[发明专利]HTML文档处理方法、页面显示方法和设备

说明书

公开了HTML文档处理方法、页面显示方法和设备。所述HTML文档处理方法包括：通过分离HTML文档中包含的标签，获得仅包含文本的文本流；通过解析所述HTML文档中的标签和文本，构造索引树，其包括一个或多个节点，并且每一个节点包括指示所述文本中与该节点对应的文本段的数据以及指示该文本段的样式的数据；获得样式集，其为与所述索引树中的每个节点对应的样式的集合；以及将所述文本流、所述索引树和所述样式集相关联地存储。

技术领域

本发明涉及HTML文档处理方法、页面显示方法和设备。

背景技术

超文本标记语言(HyperText Markup Language，简称为HTML)是为页面和其它可在网页浏览器或阅读器中看到的信息设计的一种标记语言。按照HTML语法编写的代码内容为HTML文档。HTML文档的结构包括“头”部分(Head)和“主体”部分(Body)，其中“头”部提供关于页面的信息，“主体”部分提供页面的具体内容。例如，页面的具体内容可以包括文本以及用于标示文本的显示样式的标签。例如，显示样式可以包括且不限于字体、颜色、行间距等。

网页浏览器或阅读器通过加载并解析HTML文档，可以完成HTML文档到页面的转换。DOM是文档对象化模型(Document Object Model)的简称。现有的浏览器(包括移动设备使用的浏览器)以及阅读器通过DOM将HTML文档中的标签和文本解析为DOM树，其中树的每个节点表现为一个HTML标签或者HTML标签关联的文本。树形结构精确地描述了HTML文档中标签间以及文本间的相互关联性。

然而，由于现有技术中将HTML文档中的标签和文本全部融合至一个DOM树中，因此标签和文本之间缺乏独立性。在这种情况下，一旦HTML文档的诸如字体、行间距之类的页面的样式发生变化，那么将需要重新解析HTML文档以生成新的DOM树，导致处理开销很大。

发明内容

鉴于以上情形，期望提供一种新的HTML文档处理方法、页面显示方法和设备，能够以更灵活的方式和结构来解析HTML文档，从而降低处理开销。

根据本发明的一个方面，提供了一种HTML文档处理方法，包括：通过分离HTML文档中包含的标签，获得仅包含文本的文本流；通过解析所述HTML文档中的标签和文本，构造索引树，其包括一个或多个节点，并且每一个节点包括指示所述文本中与该节点对应的文本段的数据以及指示该文本段的样式的数据；获得样式集，其为与所述索引树中的每个节点对应的文本段的样式的集合；以及将所述文本流、所述索引树和所述样式集相关联地存储。

另外，在根据本发明实施例的方法中，至少将所述文本流存储在内存之外的非易失性存储单元中。

另外，在根据本发明实施例的方法中，将所述文本流、所述索引树和所述样式集相关联地存储的步骤进一步包括：以所述索引树中的每个节点所包括的数据为单元，对各节点所包括的数据进行排序以形成一索引数组；以及将所述索引数组存储在内存之外的非易失性存储单元中。

另外，在根据本发明实施例的方法中，所述对各节点所包括的数据进行排序以形成一索引数组的步骤进一步包括：按照各节点所包括的数据所指示的区间的左端点从小到大的次序排序，得到第一数组；对于所述第一数组中区间的左端点相同的两个单元，进一步按照区间的右端点从大到小的次序排序，得到所述索引数组。

另外，在根据本发明实施例的方法中，将所述索引数组存储在内存之外的非易失性存储单元中的步骤进一步包括：对所述索引数组执行压缩；以及将压缩后的索引数组存储在内存之外的非易失性存储单元中。

另外，在根据本发明实施例的方法中，将所述文本流、所述索引树和所述样式集相关联地存储的步骤进一步包括：将所述样式集序列化为所述非易失性存储单元能够存储的特定格式的样式数组；以及将所述样式数组存储在所述非易失性存储单元中。