本公開涉及web開發(fā)，尤其涉及一種自動(dòng)化美化網(wǎng)頁內(nèi)容的方法、裝置、存儲(chǔ)介質(zhì)、程序產(chǎn)品。

背景技術(shù)：

1、隨著數(shù)字時(shí)代的到來，互聯(lián)網(wǎng)已成為信息傳播的主要渠道。網(wǎng)頁中文檔的在線編輯、分享與閱讀變得日益普及。然而，現(xiàn)有技術(shù)在處理跨平臺(tái)和應(yīng)用間文本內(nèi)容的樣式統(tǒng)一性方面存在明顯不足。當(dāng)文檔內(nèi)容在不同平臺(tái)間復(fù)制粘貼時(shí)，經(jīng)常遇到樣式不一致的問題，這不僅導(dǎo)致文章呈現(xiàn)混亂，而且嚴(yán)重影響了用戶的閱讀體驗(yàn)。此外，盡管ai技術(shù)在內(nèi)容生成方面取得了顯著進(jìn)展，但ai生成的文檔樣式多樣性與企業(yè)方的統(tǒng)一要求往往難以匹配。

技術(shù)實(shí)現(xiàn)思路

1、有鑒于此，本公開實(shí)施例提供了一種自動(dòng)化美化網(wǎng)頁內(nèi)容的方法、裝置、存儲(chǔ)介質(zhì)、程序產(chǎn)品，能夠簡化了傳統(tǒng)繁瑣的手動(dòng)樣式編輯過程，降低了人力成本和時(shí)間成本，提高樣式統(tǒng)一性，滿足用戶的風(fēng)格要求。

2、第一方面，本公開實(shí)施例提供了一種自動(dòng)化美化網(wǎng)頁內(nèi)容的方法，采用如下技術(shù)方案：

3、從網(wǎng)頁中獲取html內(nèi)容，對(duì)所述html內(nèi)容進(jìn)行數(shù)據(jù)提取，獲得內(nèi)容組件，所述內(nèi)容組件包括純文本內(nèi)容和媒體元素中的至少一項(xiàng)；

4、構(gòu)建包含多種樣式規(guī)則的規(guī)則集，基于所述規(guī)則集對(duì)所述內(nèi)容組件進(jìn)行樣式美化，生成帶有新樣式的html內(nèi)容；

5、對(duì)所述帶有新樣式的html內(nèi)容進(jìn)行動(dòng)態(tài)組裝，生成目標(biāo)html文檔，將所述目標(biāo)html文檔展示在網(wǎng)頁中。

6、可選地，所述從網(wǎng)頁中獲取html內(nèi)容，對(duì)所述html內(nèi)容進(jìn)行數(shù)據(jù)提取，獲得內(nèi)容組件，包括：

7、構(gòu)建dom容器；

8、從網(wǎng)頁加載所述html內(nèi)容；

9、通過所述dom容器對(duì)所述html內(nèi)容進(jìn)行解析，生成dom樹；

10、提取所述dom樹中的html元素，將所述html元素存儲(chǔ)到集合中；

11、遍歷所述集合，提取所述集合中的text文本內(nèi)容，如果集合中存在媒體元素，則提取所述媒體元素；

12、對(duì)所述text文本內(nèi)容進(jìn)行預(yù)處理，采用預(yù)設(shè)dom元素對(duì)預(yù)處理后的text文本內(nèi)容進(jìn)行包裹，生成所述多個(gè)純文本內(nèi)容；

13、所述多個(gè)純文本內(nèi)容構(gòu)成所述內(nèi)容組件，或者所述多個(gè)純文本內(nèi)容與所述媒體元素共同構(gòu)成所述內(nèi)容組件；

14、按照在所述html內(nèi)容中的順序，將所述內(nèi)容組件存儲(chǔ)到緩存數(shù)組中。

15、可選地，所述預(yù)處理包括去除前后空格、合并連續(xù)換行符、敏感詞過濾、內(nèi)容清洗中的至少一項(xiàng)。

16、可選地，所述預(yù)處理包括去除前后空格、合并連續(xù)換行符、敏感詞過濾、內(nèi)容清洗；

17、其中，所述去除前后空格指的是去除text文本內(nèi)容的前后空格；

18、所述合并連續(xù)換行符指的是替換text文本內(nèi)容中的連續(xù)換行符為單個(gè)換行符；

19、所述敏感詞過濾指的是根據(jù)預(yù)設(shè)的敏感詞列表，檢查text文本內(nèi)容中是否包含敏感詞，如果發(fā)現(xiàn)敏感詞，將敏感詞替換為預(yù)設(shè)字符或刪除敏感詞；

20、所述內(nèi)容清洗指的是按單個(gè)換行符將text文本內(nèi)容拆分為text數(shù)組，text數(shù)組包含多個(gè)數(shù)組元素，遍歷多個(gè)數(shù)組元素，刪除當(dāng)前數(shù)組元素的前后空格，檢測刪除前后空格后的當(dāng)前數(shù)組元素是否為空；

21、若為空，則刪除當(dāng)前數(shù)組元素；

22、若不為空，則保留當(dāng)前數(shù)組元素，采用預(yù)設(shè)dom元素對(duì)當(dāng)前數(shù)組元素進(jìn)行包裹，將包裹后的當(dāng)前數(shù)組元素稱為純文本內(nèi)容，當(dāng)多個(gè)數(shù)組元素遍歷完成后，獲得多個(gè)純文本內(nèi)容。

23、可選地，所述自動(dòng)化美化網(wǎng)頁內(nèi)容的方法還包括：

24、對(duì)加載出的html內(nèi)容進(jìn)行安全驗(yàn)證，所述安全驗(yàn)證包括數(shù)據(jù)清除、標(biāo)簽過濾、屬性檢查、屬性值檢查、深度過濾、實(shí)體轉(zhuǎn)義處理、編碼處理、csp驗(yàn)證中的至少一項(xiàng)；

25、其中，所述數(shù)據(jù)清除指的是接收輸入的html內(nèi)容，對(duì)html內(nèi)容進(jìn)行清洗，去除無關(guān)的空白字符和注釋；

26、所述標(biāo)簽過濾指的是遍歷數(shù)據(jù)清洗后的html內(nèi)容中的標(biāo)簽，將不在白名單中的標(biāo)簽刪除；

27、所述屬性檢查指的是在遍歷html內(nèi)容中的標(biāo)簽時(shí)，檢查在白名單中的標(biāo)簽的屬性是否在屬性列表中，如果所述屬性不在屬性列表中，則刪除屬性或者將該屬性的值替換為預(yù)設(shè)的安全值，如果所述屬性在屬性列表中，則對(duì)所述屬性進(jìn)行屬性值檢查；

28、所述屬性值檢查指的是對(duì)屬性值進(jìn)行url編碼或html實(shí)體編碼；

29、所述深度過濾指的是對(duì)通過屬性檢查和屬性值檢查的html內(nèi)容進(jìn)行惡意腳本過濾；

30、所述實(shí)體轉(zhuǎn)義處理指的是對(duì)經(jīng)過深度過濾的html內(nèi)容進(jìn)行html實(shí)體轉(zhuǎn)義；

31、所述編碼處理指的是采用安全框架對(duì)經(jīng)過實(shí)體轉(zhuǎn)義處理的html內(nèi)容進(jìn)行編碼；

32、所述csp驗(yàn)證指的是在服務(wù)器端和客戶端實(shí)施內(nèi)容安全策略，根據(jù)內(nèi)容安全策略對(duì)經(jīng)過編碼處理的html內(nèi)容以及隨網(wǎng)頁加載的所有附帶資源進(jìn)行驗(yàn)證。

33、可選地，所述基于所述規(guī)則集對(duì)所述內(nèi)容組件進(jìn)行樣式美化，生成帶有新樣式的html內(nèi)容，包括：

34、識(shí)別所述內(nèi)容組件中的所有內(nèi)容元素，對(duì)所述內(nèi)容元素進(jìn)行分類；

35、根據(jù)所述內(nèi)容元素的類型，從所述規(guī)則集中為所述內(nèi)容元素匹配對(duì)應(yīng)的樣式規(guī)則；

36、根據(jù)匹配出的樣式規(guī)則，在預(yù)設(shè)的樣式集中選擇出若干個(gè)樣式類；

37、采用模版引擎將所述內(nèi)容元素與所述若干個(gè)樣式類結(jié)合，生成帶有新樣式的內(nèi)容元素；

38、對(duì)所有帶有新樣式的內(nèi)容元素進(jìn)行web排版處理，生成所述帶有新樣式的html內(nèi)容。

39、可選地，所述對(duì)所述帶有新樣式的html內(nèi)容進(jìn)行動(dòng)態(tài)組裝，生成目標(biāo)html文檔，將所述目標(biāo)html文檔展示在網(wǎng)頁中，包括：

40、采用預(yù)設(shè)的數(shù)據(jù)結(jié)構(gòu)存儲(chǔ)所述帶有新樣式的html內(nèi)容；

41、創(chuàng)建documentfragment對(duì)象，將所述數(shù)據(jù)結(jié)構(gòu)中的內(nèi)容元素添加到所述documentfragment對(duì)象中，生成目標(biāo)html文檔；

42、采用自適應(yīng)布局算法對(duì)所述目標(biāo)html文檔進(jìn)行布局調(diào)整；

43、將布局調(diào)整后的目標(biāo)html文檔展示在網(wǎng)頁中。

44、第二方面，本公開實(shí)施例還提供了一種自動(dòng)化美化網(wǎng)頁內(nèi)容的系統(tǒng)，采用如下技術(shù)方案：

45、數(shù)據(jù)提取模塊，用于從網(wǎng)頁中獲取html內(nèi)容，對(duì)所述html內(nèi)容進(jìn)行數(shù)據(jù)提取，獲得內(nèi)容組件，所述內(nèi)容組件包括純文本內(nèi)容和媒體元素中的至少一項(xiàng)；

46、樣式美化模塊，用于構(gòu)建包含多種樣式規(guī)則的規(guī)則集，基于所述規(guī)則集對(duì)所述內(nèi)容組件進(jìn)行樣式美化，生成帶有新樣式的html內(nèi)容；

47、動(dòng)態(tài)組裝模塊，用于對(duì)所述帶有新樣式的html內(nèi)容進(jìn)行動(dòng)態(tài)組裝，生成目標(biāo)html文檔，將所述目標(biāo)html文檔展示在網(wǎng)頁中。

48、第三方面，本公開實(shí)施例還提供了一種計(jì)算機(jī)裝置，采用如下技術(shù)方案：

49、所述計(jì)算機(jī)裝置包括：

50、至少一個(gè)處理器；以及，

51、與所述至少一個(gè)處理器通信連接的存儲(chǔ)器；其中，

52、所述存儲(chǔ)器存儲(chǔ)有可被所述至少一個(gè)處理器執(zhí)行的指令，所述指令被所述至少一個(gè)處理器執(zhí)行，以使所述至少一個(gè)處理器能夠執(zhí)行以上任一所述的自動(dòng)化美化網(wǎng)頁內(nèi)容的方法。

53、第四方面，本公開實(shí)施例還提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，該計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)計(jì)算機(jī)指令，該計(jì)算機(jī)指令用于使計(jì)算機(jī)執(zhí)行以上任一所述的自動(dòng)化美化網(wǎng)頁內(nèi)容的方法。

54、第五方面，本公開實(shí)施例還提供了一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序/指令，該計(jì)算機(jī)程序/指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)以上任一項(xiàng)所述方法的步驟。

55、本公開實(shí)施例提供的自動(dòng)化美化網(wǎng)頁內(nèi)容的方法，通過數(shù)據(jù)提取能夠自動(dòng)清除html內(nèi)容的所有樣式，獲得內(nèi)容組件，通過提取網(wǎng)頁中的html內(nèi)容并應(yīng)用統(tǒng)一的樣式規(guī)則集，可以確保在不同平臺(tái)和應(yīng)用間復(fù)制的文本內(nèi)容保持一致的樣式，有效解決了不同平臺(tái)間樣式不一致的問題，使得文檔呈現(xiàn)更為整潔和專業(yè)。而且通過自動(dòng)構(gòu)建和應(yīng)用樣式規(guī)則集，可以根據(jù)企業(yè)的統(tǒng)一樣式要求來美化內(nèi)容，確保ai生成的文章或網(wǎng)頁內(nèi)容符合企業(yè)的品牌形象和視覺風(fēng)格，這使得生成的文檔樣式不僅具備多樣性，還能與企業(yè)的標(biāo)準(zhǔn)要求保持一致，同時(shí)能夠消除手動(dòng)重新應(yīng)用樣式的繁瑣步驟，大大提高了樣式統(tǒng)一性的維護(hù)效率，同時(shí)避免了人工操作可能帶來的錯(cuò)誤和不一致。通過生成帶有新樣式的html內(nèi)容，并進(jìn)行動(dòng)態(tài)組裝，最終生成的目標(biāo)html文檔在視覺上更為吸引人，用戶的閱讀體驗(yàn)將得到顯著提升，文檔的樣式一致性和專業(yè)性將增強(qiáng)用戶的整體體驗(yàn)。

56、上述說明僅是本公開技術(shù)方案的概述，為了能更清楚了解本公開的技術(shù)手段，而可依照說明書的內(nèi)容予以實(shí)施，并且為讓本公開的上述和其他目的、特征和優(yōu)點(diǎn)能夠更明顯易懂，以下特舉較佳實(shí)施例，并配合附圖，詳細(xì)說明如下。