基于Ｂ／Ｓ架构的Ｗｅｂ网页结构检测应用研究.docVIP

基于Ｂ／Ｓ架构的Ｗｅｂ网页结构检测应用研究 　　摘 要：随着互联网的普及，大型的跨国公司要求公司对内对外的所有网站都遵循统一的框架结构，因此为了判断网页结构是否符合标准，需要对网页结构进行检测。Web结构分析是指从Web文档中自动分析网页结构的过程，检测不符合标准的网页。依据W3C Markup Validation Service的设计理念，基于DOM结构树和正则表达式的操作，以分析Web网页结构为基础，提出了Web页面结构检测的设计思想。在解析Html和CSS代码的基础上，网页结构检测正确率达到80%以上。 　　关键词：正则表达式；网页结构树；检测；文档对象模型；属性元素 　　中图分类号：TP311文献标识码：A 　　文章编号：1004 373X(2009)02 135 04 　　 　　Application and Research on Web Structure Inspection Based on B/S Construction 　　CHEN Shengjian,SUN Mingtao 　　(Computer Science and Technology College,North China Electronic Power University,Beijing,102206,China) 　　Abstract：As the popularization of Internet,like the multinational companies,the company is asked to follow the unified guideline to all the Website,in order to judge whether the Webpage is consistent with the guideline,the Webpage′s structure is needed to inspect.Web structure′s analysis refers to the course of auto－analyzing Webpage′s structure,and inspect the page that is not with the guideline.Based on W3C Markup Validation Service,the DOM tree and regular expression,with analyzing the Webpage′s structure,the designing idea of how to inspect Webpage′s structure is brought forward.Based on the Html parse and CSS code parse,the correct rate on Web structure inspection is up to 80%. 　　Keywords：regular expression;web page structure tree;inspection;document object model;attribute element 　　 　　0 引 言 　　 　　随着网络的发展，互联网上信息量的激增，在网页上合理地布局信息的格式变得非常重要，因此Web结构的设计越来越受到开发者的重视。在一般情况下，页面的框架被大多数开发者定义为3部分(上、中、下)或者有规律的几部分，对于大型的跨国公司，他们要求位于不同国家的各个部门的所有网站都遵循统一的标准结构。根据某跨国公司中国研究院制定的网页设计标准，依据W3C的Markup Validation Service［1］设计思想，提出了Web页面结构检测系统的设计方案，分别对各部门的网站进行半自动检测，省略了人工测试的随意性，同时使开发者的设计更加规范。 　　 　　1 Web页面概述 　　 　　1.1 HTML简介 　　HTML(Hypertext Markup Language)超文本标记语言［2］，被用来结构化信息，并通过浏览器表现信息设计的内容，作为构造网页的通用语言，具有简单、多样、灵活的特性。 　　Web上的数据大部分是以HTML的形式出现的。HTML文档由标记(TAG)和元素组成。HTML标记确定了浏览器所显示文档元素的格式，大多数HTML标记是成对出现的，它们分别用作开始标记和结束标记，HTML的结束标记与开始标记的惟一区别是多了斜杠“/”。HTML标记放在尖括号里，如 ＜HTML＞是位于HTML文档中的第一个条目，HTML文档由标题＜HEAD＞和主体＜BODY＞两部分组成。HTML文件的基本