[发明专利]一种网站镜像的检测方法及装置

摘要

本发明提出了一种网站镜像的检测方法及装置。所述检测方法包括：计算待检测网站的标题信息与原始网站的标题信息的相似度，若所述相似度超过设定阈值，则所述待检测网站为疑似网站；比对所述疑似网站的网页结构中的可视化元素和所述原始网站的网页结构中的可视化元素，若满足预设条件，则判定所述疑似网站为镜像网站，在保证检测准确性的同时，提高网站镜像检测的效率。

主权项

1.一种网站镜像的检测方法，其特征在于，包括：计算待检测网站的标题信息与原始网站的标题信息的相似度，若所述相似度超过设定阈值，则所述待检测网站为疑似网站；筛选所述疑似网站中疑似网页的文档对象模型DOM树节点，保留反映DOM树形结构的关键节点，筛选所述原始网站中原始网页的文档对象模型DOM树节点，保留反映DOM树形结构的原始节点；在所述关键节点和原始节点上分别附加位置属性，构建疑似网页的可视化元素树和原始网页的可视化元素树；比对所述疑似网站的网页结构中的可视化元素和所述原始网站的网页结构中的可视化元素，若满足预设条件，则判定所述疑似网站为镜像网站；其中，所述比对所述疑似网站的网页结构中的可视化元素和所述原始网站的网页结构中的可视化元素，具体包括：判断关键节点和原始节点的相似性；分别将疑似网页的可视化元素树上的关键节点和原始网页的可视化元素树上的原始节点分别变为线性列表；依次比对线性列表上的关键节点和原始节点，则关键节点的节点面积等同于原始节点的节点面积，并且满足以下条件的节点对具有相似性：1)、水平位置差异符合整体位移，且顶坐标相同；2)、垂直位置差异符合整体位移，且左坐标相同；3)、水平和垂直位置差异均符合整体位移；4)、水平位置差异符合整体位移，且底坐标至网页底部的距离相同；其中，关键节点或者原始节点显示的矩形区域的左上角顶点对应地与疑似网页或者原始网页的页面上边缘的像素距离为顶坐标top、关键节点或者原始节点显示的矩形区域的左上角顶点对应地与疑似网页或者原始网页的页面左边缘的像素距离为左坐标left、关键节点或者原始节点显示的矩形区域的像素高度为height，底座标为top+height。