[发明专利]一种将app内容进行索引化和可搜索化的方法

说明书

本发明提出一种将app内容进行索引化和可搜索化的方法，引入一个虚拟机沙箱系统，在这里，我们的爬虫程序，即沙箱蜘蛛Sandbox Spider技术，它用于扫描全部的在沙箱内运行的组件，以识别每个组件是否为一项图形界面的一部分。如果答案为“是”，那么蜘蛛会定位并解析该布局描述文件或者图形用户界面代码，接着提取内容，上传至索引服务器，然后进一步归档内容，拆分单词和短语等。减少了移动app的下载和安装工作量，从而节约时间，提高效率。

技术领域

本发明主要应用于手机app，具体为一种将app内容进行索引化和可搜索化的方法。

背景技术

目前深度链接技术Deeplink旨在于解决可搜索性问题，然而使用该技术之前要求先安装移动app，这是一个非常强大且很少被满足的假设。

Google Instant App通过强制app的开发者执行额外一组协议，使得这项app只在用户设备上运行，用户不需要将整套内容进行下载或者安装，这样就减少了移动app的下载和安装工作量。但Instant App仍存在三项缺陷：首先，开发者需从特征级和源代码级重新组织app，这将带来额外的成本；其次，大量的遗留app和设备对上面所描述的便捷性无法支持，特别是对于安卓6.0之前的系统；第三，官方谷歌服务或者谷歌框架不能服务于中国，Google Instant App无法支持这里超过6亿的安卓系统用户。

发明内容

为解决上述背景技术中提到的app内容可搜索性问题，提出一种将app内容进行索引化和可搜索化的方法，减少了移动app的下载和安装工作量，从而节约时间，提高效率。

通常Web页面是基于文本的，所有的内容在html协议下可以被web爬虫简单的抓取和索引，这个特性对于可搜索性来讲至关重要。然而App的内容不像web页面，是基于二进制的在内存中存放，单独的、非侵入试的爬虫程序不仅难以获取到app的内容，更难以分析出哪些是用户可见的信息。为了解决这个问题，我们需要先引入一个虚拟沙箱运行环境Sandbox Runtime(以下简称“SR”)，在这里，我们的爬虫程序，即沙箱蜘蛛Sandbox Spider(以下简称“SS”)技术，它用于扫描全部的在沙箱内运行的组件，以识别每个组件是否为一项图形界面的一部分。如果答案为“是”，那么蜘蛛会定位并解析该布局描述文件或者图形用户界面代码，接着提取内容，上传至索引服务器，然后进一步归档内容，拆分单词和短语等。具体为：

一种将app内容进行索引化和可搜索化的方法，由SR在目标app和底层操作系统之间充当扁平的接口，所述方法包括如下步骤：

S1：SR监督客户端app，发现客户端app开始运行时，寻找视图类的层级中视图组件的线索；

S2：在虚拟机层面，监控每个类的实例的初始化，如果发现是一个类型为View的实例，调度SS来动态检测客户端app的所有用户界面组件；

S3：如果SR发现一个新的视图类实例即将呈现在屏幕上，它会执行一段代码，用于监听安卓Windows管理器准备视图的填充过程，提取新视图的被填充的布局；

S4：通过前述代码获取屏幕上显示的任何文本/图像/多媒体剪辑以及它们是如何组织的；

S5：等待浏览器使用绘图引擎去填充一个HTLM然后解析HTML页面那样，使内容可以被识别并索引，可以从他们在布局中如何被组织解释为每一项内容的重要性，视图的可搜索性得益于视图内容的索引和权重；

S6：使用一个经常扩展名为XML的的布局描述文件来告知安卓Windows管理器每个视图元素在用户边界的绝对和/或相对坐标。