[发明专利]一种服务接口子类模板确定方法与系统

权利要求书

1.一种服务接口子类模板确定方法，其特征在于，包括：

根据用户选定的模板大类，按照优先级获得所述模板大类下的各个子类模板；

利用所述各个子类模板对web页面中的待提取数据进行提取操作，获得针对所述各个子类模板的提取结果；

根据所述提取结果和所述待提取数据所在的原始DOM块之间的相似性，对每个子类模板的适应性进行评估；

选择适应性高于指预设阈值的预设数量个子类模板；

对所述数量个子类模板进一步分析，分析内容包括：key-value饱和度、key值语义含量、key值重复度以及与预期结果的结构相似性；

根据分析结果获得待推荐的子类模板。

2.根据权利要求1所述的方法，其特征在于，利用所述各个子类模板对web页面中的待提取数据进行提取操作，获得针对所述各个子类模板的提取结果，包括：

对各个子类模板的XML格式的中间形式进行解析；

按照编写所述子类模板的模板原语的语义，从web页面中的待提取数据中提取数据；

对提取的数据进行拼接，生成JSON结果。

3.根据权利要求2所述的方法，其特征在于，在对各个子类模板的XML格式的中间形式进行解析之前，所述方法还包括：

加载所述子类模板中引用的类，并对所述子类模板的根节点进行解析。

4.根据权利要求1所述的方法，其特征在于，根据所述提取结果和所述待提取数据所在的原始DOM块之间的相似性，对每个子类模板的适应性进行评估，包括：

根据所述提取结果和所述待提取数据所在的原始DOM块之间的结构和内容的相似性，对每个子类模板的适应性进行评估。

5.根据权利要求1所述的方法，其特征在于，根据所述提取结果和所述待提取数据所在的原始DOM块之间的相似性，对每个子类模板的适应性进行评估，包括：

基于树的编辑距离获得所述提取结果和所述待提取数据所在的原始DOM块之间的相似性；

根据所述相似性，对每个子类模板的适应性进行评估。

6.根据权利要求5所述的方法，其特征在于，基于树的编辑距离获得所述提取结果和所述待提取数据所在的原始DOM块之间的相似性，包括：

将所述提取结果进行结构转化，获得可计算编辑距离的第一树结构；

将所述待提取数据所在的原始DOM块进行结构转化，获得可计算编辑距离的第二树结构；

将所述第一树结构和所述第二树结构之间的编辑距离作为相似性。

7.根据权利要求6所述的方法，其特征在于，所述待提取数据所在的原始DOM块的结构复杂程度高于提取结果的结构复杂程度；

将所述提取结果进行结构转化，获得可计算编辑距离的第一树结构，包括：

保留所述提取结果所拥有的信息，将其转化为可计算编辑距离的第一树结构；

将所述待提取数据所在的原始DOM块进行结构转化，获得可计算编辑距离的第二树结构，包括：

对所述待提取数据所在的原始DOM块所拥有的信息进行删减，获得可计算编辑距离的第二树结构。

8.根据权利要求6所述的方法，其特征在于，将所述提取结果进行结构转化，获得可计算编辑距离的第一树结构，包括：

将每一个JSON节点转化为一个树中的节点，并将所述JSON节点的类型记录在树的节点中；

若所述JSON节点为JsonPrimitive，将JsonPrimitive的值记录在相应树节点的value值中；

若所述JSON节点为JsonObject，将其包括的每个JsonElement对应的树节点作为自身树节点的子节点；

若JSON节点为JsonArray，取其包括的第一个JsonElement，将其对应的树节点作为自身节点，并将其类型转为JsonArray。