[发明专利]应用于网页快照的数据处理方法及系统

权利要求书

1.一种应用于网页快照的数据处理方法，其特征在于，所述方法包括：

获取网页的网页数据；

根据所述网页数据和所述网页的前版快照数据对比确定二者中表达相同网页内容的数据，所述前版快照数据的时间早于所述网页数据的时间；

将所述网页数据中表达所述相同网页内容的数据替换为用于标志所述相同网页内容的数据的编码得到当前版快照数据；

其中，根据所述网页数据和所述网页的前版快照数据对比确定二者中表达相同网页内容的数据，包括：

将所述前版快照数据中的编码替换为该编码所标志的HTML标签的HTML内容；

以HTML标签为单位将所述网页数据和所述前版快照数据分割得到多段与HTML标签对应的HTML内容，并为所述前版快照数据中的HTML标签编码；

采用文本比较算法将所述网页数据中同层级的标签与所述前版快照数据中的所有标签进行对比处理，确定可替换标签，所述可替换标签是指所述网页数据和所述前版快照数据中具有相同HTML内容的HTML标签，

在所述对比处理中，如果所述网页数据中当前对比的HTML标签与所述前版快照数据中的HTML标签均存在差异，并且当前对比的HTML标签包含子标签，则将子标签与所述前版快照数据中的HTML标签逐个对比。

2.如权利要求1所述的方法，其特征在于，所述获取网页的网页数据包括：

接收触发网页快照的触发请求，所述触发请求中携带有用于标志所述网页的网页名称编码；

根据所述网页名称编码获取该网页名称编码所对应的网页的网页数据。

3.如权利要求2所述的方法，其特征在于，所述触发请求中还携带有用于标志用户的用户编码。

4.如权利要求3所述的方法，其特征在于，所述方法还包括：

保存所述网页名称编码和用户编码二者与所述当前版快照数据的对应关系。

5.如权利要求1所述的方法，其特征在于，所述方法还包括：

如果在所述对比处理中确定所述网页数据中当前对比的HTML标签与所述前版快照数据中的HTML标签均存在差异，并且当前对比的HTML标签不包含子标签，则保存当前对比的HTML标签的内容以及设置的用于标志该HTML标签的编码。

6.如权利要求1所述的方法，其特征在于，将所述网页数据中表达所述相同网页内容的数据替换为用于标志所述相同网页内容的数据的编码，包括：

将所述网页数据中的所述可替换标签的HTML内容替换为所述可替换标签的编码。

7.一种应用于网页快照的数据处理系统，其特征在于，所述系统包括：

数据获取模块，用于获取网页的网页数据；

数据对比模块，用于根据所述网页数据和所述网页的前版快照数据对比确定二者中表达相同网页内容的数据，所述前版快照数据的时间早于所述网页数据的时间；

数据替换模块，用于将所述网页数据中表达所述相同网页内容的数据替换为用于标志所述相同网页内容的数据的编码得到当前版快照数据；

所述数据对比模块包括：

数据恢复子模块，用于将所述前版快照数据中的编码替换为该编码所标志的HTML标签的HTML内容；

分割编码子模块，用于以HTML标签为单位将所述网页数据和所述前版快照数据分割得到多段与HTML标签对应的HTML内容，并为所述前版快照数据中的HTML标签编码；

对比子模块，用于采用文本比较算法将所述网页数据中同层级的标签与所述前版快照数据中的所有标签进行对比处理，确定可替换标签，所述可替换标签是指所述网页数据和所述前版快照数据中具有相同HTML内容的HTML标签，

在所述对比处理中，如果所述网页数据中当前对比的HTML标签与所述前版快照数据中的HTML标签均存在差异，并且当前对比的HTML标签包含子标签，则将子标签与所述前版快照数据中的HTML标签逐个对比。