[发明专利]一种分页方法及分页装置

权利要求书

1.一种分页方法，其特征在于，包括：

将超文本标记语言HTML网页解析为Dom树；

对Dom树进行分析，判断所述HTML网页是新闻网页还是普通网页；

如果是新闻网页，则按照预先设置的新闻网页转换算法将所述Dom树中的HTML元素转换为相应的扩展的超文本标记语言XHTML元素，并按照预先设置的新闻网页分页算法对所述转换后的Dom树进行分页，得到至少一个页面；

如果是普通网页，则按照预先设置的普通网页转换算法将所述Dom树中的HTML元素转换为相应的XHTML元素，并按照预先设置的普通网页分页算法对所述转换后的Dom树进行分页，得到至少一个页面。

2.根据权利要求1所述的方法，其特征在于，在对所述转换后的Dom树进行分页，得到至少一个页面之后，进一步包括：

确定所述转换后的Dom树中最重要的信息块所处的页面，将所述页面作为最佳页面，所述最佳页面用于最先显示。

3.根据权利要求1或2所述的方法，其特征在于，所述对Dom树进行分析，判断所述HTML网页是新闻网页还是普通网页包括：

判断所述Dom树中是否存在正文元素，当存在正文元素时，判定所述HTML网页为新闻网页，当不存在正文元素时，判定所述HTML网页为普通网页。

4.根据权利要求1或2所述的方法，其特征在于，所述按照预先设置的新闻网页转换算法将所述Dom树中的HTML元素转换为相应的XHTML元素包括：

根据预先设置的正文判断条件确定所述Dom树中的正文元素、根据预先设置的标题判断条件确定所述Dom树中的标题元素，并确定所述Dom树中的形式标题；

根据所述正文元素、标题元素和形式标题，构造一颗新Dom树；

将新Dom树中的HTML元素转换为相应的XHTML元素。

5.根据权利要求4所述的方法，其特征在于，所述根据预先设置的正文判断条件和标题判断条件确定所述Dom树中的正文元素和标题元素包括：从所述Dom树的根节点出发，按照深度优先遍历算法查找所述Dom树，当找到满足所述正文判断条件的节点时，将所述节点确定为新闻网页的正文元素，在正文元素的父节点与根节点之间的路径上以及所述路径左边的节点之间寻找符合标题判断条件的元素作为标题元素；

所述根据正文元素、标题元素和形式标题，构造一颗新Dom树包括：保留以正文元素为根节点的子树、以标题元素的父元素为根节点的子树以及形式标题，将所述Dom树中除所述两棵子树和形式标题之外的其余元素全部删除；新建一个html元素、一个head元素和一个body元素，将形式标题作为head元素的子元素、标题元素和正文元素分别作为body元素的第一个子元素和第二个子元素、head元素和body元素作为html元素的第一个子元素和第二个子元素，html元素作为根元素，得到新Dom树；

所述将新Dom树中的HTML元素转换为相应的XHTML元素包括：对于所述新Dom树中的HTML元素，如果所述HTML元素存在对应的XHTML元素，则直接将所述HTML元素转换为对应的XHTML元素；否则，将所述HTML元素的所有子节点作为所述HTML元素的父节点的子节点，删除所述HTML元素。

6.根据权利要求1或2所述的方法，其特征在于，所述按照预先设置的新闻网页分页算法对所述转换后的Dom树进行分页，得到至少一个页面包括：

设定新闻页面行数的标准值、新闻页面行数的最大值和新闻页面一行的标准字数；

遍历Dom树，根据文本元素中文字的字数和所述设定的新闻页面一行的标准字数计算文字占据的行数；

在所述占据的行数超出所述设定的新闻页面行数的标准值或新闻页面行数的最大值时，分出一个新的页面，并将从属于同一个父节点的各子节点置于同一页面内。

7.根据权利要求1或2所述的方法，其特征在于，所述按照预先设置的普通网页转换算法将所述Dom树中的HTML元素转换为相应的XHTML元素包括：

对于所述新Dom树中的HTML元素，如果所述HTML元素存在对应的XHTML元素，则直接将所述HTML元素转换为对应的XHTML元素；否则，将所述HTML元素的所有子节点作为所述HTML元素的父节点的子节点，删除所述HTML元素。