[发明专利]一种关键内容定位方法

权利要求书

1.一种关键内容定位方法，其特征在于，包括：

定期获取待监测的Web页面；

根据预设的监测配置信息中的关键内容，在所述Web页面的文档对象模型DOM树中定位到相应节点；所述监测配置信息设置在配置页面中，所述配置页面设置有是否需要登录的开关，在所述Web页面需要进行登录的情况下，打开所述登录的开关进行预登录的配置；

当无法定位到相应节点时，则确定为所述Web页面变化；

当定位到相应节点时，从所述Web页面中获得包含所述监测配置信息中的关键内容的当前内容块，并将所述当前内容块的标题与在初始化监测任务中从所述Web页面获得的初始内容块的标题进行对比，确定所述Web页面是否发生变化；

将发生变化后的Web页面作为历史版本页面数据存储；

获取所述历史版本页面数据的全部历史内容块，对每个历史内容块提取结构特征和文本特征；

对全部历史内容块的结构特征和文本特征进行综合，依次定位历史目标内容块及所述历史目标内容块内关键内容，并确定所述历史目标内容块的第一特征；

针对最新监测到的已发生变化的新版本Web页面，获取所述新版本Web页面DOM树的全部子树，将每一个子树作为一个待匹配的内容块，分别对每个待匹配的内容块进行特征的提取；

遍历所有待匹配的内容块，将每个待匹配的内容块的特征与所述历史目标内容块的第一特征进行相似性计算，定位当前目标内容块；

提取所述历史目标内容块内关键内容的第二特征，以及当前目标内容块内关键内容的特征；

根据历史目标内容块内关键内容的第二特征和所述当前目标内容块内关键内容的特征对应各自DOM子树的编辑距离，建立起该关键内容在新版本页面之间的映射关系，在所述当前目标内容块中定位最终关键内容。

2.根据权利要求1所述的方法，其特征在于，在定期获取待监测的Web页面之前，所述方法包括：

接收用户输入的待监测Web页面的所述监测配置信息；

根据所述监测配置信息，生成用于监测所述待监测Web页面的页面变化的监测任务；

所述初始化监测任务包括：

获取所述Web页面的初始页面信息；

根据所述监测配置信息中的关键内容，在所述初始页面信息中，获得包含所述监测配置信息中的关键内容的初始内容块。

3.根据权利要求1或2所述的方法，其特征在于，所述监测配置信息包括用户的登录信息和用于验证所述登录信息的Cookie信息；

所述接收用户输入的待监测Web页面的所述监测配置信息的步骤包括：

接收用户针对所述Web页面的登录操作，获得该用户的登录信息；

将所述登录信息发送给所述Web页面对应的服务器；

接收所述服务器针对所述登录信息返回的用于验证所述登录信息的Cookie信息；

所述定期获取待监测的Web页面的步骤包括：

定期将所述Cookie信息以HTTP请求头的方式同获取所述Web页面的请求一并发送给所述Web页面对应的服务器；

接收所述服务器针对所述请求返回的所述Web页面。