確定網(wǎng)頁類型的方法和裝置制造方法【專利摘要】本發(fā)明公開了一種確定網(wǎng)頁類型的方法和裝置，屬于通信【
技術(shù)領(lǐng)域：
】。所述方法包括：獲取網(wǎng)頁的文檔信息；其中，所述網(wǎng)頁的文檔信息包含網(wǎng)頁地址URL信息、網(wǎng)頁文檔內(nèi)容信息和網(wǎng)頁視覺信息；從所述網(wǎng)頁的文檔信息中提取網(wǎng)頁特征參數(shù)；根據(jù)提取出的網(wǎng)頁特征參數(shù)，確定所述網(wǎng)頁的類型。所述裝置包括：獲取模塊和提取模塊。本發(fā)明從獲取的網(wǎng)頁的文檔信息（包含網(wǎng)頁地址URL信息、網(wǎng)頁文檔內(nèi)容信息和網(wǎng)頁視覺信息）中提取網(wǎng)頁特征參數(shù)，網(wǎng)頁特征參數(shù)提取的范圍廣，可以提取出多個網(wǎng)頁特征參數(shù)，使得可以根據(jù)提取出的網(wǎng)頁特征參數(shù)，有效地確定出該網(wǎng)頁的類型?！緦＠f明】確定網(wǎng)頁類型的方法和裝置【
技術(shù)領(lǐng)域：
】[0001]本發(fā)明涉及通信【
技術(shù)領(lǐng)域：
】，特別涉及一種確定網(wǎng)頁類型的方法和裝置?！?br>背景技術(shù)：
】[0002]隨著移動互聯(lián)網(wǎng)和移動終端(如手機、平板電腦等)的迅速發(fā)展，除了可以通過pc(personcomputer,個人計算機)終端接入互聯(lián)網(wǎng)外,還可以通過移動終端接入互聯(lián)網(wǎng)。因此除了針對pc終端的web網(wǎng)頁外,還出現(xiàn)了針對移動終端的wap(WirelessApplicationProtocol，無線應用協(xié)議)網(wǎng)頁。但針對移動終端的wap網(wǎng)頁在pc終端上體驗很不好，特別是wapl.0網(wǎng)頁在pc終端上無法展示。同時針對pc終端的web網(wǎng)頁也不能很好的在移動終端上展示。所以對于搜索引擎來講，在爬取網(wǎng)頁時的首要任務，便是確定出網(wǎng)頁的類型，即區(qū)分出當前網(wǎng)頁是wap網(wǎng)頁還是web網(wǎng)頁,這樣才能不讓對移動終端不友好的web網(wǎng)頁出現(xiàn)在wap網(wǎng)頁搜索結(jié)果中，同時不讓對pc終端不友好的wap網(wǎng)頁出現(xiàn)在web網(wǎng)頁搜索結(jié)果中。[0003]現(xiàn)有確定網(wǎng)頁類型的方法主要包括:通過wap網(wǎng)頁和web網(wǎng)頁標記語言的差別進行確定、通過網(wǎng)頁文檔內(nèi)容進行確定等。[0004]然而，在實現(xiàn)本發(fā)明的過程中，發(fā)明人發(fā)現(xiàn)現(xiàn)有技術(shù)至少存在以下問題:[0005]通過wap網(wǎng)頁和web網(wǎng)頁標記語言的差別進行確定的方法，可以確定出使用WML(WirelessMarkupLanguage,無線標記語言)標記語言的Wapl.0網(wǎng)頁和使用HTML(HyperTextMark-upLanguage,超文本標記語言)標記語言的web網(wǎng)頁(WML和HTML兩種標記語言的差別很大)，但無法確定出使用XHTML(eXtensibleHyperTextMarkupLanguage,可擴展超文本標記語目)標記語目的wap2.0網(wǎng)頁(XHTML和HTML兩種標記語目的差別很小)和使用HTML標記語言的web網(wǎng)頁。`[0006]通過網(wǎng)頁文檔內(nèi)容進行確定的方法，規(guī)范的wap2.0網(wǎng)頁在網(wǎng)頁文檔的開頭位置會有類似“〈!D0CTYPEhtmlPUBLIC〃-//WAPF0RUM//DTDXHTMLMobile”的聲明，對于按照規(guī)范編寫的網(wǎng)頁能夠通過這個聲明確定出是wap2.0網(wǎng)頁還是web網(wǎng)頁,但實際上大部分網(wǎng)頁都是不規(guī)范的，無法確定出是wap2.0網(wǎng)頁還是web網(wǎng)頁?！?br/>發(fā)明內(nèi)容】[0007]為了解決現(xiàn)有技術(shù)的問題，本發(fā)明實施例提供了一種確定網(wǎng)頁類型的方法和裝置。所述技術(shù)方案如下:[0008]一方面，提供了一種確定網(wǎng)頁類型的方法，所述方法包括:[0009]獲取網(wǎng)頁的文檔信息；其中，所述網(wǎng)頁的文檔信息包含網(wǎng)頁地址URL信息、網(wǎng)頁文檔內(nèi)容信息和網(wǎng)頁視覺信息；[0010]從所述網(wǎng)頁的文檔信息中提取網(wǎng)頁特征參數(shù)；[0011]根據(jù)提取出的網(wǎng)頁特征參數(shù)，確定所述網(wǎng)頁的類型。[0012]另一方面，提供了一種確定網(wǎng)頁類型的裝置，所述裝置包括:[0013]獲取模塊，用于獲取網(wǎng)頁的文檔信息；其中，所述網(wǎng)頁的文檔信息包含網(wǎng)頁地址URL信息、網(wǎng)頁文檔內(nèi)容信息和網(wǎng)頁視覺信息；[0014]提取模塊，用于在所述獲取模塊獲取網(wǎng)頁的文檔信息后，從所述網(wǎng)頁的文檔信息中提取網(wǎng)頁特征參數(shù)；[0015]確定模塊，用于在所述提取模塊從所述網(wǎng)頁的文檔信息中提取網(wǎng)頁特征參數(shù)后，根據(jù)提取出的網(wǎng)頁特征參數(shù)，確定所述網(wǎng)頁的類型。[0016]本發(fā)明實施例提供的技術(shù)方案帶來的有益效果是:[0017]從獲取的網(wǎng)頁的文檔信息(包含網(wǎng)頁地址URL信息、網(wǎng)頁文檔內(nèi)容信息和網(wǎng)頁視覺信息)中提取網(wǎng)頁特征參數(shù)，網(wǎng)頁特征參數(shù)提取的范圍廣，可以提取出多個網(wǎng)頁特征參數(shù)，使得可以根據(jù)提取出的網(wǎng)頁特征參數(shù)，有效地確定出該網(wǎng)頁的類型?！緦＠綀D】【附圖說明】[0018]為了更清楚地說明本發(fā)明實施例中的技術(shù)方案，下面將對實施例描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。[0019]圖1是本發(fā)明實施例一提供的確定網(wǎng)頁類型的方法流程圖；[0020]圖2是本發(fā)明實施例二提供的確定網(wǎng)頁類型的方法流程圖；[0021]圖3是本發(fā)明實施例三提供的確定網(wǎng)頁類型的裝置結(jié)構(gòu)示意圖?！揪唧w實施方式】[0022]為使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合附圖對本發(fā)明實施方式作進一步地詳細描述。[0023]實施例一[0024]本發(fā)明實施例提供了一種確定網(wǎng)頁類型的方法，參見圖1，該方法包括:[0025]101:獲取網(wǎng)頁的文檔信息。[0026]其中，網(wǎng)頁的文檔信息包含網(wǎng)頁地址URL信息、網(wǎng)頁文檔內(nèi)容信息和網(wǎng)頁視覺信肩、O[0027]102:從網(wǎng)頁的文檔信息中提取網(wǎng)頁特征參數(shù)。[0028]103:根據(jù)提取出的網(wǎng)頁特征參數(shù)，確定該網(wǎng)頁的類型。[0029]優(yōu)選地，根據(jù)提取出的網(wǎng)頁特征參數(shù)，確定該網(wǎng)頁的類型，包括:[0030]根據(jù)預設(shè)的網(wǎng)頁特征參數(shù)與網(wǎng)頁特征分數(shù)對應關(guān)系，計算該網(wǎng)頁的網(wǎng)頁特征得分；[0031]根據(jù)該網(wǎng)頁的網(wǎng)頁特征得分，確定該網(wǎng)頁的類型。[0032]優(yōu)選地，根據(jù)該網(wǎng)頁的網(wǎng)頁特征得分，確定該網(wǎng)頁的類型，包括:[0033]將該網(wǎng)頁的網(wǎng)頁特征得分與預設(shè)的網(wǎng)頁特征得分閾值進行比較；[0034]如果該網(wǎng)頁的網(wǎng)頁特征得分大于預設(shè)的網(wǎng)頁特征得分閾值，則確定該網(wǎng)頁的類型為無線應用協(xié)議wap2.0。[0035]優(yōu)選地，將該網(wǎng)頁的網(wǎng)頁特征得分與預設(shè)的網(wǎng)頁特征得分閾值進行比較之后，還包括:[0036]如果該網(wǎng)頁的網(wǎng)頁特征得分小于等于預設(shè)的網(wǎng)頁特征得分閾值，則確定該網(wǎng)頁的類型為web。[0037]優(yōu)選地，根據(jù)提取出的網(wǎng)頁特征參數(shù)，確定該網(wǎng)頁的類型，包括:[0038]將提取出的網(wǎng)頁特征參數(shù)輸入到網(wǎng)頁分類模型中；其中，網(wǎng)頁分類模型通過對從預設(shè)的多個網(wǎng)頁中提取出的網(wǎng)頁特征參數(shù)進行機器學習得到；[0039]通過網(wǎng)頁分類模型，確定該網(wǎng)頁的類型。[0040]優(yōu)選地，網(wǎng)頁地址URL信息中的網(wǎng)頁特征參數(shù)包括:[0041]//wap.、/wap/、//wap、//3g.、.3g.、/3g/、//m.、/m/和.mobi/中的至少一種。[0042]優(yōu)選地，網(wǎng)頁文檔內(nèi)容信息中的網(wǎng)頁特征參數(shù)包括:[0043]〈！doctype聲明中包含的xhtmlmobile字樣；包含MobileOptimized的meta;<?xml聲明；包含viewport的meta,且meta中包含width=deviec_width或width=xxx;報時時間；簡版、彩板、觸屏版或炫彩版字樣；含wap、phone、mob或3g字樣的外鏈層疊樣式表單css文件名；標題中包含的手機版、3g版或wap版字樣；字符編碼為ASCI1、GB2312、GBK或BIG5編碼；外鏈css文件的個數(shù)大于預設(shè)的css文件個數(shù)閾值；外鏈js文件的個數(shù)大于預設(shè)的js文件個數(shù)閾值；表格table標簽、表格主體tbody標簽、表格行tr標簽和表格數(shù)據(jù)td標簽的個數(shù)與網(wǎng)頁文檔內(nèi)容中包含的所有標簽的個數(shù)之間的比例大于預設(shè)的標簽比例閾值；寬度大于預設(shè)的寬度閾值的html標簽；img標簽的個數(shù)大于預設(shè)的img標簽個數(shù)閾值；JavaScript代碼；〈`!doctype聲明中包含的dtdhtml字樣；信息聚合RSS訂閱信息；與鼠標操作相關(guān)的事件；創(chuàng)建內(nèi)嵌漂浮框架ifram標簽、指定一個容器button標簽、將指定文本和圖像居中顯示center標簽、框架frame標簽、框架集frameset標簽或在頁面上放置可執(zhí)行內(nèi)容applet標簽；標題長度大于預設(shè)的長度閾值；URL不是以www開頭，但網(wǎng)頁文檔內(nèi)容中包含的WWW開頭的鏈接個數(shù)大于預設(shè)的鏈接個數(shù)閾值；googlead代碼,且googlead的寬度大于預設(shè)的寬度閾值；添加到收藏夾代碼；將網(wǎng)頁設(shè)置成主頁的代碼；包含MSThemeCompatible的meta;包含x-ua-compatible的meta；內(nèi)嵌或外鏈css的width屬性值大于320像素；和網(wǎng)頁文檔內(nèi)容的大小大于預設(shè)的字節(jié)數(shù)閾值中的至少一種。[0044]優(yōu)選地，網(wǎng)頁視覺信息網(wǎng)頁中的網(wǎng)頁特征參數(shù)包括:[0045]網(wǎng)頁中每個標簽節(jié)點的寬度均小于預設(shè)的第一寬度閾值；寬度大于預設(shè)的第二寬度閾值的標簽節(jié)點；隸書字體或斜體字體；float屬性值為right的標簽節(jié)點的個數(shù)大于預設(shè)的標簽節(jié)點個數(shù)閾值；非小圖標類圖片的位置位于預設(shè)的限制區(qū)域內(nèi)，且非小圖標類圖片的寬度與整個網(wǎng)頁的寬度之間的比例小于預設(shè)的寬度比例閾值；和寬度大于預設(shè)的第三寬度閾值的圖片中的至少一種。[0046]本發(fā)明實施例所述的確定網(wǎng)頁類型的方法，從獲取的網(wǎng)頁的文檔信息(包含網(wǎng)頁地址URL信息、網(wǎng)頁文檔內(nèi)容信息和網(wǎng)頁視覺信息)中提取網(wǎng)頁特征參數(shù)，網(wǎng)頁特征參數(shù)提取的范圍廣，可以提取出多個網(wǎng)頁特征參數(shù)，使得可以根據(jù)提取出的網(wǎng)頁特征參數(shù)，有效地確定出該網(wǎng)頁的類型。進一步地，通過計算該網(wǎng)頁的網(wǎng)頁特征得分，根據(jù)該網(wǎng)頁的網(wǎng)頁特征得分，確定該網(wǎng)頁的類型，可以提高確定該網(wǎng)頁的類型的準確性。進一步地，通過網(wǎng)頁分類模型，確定該網(wǎng)頁的類型網(wǎng)頁，分類模型是通過預先對從預設(shè)的多個網(wǎng)頁中提取出的網(wǎng)頁特征參數(shù)進行機器學習訓練得到，可以提高確定該網(wǎng)頁的類型的準確性。[0047]實施例二[0048]本發(fā)明實施例提供了一種確定網(wǎng)頁類型的方法，參見圖2，該方法包括:[0049]201:獲取網(wǎng)頁的URL(UniversalResourceLocator,統(tǒng)一資源定位符(網(wǎng)頁地址))信息、HTTP(HyperTextTransferProtocol,超文本傳送協(xié)議)報文頭信息、網(wǎng)頁文檔內(nèi)容信息和網(wǎng)頁視覺信息。[0050]其中，網(wǎng)頁文檔內(nèi)容信息可以是網(wǎng)頁文檔的源代碼，或網(wǎng)頁的DOM(DocumentObjectModel,文檔對象模型)樹。[0051]202:從網(wǎng)頁的URL信息、HTTP報文頭信息、網(wǎng)頁文檔內(nèi)容信息中提取wapl.0網(wǎng)頁特征參數(shù)，判斷是否能夠提取出wapl.0網(wǎng)頁特征參數(shù)，如果能夠，則執(zhí)206;否則，執(zhí)行203。[0052]其中，wapl.0網(wǎng)頁特征參數(shù)包括:[0053]HTTP報文頭中的“wml”字樣；或網(wǎng)頁文檔內(nèi)容中的wml、card(卡片)、go(表示跳轉(zhuǎn)到新卡片的動作)等WML特有的標簽。[0054]具體地，如果可以從HTTP報文頭中提取出“wml”字樣，則證明HTTP報文頭信息中包含“wml”字樣；如果可以從網(wǎng)頁文檔內(nèi)容中提取出wml、card、go等WML特有的標簽,則證明網(wǎng)頁文檔內(nèi)容信息中包含wml、card、go等WML特有的標簽。如果HTTP報文頭中包含“wml”字樣,或網(wǎng)頁文檔內(nèi)容中包含wml、card或go等WML特有的任一標簽,則該網(wǎng)頁就是wapl.0網(wǎng)頁。[0055]203:從網(wǎng)頁的URL信息、網(wǎng)頁文檔內(nèi)容信息和網(wǎng)頁視覺信息中提取wap2.0網(wǎng)頁特征參數(shù)，判斷是否能夠提取出wap2.0網(wǎng)頁特征參數(shù)，如果能夠，則執(zhí)行204;否則，執(zhí)行208。[0056]其中，URL信息中的Wap2.0網(wǎng)頁特征參數(shù)包括:URL中的“//wap.”、“/wap/”、“//wap，，、“//3g(3rd_gener`ation,`第三代移動通信技術(shù)).”、“.3g.”、“/3g/”、“//m(mobil,移動電話).”、“/m/”、“.m0bi(mobiI，移動電話)/”等字樣；[0057]網(wǎng)頁文檔內(nèi)容信息中的Wap2.0網(wǎng)頁特征參數(shù)包括:網(wǎng)頁文檔內(nèi)容的〈!doctype(documenttype,文檔類型)聲明中包含的“xhtmlmobile”字樣；網(wǎng)頁文檔內(nèi)容中包含MobileOptimized(網(wǎng)頁針對移動設(shè)備作寬度優(yōu)化設(shè)置)的meta(元數(shù)據(jù))；網(wǎng)頁文檔內(nèi)容中包含的聲明；網(wǎng)頁文檔內(nèi)容中包含viewport(窗口)的meta,且meta中包含“width=deviec_width”或“width=xxx”字樣(其中xxx的值小于等于320像素);網(wǎng)頁文檔內(nèi)容的尾部包含的報時時間；網(wǎng)頁文檔內(nèi)容中包含的“簡版”、“彩板”、“觸屏版”、“炫彩版”等字樣;網(wǎng)頁文檔內(nèi)容中含“界3口”、“口110116”、“1]1013”、“38”字樣的外鏈088(CascadingStyleSheet，層疊樣式表單)文件名；網(wǎng)頁文檔內(nèi)容的標題中包含的“手機版”、“3g版”、“wap版”等字樣；網(wǎng)頁文檔內(nèi)容的字符編碼為ASCII(AmericaStandardCodeforInformationInterchange，美國信息交換標準碼)、GB2312(信息交換用漢字編碼字符集(GB是“國標”的拼音縮寫，2312是國標序號))、GBK(GB2312的擴充(K是“擴”的拼音縮寫))、BIG5(繁體中文)等非UTF8(簡體中文)編碼；網(wǎng)頁文檔內(nèi)容的外鏈css文件的個數(shù)大于預設(shè)的css文件個數(shù)閾值；網(wǎng)頁文檔內(nèi)容的外鏈js(JavaScript)文件個數(shù)大于預設(shè)的js文件個數(shù)閾值；網(wǎng)頁文檔內(nèi)容中包含的table(表格)、tbody(tablebody,表格主體)、tr(tablerow,表格行)和td(tabledata，表格數(shù)據(jù))標簽的個數(shù)與網(wǎng)頁文檔中包含的所有標簽的個數(shù)之間的比例大于預設(shè)的標簽比例閾值；網(wǎng)頁文檔內(nèi)容中包含的寬度大于預設(shè)的寬度閾值(比如320像素)的html標簽；網(wǎng)頁文檔內(nèi)容包含的img(圖片)標簽的個數(shù)大于預設(shè)的img標簽個數(shù)閾值；網(wǎng)頁文檔內(nèi)容中包含的JavaScript代碼；網(wǎng)頁文檔內(nèi)容〈!doctype聲明中包含的“dtd(documenttype,文檔類型)html”字樣；網(wǎng)頁文檔內(nèi)容中沒有包含〈!doctype聲明；網(wǎng)頁文檔內(nèi)容中包含的RSS(信息聚合)訂閱信息；網(wǎng)頁文檔內(nèi)容中包含的與鼠標操作相關(guān)的事件；網(wǎng)頁文檔內(nèi)容中包含的wap2.0網(wǎng)頁不建議使用的標簽，比如iframe(創(chuàng)建內(nèi)嵌漂浮框架)、button(指定一個容器)、center(將指定文本和圖像居中顯示)、frame(框架)、frameset(框架集)、applet(在頁面上放置可執(zhí)行內(nèi)容)等；網(wǎng)頁文檔內(nèi)容的標題長度大于預設(shè)的長度閾值；URL不是以www開頭,但網(wǎng)頁文檔內(nèi)容中包含的www開頭的鏈接個數(shù)大于預設(shè)的鏈接個數(shù)閾值；網(wǎng)頁文檔內(nèi)容中包含的googlead(廣告)代碼，且googlead的寬度大于預設(shè)的寬度閾值；網(wǎng)頁文檔內(nèi)容中包含的“添加到收藏夾”等類似作用的代碼；網(wǎng)頁文檔內(nèi)容中包含的將網(wǎng)頁設(shè)置成主頁的代碼；網(wǎng)頁文檔內(nèi)容中包含“MSThemeCompatible(XP(experience,體驗)主題)”的meta;網(wǎng)頁文檔內(nèi)容中包含“x-ua-compatible(為網(wǎng)頁指定文檔模式)”的meta;網(wǎng)頁文檔中包含的標簽的屬性值沒有使用雙引號括起來(沒有使用雙引號括起來即沒有雙引號或雙引號不是成對出現(xiàn))(規(guī)范的html語法要求標簽的屬性值必須用雙引號括起來)；網(wǎng)頁文檔內(nèi)容中包含的內(nèi)嵌或外鏈css的width(寬度)屬性值大于320像素的樣式；網(wǎng)頁文檔內(nèi)容的大小大于預設(shè)的字節(jié)數(shù)閾值(比如500KB)。[0058]網(wǎng)頁視覺信息中的Wap2.0網(wǎng)頁特征參數(shù)包括:網(wǎng)頁中每個標簽節(jié)點的寬度均小于預設(shè)的第一寬度閾值(比如320像素);網(wǎng)頁中包含的寬度大于預設(shè)的第二寬度閾值(比如320像素)的標簽節(jié)點；網(wǎng)頁中包含的部分移動終端不支持的字體(比如隸書，斜體等);網(wǎng)頁中包含的float(浮動)屬性值為right(右)的標簽節(jié)點的個數(shù)大于預設(shè)的標簽節(jié)點個數(shù)閾值；網(wǎng)頁中包含的非小圖標類圖片的位置位于預設(shè)的限制區(qū)域內(nèi)(如設(shè)置預設(shè)的限制區(qū)域包含左限制區(qū)域和右限制區(qū)域；如果非小圖標類圖片位于左限制區(qū)域內(nèi)，則非小圖標類圖片的位置比較偏左；如果非小圖標類圖片位于右限制區(qū)域內(nèi)，則非小圖標類圖片的位置比較偏右)，且非小圖標類圖片的寬度與整個網(wǎng)頁的寬度之間的比例小于預設(shè)的寬度比例閾值(比如〈0.4);網(wǎng)頁中包含的寬度大于預設(shè)的第三寬度閾值(比如320像素)的圖片。[0059]具體地，網(wǎng)頁視覺信息中的Wap2.0網(wǎng)頁特征參數(shù)可以通過對網(wǎng)頁文檔內(nèi)容信息建立DOM樹，解析出每個標簽節(jié)點的寬度、高度、位置以及樣式信息后獲取。[0060]需要說明的是，上述的各個閾值可以根據(jù)實際應用狀況進行設(shè)置具體的取值，對此不做具體限定。[0061]204:根據(jù)預設(shè)的網(wǎng)頁特征參數(shù)與網(wǎng)頁特征分數(shù)對應關(guān)系，計算wap2.0網(wǎng)頁特征得分。[0062]具體地，可以根據(jù)當網(wǎng)頁具有該網(wǎng)頁特征參數(shù)后，為wap2.0網(wǎng)頁的可能性，來設(shè)置該網(wǎng)頁特征參數(shù)對應的分數(shù)。如果具有該網(wǎng)頁特征參數(shù)后，為wap2.0網(wǎng)頁的可能性大，則該網(wǎng)頁特征參數(shù)對應的分數(shù)為正分(該網(wǎng)頁特征參數(shù)可以稱為正網(wǎng)頁特征參數(shù))。如果具有該網(wǎng)頁特征參數(shù)后，不為wap2.0網(wǎng)頁的可能性大，則該網(wǎng)頁特征參數(shù)對應的分數(shù)為負分(該網(wǎng)頁特征參數(shù)可以稱為負網(wǎng)頁特征參數(shù))。并根據(jù)可能性和不可能性的大小，設(shè)置分數(shù)的大小。[0063]上述從網(wǎng)頁的URL信息、網(wǎng)頁文檔內(nèi)容信息和網(wǎng)頁視覺信息中提取的wap2.0網(wǎng)頁特征參數(shù)中，URL中的“//wap.”、“/wap/”、“//wap”、“//3g.”、“.3g.”、“/3g/”、“//m.”、mobi/”等字樣，是正網(wǎng)頁特征參數(shù)。網(wǎng)頁文檔內(nèi)容信息中的網(wǎng)頁文檔內(nèi)容的<!doctype聲明中包含的“xhtmlmobile”字樣…網(wǎng)頁文檔內(nèi)容的標題中包含的“手機版”、“3g版”、“wap版”等字樣是正網(wǎng)頁特征參數(shù)，其他特征是負網(wǎng)頁特征參數(shù)。網(wǎng)頁視覺信息中的網(wǎng)頁中每個標簽節(jié)點的寬度均小于預設(shè)的第一寬度閾值(比如320像素)是正網(wǎng)頁特征參數(shù)，其他是負網(wǎng)頁特征參數(shù)。[0064]具體地，可以將網(wǎng)頁特征參數(shù)與網(wǎng)頁特征分數(shù)一一對應保存起來，當需要時，從保存的地方讀取查詢。[0065]由于wap2.0網(wǎng)頁特征參數(shù)不像wapl.0網(wǎng)頁特征參數(shù)，滿足單個特征參數(shù)之后不能完全確定是wap2.0網(wǎng)頁還是web網(wǎng)頁，因此采用了對所有特征參數(shù)綜合打分的方式來最終確定網(wǎng)頁是wap2.0網(wǎng)頁還是web網(wǎng)頁。[0066]205:將wap2.0網(wǎng)頁特征得分，與預設(shè)的網(wǎng)頁特征得分閾值進行比較，如果大于預設(shè)的網(wǎng)頁特征得分閾值，則執(zhí)行207;否則，執(zhí)行208。[0067]206:確定網(wǎng)頁的類型為wapl.0,然后結(jié)束。[0068]207:確定網(wǎng)頁的類型為wap2.0,然后結(jié)束。[0069]208:確定網(wǎng)頁的類型為web,然后結(jié)束。[0070]需要說明的是，并不限于通過計算wap2.0網(wǎng)頁特征得分的方式，確定該網(wǎng)頁的類型是wap2.0還是web,還可以采用如下方式:[0071]將提取出的wap2.0網(wǎng)頁特征參數(shù)輸入到網(wǎng)頁分類模型中；其中，網(wǎng)頁分類模型通過對從預設(shè)的多個網(wǎng)頁中提取出的wap2.0網(wǎng)頁特征參數(shù)進行機器學習得到。[0072]通過網(wǎng)頁分類模型,確定該網(wǎng)頁的類型是wap2.0還是web。[0073]其中，機器學習的方法可以選擇支持向量機(SVM)、樸素貝耶斯等，對此不做具體限定。[0074]本發(fā)明實施例所述的確定網(wǎng)頁類型的方法，從獲取的網(wǎng)頁的文檔信息(包含網(wǎng)頁地址URL信息、網(wǎng)頁文檔內(nèi)容信息和網(wǎng)頁視覺信息)中提取網(wǎng)頁特征參數(shù)，網(wǎng)頁特征參數(shù)提取的范圍廣，可以提取出多個網(wǎng)頁特征參數(shù)，使得可以根據(jù)提取出的網(wǎng)頁特征參數(shù)，有效地確定出該網(wǎng)頁的類型。進一步地，通過計算該網(wǎng)頁的網(wǎng)頁特征得分，根據(jù)該網(wǎng)頁的網(wǎng)頁特征得分，確定該網(wǎng)頁的類型，可以提高確定該網(wǎng)頁的類型的準確性。進一步地，通過網(wǎng)頁分類模型，確定該網(wǎng)頁的類型網(wǎng)頁，分類模型是通過預先對從預設(shè)的多個網(wǎng)頁中提取出的網(wǎng)頁特征參數(shù)進行機器學習訓練得到，可以提高確定該網(wǎng)頁的類型的準確性。[0075]實施例三[0076]參見圖3，本發(fā)明實施例提供了一種確定網(wǎng)頁類型的裝置，其特征在于，該裝置包括:[0077]獲取模塊301，用于獲取網(wǎng)頁的文檔信息；其中，網(wǎng)頁的文檔信息包含網(wǎng)頁地址URL信息、網(wǎng)頁文檔內(nèi)容信息和網(wǎng)頁視覺信息；[0078]提取模塊302，用于在獲取模塊301獲取網(wǎng)頁的文檔信息后，從網(wǎng)頁的文檔信息中提取網(wǎng)頁特征參數(shù)；[0079]確定模塊303，用于在提取模塊302從網(wǎng)頁的文檔信息中提取網(wǎng)頁特征參數(shù)后，根據(jù)提取出的網(wǎng)頁特征參數(shù)，確定網(wǎng)頁的類型。[0080]優(yōu)選地，確定模塊303包括:[0081]計算單元，用于在提取模塊302從網(wǎng)頁的文檔信息中提取網(wǎng)頁特征參數(shù)后，根據(jù)預設(shè)的網(wǎng)頁特征參數(shù)與網(wǎng)頁特征分數(shù)對應關(guān)系，計算網(wǎng)頁的網(wǎng)頁特征得分；[0082]確定單元，用于在計算單元計算網(wǎng)頁的網(wǎng)頁特征得分后，根據(jù)網(wǎng)頁的網(wǎng)頁特征得分，確定網(wǎng)頁的類型。[0083]優(yōu)選地，確定單元包括:[0084]比較子單元，用于在計算單元計算網(wǎng)頁的網(wǎng)頁特征得分后，將網(wǎng)頁的網(wǎng)頁特征得分與預設(shè)的網(wǎng)頁特征得分閾值進行比較；[0085]第一確定子單元，用于在比較子單元的比較結(jié)果是網(wǎng)頁的網(wǎng)頁特征得分大于預設(shè)的網(wǎng)頁特征得分閾值，則確定網(wǎng)頁的類型為無線應用協(xié)議wap7.0。[0086]優(yōu)選地，確定單元還包括:[0087]第二確定子單元，用于在比較子單元的比較結(jié)果是網(wǎng)頁的網(wǎng)頁特征得分小于等于預設(shè)的網(wǎng)頁特征得分閾值，則確定網(wǎng)頁的類型為web。[0088]優(yōu)選地，確定模塊303包括:[0089]處理單元，用于在提取模塊302從網(wǎng)頁的文檔信息中提取網(wǎng)頁特征參數(shù)后，將提取出的網(wǎng)頁特征參數(shù)輸入到網(wǎng)頁分類模型中；其中，網(wǎng)頁分類模型通過對從預設(shè)的多個網(wǎng)頁中提取出的網(wǎng)頁特征參數(shù)進行機器學習得到；[0090]分類模型確定單元，用于在處理單元將提取出的網(wǎng)頁特征參數(shù)輸入到網(wǎng)頁分類模型中后，通過網(wǎng)頁分類模型，確定網(wǎng)頁的類型。[0091]優(yōu)選地，網(wǎng)頁地址URL信息中的網(wǎng)頁特征參數(shù)包括:`[0092]//wap.、/wap/、//wap、//3g.、.3g.、/3g/、//m.、/m/和.mobi/中的至少一種。[0093]優(yōu)選地，網(wǎng)頁文檔內(nèi)容信息中的網(wǎng)頁特征參數(shù)包括:[0094]〈！doctype聲明中包含的xhtmlmobile字樣；包含MobileOptimized的meta;<?xml聲明；包含viewport的meta,且meta中包含width=deviec_width或width=xxx;報時時間；簡版、彩板、觸屏版或炫彩版字樣；含wap、phone、mob或3g字樣的外鏈層疊樣式表單css文件名；標題中包含的手機版、3g版或wap版字樣；字符編碼為ASCI1、GB2312、GBK或BIG5編碼；外鏈css文件的個數(shù)大于預設(shè)的css文件個數(shù)閾值；外鏈js文件的個數(shù)大于預設(shè)的js文件個數(shù)閾值；表格table標簽、表格主體tbody標簽、表格行tr標簽和表格數(shù)據(jù)td標簽的個數(shù)與網(wǎng)頁文檔內(nèi)容中包含的所有標簽的個數(shù)之間的比例大于預設(shè)的標簽比例閾值；寬度大于預設(shè)的寬度閾值的html標簽；img標簽的個數(shù)大于預設(shè)的img標簽個數(shù)閾值；JavaScript代碼；〈!doctype聲明中包含的dtdhtml字樣；信息聚合RSS訂閱信息；與鼠標操作相關(guān)的事件；創(chuàng)建內(nèi)嵌漂浮框架ifram標簽、指定一個容器button標簽、將指定文本和圖像居中顯示center標簽、框架frame標簽、框架集frameset標簽或在頁面上放置可執(zhí)行內(nèi)容applet標簽；標題長度大于預設(shè)的長度閾值；URL不是以www開頭，但網(wǎng)頁文檔內(nèi)容中包含的WWW開頭的鏈接個數(shù)大于預設(shè)的鏈接個數(shù)閾值；googlead代碼,且googlead的寬度大于預設(shè)的寬度閾值；添加到收藏夾代碼；將網(wǎng)頁設(shè)置成主頁的代碼；包含MSThemeCompatible的meta;包含x-ua-compatible的meta；內(nèi)嵌或外鏈css的width屬性值大于320像素；和網(wǎng)頁文檔內(nèi)容的大小大于預設(shè)的字節(jié)數(shù)閾值中的至少一種。[0095]優(yōu)選地，網(wǎng)頁視覺信息網(wǎng)頁中的網(wǎng)頁特征參數(shù)包括:[0096]網(wǎng)頁中每個標簽節(jié)點的寬度均小于預設(shè)的第一寬度閾值；寬度大于預設(shè)的第二寬度閾值的標簽節(jié)點；隸書字體或斜體字體；float屬性值為right的標簽節(jié)點的個數(shù)大于預設(shè)的標簽節(jié)點個數(shù)閾值；非小圖標類圖片的位置位于預設(shè)的限制區(qū)域內(nèi)，且非小圖標類圖片的寬度與整個網(wǎng)頁的寬度之間的比例小于預設(shè)的寬度比例閾值；和寬度大于預設(shè)的第三寬度閾值的圖片中的至少一種。[0097]本發(fā)明實施例所述的確定網(wǎng)頁類型的裝置，從獲取的網(wǎng)頁的文檔信息(包含網(wǎng)頁地址URL信息、網(wǎng)頁文檔內(nèi)容信息和網(wǎng)頁視覺信息)中提取網(wǎng)頁特征參數(shù)，網(wǎng)頁特征參數(shù)提取的范圍廣，可以提取出多個網(wǎng)頁特征參數(shù)，使得可以根據(jù)提取出的網(wǎng)頁特征參數(shù)，有效地確定出該網(wǎng)頁的類型。進一步地，通過計算該網(wǎng)頁的網(wǎng)頁特征得分，根據(jù)該網(wǎng)頁的網(wǎng)頁特征得分，確定該網(wǎng)頁的類型，可以提高確定該網(wǎng)頁的類型的準確性。進一步地，通過網(wǎng)頁分類模型，確定該網(wǎng)頁的類型網(wǎng)頁，分類模型是通過預先對從預設(shè)的多個網(wǎng)頁中提取出的網(wǎng)頁特征參數(shù)進行機器學習訓練得到，可以提高確定該網(wǎng)頁的類型的準確性。[0098]需要說明的是:上述實施例提供的確定網(wǎng)頁類型的裝置在觸發(fā)智能網(wǎng)業(yè)務時，僅以上述各功能模塊的劃分進行舉例說明，實際應用中，可以根據(jù)需要而將上述功能分配由不同的功能模塊完成，即將設(shè)備的內(nèi)部結(jié)構(gòu)劃分成不同的功能模塊，以完成以上描述的全部或者部分功能。另外，上述實施例提供的確定網(wǎng)頁類型的裝置與確定網(wǎng)頁類型的方法實施例屬于同一構(gòu)思，其具體實現(xiàn)過程詳見方法實施例，這里不再贅述。[0099]上述本發(fā)明實施例序號僅僅為了描述，不代表實施例的優(yōu)劣。[0100]本領(lǐng)域普通技術(shù)人員可以理解實現(xiàn)上述實施例的全部或部分步驟可以通過硬件來完成，也可以通過程序來指令相關(guān)的硬件完成，所述的程序可以存儲于一種計算機可讀存儲介質(zhì)中，上述提到的存儲介質(zhì)可以是只讀存儲器，磁盤或光盤等。[0101]以上所述僅為本發(fā)明的較佳實施例，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進等，均應包含在本發(fā)明的保護范圍之內(nèi)?！緳?quán)利要求】1.一種確定網(wǎng)頁類型的方法，其特征在于，所述方法包括:獲取網(wǎng)頁的文檔信息；其中，所述網(wǎng)頁的文檔信息包含網(wǎng)頁地址URL信息、網(wǎng)頁文檔內(nèi)容信息和網(wǎng)頁視覺信息；從所述網(wǎng)頁的文檔信息中提取網(wǎng)頁特征參數(shù)；根據(jù)提取出的網(wǎng)頁特征參數(shù)，確定所述網(wǎng)頁的類型。2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)提取出的網(wǎng)頁特征參數(shù)，確定所述網(wǎng)頁的類型，包括:根據(jù)預設(shè)的網(wǎng)頁特征參數(shù)與網(wǎng)頁特征分數(shù)對應關(guān)系，計算所述網(wǎng)頁的網(wǎng)頁特征得分；根據(jù)所述網(wǎng)頁的網(wǎng)頁特征得分，確定所述網(wǎng)頁的類型。3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述根據(jù)所述網(wǎng)頁的網(wǎng)頁特征得分，確定所述網(wǎng)頁的類型，包括:將所述網(wǎng)頁的網(wǎng)頁特征得分與預設(shè)的網(wǎng)頁特征得分閾值進行比較；如果所述網(wǎng)頁的網(wǎng)頁特征得分大于預設(shè)的網(wǎng)頁特征得分閾值，則確定所述網(wǎng)頁的類型為無線應用協(xié)議wap2.0。4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述將所述網(wǎng)頁的網(wǎng)頁特征得分與預設(shè)的網(wǎng)頁特征得分閾值進行比較之后，還包括:如果所述網(wǎng)頁的網(wǎng)頁特征得分小于等于預設(shè)的網(wǎng)頁特征得分閾值，則確定所述網(wǎng)頁的類型為web。`5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)提取出的網(wǎng)頁特征參數(shù)，確定所述網(wǎng)頁的類型，包括:將提取出的網(wǎng)頁特征參數(shù)輸入到網(wǎng)頁分類模型中；其中，所述網(wǎng)頁分類模型通過對從預設(shè)的多個網(wǎng)頁中提取出的網(wǎng)頁特征參數(shù)進行機器學習得到；通過所述網(wǎng)頁分類模型，確定所述網(wǎng)頁的類型。6.根據(jù)權(quán)利要求1-5任一權(quán)利要求所述的方法，其特征在于，所述網(wǎng)頁地址URL信息中的網(wǎng)頁特征參數(shù)包括://wap.、/wap/、"wap、"3g.、.3g.、/3g/、//m.、/m/和.mobi/中的至少一種。7.一種確定網(wǎng)頁類型的裝置，其特征在于，所述裝置包括:獲取模塊，用于獲取網(wǎng)頁的文檔信息；其中，所述網(wǎng)頁的文檔信息包含網(wǎng)頁地址URL信息、網(wǎng)頁文檔內(nèi)容信息和網(wǎng)頁視覺信息；提取模塊，用于在所述獲取模塊獲取網(wǎng)頁的文檔信息后，從所述網(wǎng)頁的文檔信息中提取網(wǎng)頁特征參數(shù)；確定模塊，用于在所述提取模塊從所述網(wǎng)頁的文檔信息中提取網(wǎng)頁特征參數(shù)后，根據(jù)提取出的網(wǎng)頁特征參數(shù)，確定所述網(wǎng)頁的類型。8.根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述確定模塊包括:計算單元，用于在所述提取模塊從所述網(wǎng)頁的文檔信息中提取網(wǎng)頁特征參數(shù)后，根據(jù)預設(shè)的網(wǎng)頁特征參數(shù)與網(wǎng)頁特征分數(shù)對應關(guān)系，計算所述網(wǎng)頁的網(wǎng)頁特征得分；確定單元，用于在所述計算單元計算所述網(wǎng)頁的網(wǎng)頁特征得分后，根據(jù)所述網(wǎng)頁的網(wǎng)頁特征得分，確定所述網(wǎng)頁的類型。9.根據(jù)權(quán)利要求8所述的裝置，其特征在于，所述確定單元包括:比較子單元，用于在所述計算單元計算所述網(wǎng)頁的網(wǎng)頁特征得分后，將所述網(wǎng)頁的網(wǎng)頁特征得分與預設(shè)的網(wǎng)頁特征得分閾值進行比較；第一確定子單元，用于在所述比較子單元的比較結(jié)果是所述網(wǎng)頁的網(wǎng)頁特征得分大于預設(shè)的網(wǎng)頁特征得分閾值，則確定所述網(wǎng)頁的類型為無線應用協(xié)議wap7.0。10.根據(jù)權(quán)利要求9所述的裝置，其特征在于，所述確定單元還包括:第二確定子單元，用于在所述比較子單元的比較結(jié)果是所述網(wǎng)頁的網(wǎng)頁特征得分小于等于預設(shè)的網(wǎng)頁特征得分閾值，則確定所述網(wǎng)頁的類型為web。11.根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述確定模塊包括:處理單元，用于在所述提取模塊從所述網(wǎng)頁的文檔信息中提取網(wǎng)頁特征參數(shù)后，將提取出的網(wǎng)頁特征參數(shù)輸入到網(wǎng)頁分類模型中；其中，所述網(wǎng)頁分類模型通過對從預設(shè)的多個網(wǎng)頁中提取出的網(wǎng)頁特征參數(shù)進行機器學習得到；分類模型確定單元，用于在所述處理單元將提取出的網(wǎng)頁特征參數(shù)輸入到網(wǎng)頁分類模型中后，通過所述網(wǎng)頁分類模型，確定所述網(wǎng)頁的類型。12.根據(jù)權(quán)利要求7-11任一權(quán)利要求所述的裝置，其特征在于，所述網(wǎng)頁地址URL信息中的網(wǎng)頁特征參數(shù)包括://wap.、/wap/、"wap、"3g.`、.3g.、/3g/、//m.、/m/和.mobi/中的至少一種?！疚臋n編號】G06F17/30GK103870486SQ201210539055【公開日】2014年6月18日申請日期:2012年12月13日優(yōu)先權(quán)日:2012年12月13日【發(fā)明者】張富強,楊巍申請人:深圳市世紀光速信息技術(shù)有限公司