户无需逐个登陆视频网站，便能在统一的客户端中获取最新的视频资源信息，并使用统一播放器观看视频。并且，随着广电对OTT+DVB模式的推广，OTT互联网电视成为未来智能电视的发展趋势，媒资聚合技术为用户提供了统一的多媒体资源访问入口，能向上支撑起一个简便的集成导航、注释和评论等功能的终端，以及一个统一视频播放平台，为OTT智能电视服务提供了整合多媒体资源的渠道。

作为媒资聚合平台中的关键点，如何对各大视频网站的视频节目分类、列表、详细信息等不同类型的媒资进行聚合，是本发明的重点。目前市场上的媒资聚合客户端虽然很多，但基本上都是通过调用视频网站本身提供的API方式进行聚合。开放式API是视频网站常见的一种接口，视频网站将视频内容封装成一系列的API开放出来，供开发者使用。然而，这种方式有很大局限性。首先，各个视频网站发布的视频开放式接口千差万别，不利于媒资聚合软件的开发。其次，若网站更改应用接口，则必须对软件进行调整甚至重写，以适配新的应用接口，不利于软件的维护。再次，目前国内提供开放API的视频网站很少，对于没有开放API的网站便不能进行聚合，被动的受制于视频网站。此外，目前国内视频网站利用开放API方式进行合作的方式尚不成熟，对其API的开放并不全面，有的甚至存在提供错误信息的问题，并且疏于维护，更新较慢，媒资信息时效性差。因此，采用这种方式还不能满足现阶段媒资聚合的需求，需要更加通用、稳定、易于维护的方式。

文件物件模型（Document Object Model，简称DOM），是W3C组织推荐的处理可扩展置标语言的标准编程接口。DOM定义了表示和修改文档所需的对象、这些对象的行为和属性以及这些对象之间的关系。

发明内容

本发明所要解决的技术问题是提供一种基于DOM树匹配的视频网站媒资聚合方法和系统用于提高对聚合网站的兼容性及聚合的稳定性。

本发明通过下述技术手段解决前述技术问题：

一种基于DOM树匹配的视频网站媒资聚合方法，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。

优选地：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。

一种基于DOM树匹配的视频网站媒资聚合系统，包括：