[发明专利]自适应地定位动态网页元素的系统和方法

权利要求书

1.一种自适应地定位动态网页元素的系统，包括：

XPath泛化器，用于基于描述HTML标签的关联度以及属性的重要性 的HTML知识数据库对网页元素的XPath路径表达式执行泛化过程，其 中所述泛化过程根据HTML知识数据库逐步地从Xpath路径中移除一些 标签和/或属性；以及

增强XPath解析引擎，用于通过泛化后的XPath路径表达式在目标网 页的HTML文档对象模型树中搜索所述网页元素，并且

当根据所述XPath路径表达式在所述HTML DOM树中找到元素时， 输出结果集合；以及

当没有找到元素时，通知所述XPath泛化器对所述XPath路径表达式 进行进一步泛化。

2.根据权利要求1所述的系统，其中所述HTML知识数据库进一步 包括HTML标签关联度表和HTML属性重要性表，其中所述HTML标 签关联度表用于表示HTML标签之间的关联度，所述HTML属性重要性 表用于表示HTML属性相对于HTML标签的重要性。

3.根据权利要求2所述的系统，其中所述HTML标签之间的关联度 和所述HTML属性相对于HTML标签的重要性分别用权重值来表示。

4.根据权利要求1所述的系统，其中所述XPath泛化器进一步用于： 基于所述HTML知识数据库，从所述XPath路径表达式中移除关联度未 达到一阈值的标签。

5.根据权利要求1所述的系统，其中所述XPath泛化器进一步用于： 基于所述HTML知识数据库，从所述XPath路径表达式中移除重要性未 达到一阈值的属性。

6.根据权利要求1或5所述的系统，其中所述XPath泛化器进一步 用于：当所述增强XPath解析引擎没有找到元素时调整所述阈值。

7.根据权利要求6所述的系统，其中取决于对于所需网页元素的查找 粒度和/或对系统性能的需求，改变所述阈值的调整幅度。

8.根据权利要求1或5所述的系统，其中所述XPath泛化器进一步 用于：当所述阈值达到一个预先设置的极限值时，通知所述增强XPath解 析引擎停止执行网页元素定位过程，并返回定位错误的消息。

9.一种自适应地定位动态网页元素的方法，包括：

基于描述HTML标签的关联度以及属性的重要性的HTML知识数据 库，对网页元素的XPath路径表达式执行泛化过程，其中所述泛化过程根 据HTML知识数据库逐步地从XPath路径中移除一些标签和/或属性；以 及

通过泛化后的XPath路径表达式在目标网页的HTML文档对象模型 树中搜索所述网页元素，并且

当根据所述XPath路径表达式在所述HTML DOM树中找到元素时， 输出结果集合；以及

当没有找到元素时，对所述XPath路径表达式进行进一步泛化。

10.根据权利要求9所述的方法，其中所述HTML知识数据库进一步 包括HTML标签关联度表和HTML属性重要性表，其中所述HTML标 签关联度表用于表示HTML标签之间的关联度，所述HTML属性重要性 表用于表示HTML属性相对于HTML标签的重要性。

11.根据权利要求10所述的方法，其中所述HTML标签之间的关联 度和所述HTML属性相对于HTML标签的重要性分别用权重值来表示。

12.根据权利要求9所述的方法，其中所述方法进一步包括：基于所 述HTML知识数据库，从所述XPath路径表达式中移除关联度未达到一 阈值的标签。

13.根据权利要求9所述的方法，其中所述方法进一步包括：基于所 述HTML知识数据库，从所述XPath路径表达式中移除重要性未达到一 阈值的属性。

14.根据权利要求9或13所述的方法，其中所述方法进一步包括：当 没有找到元素时调整所述阈值。