[发明专利]基于Electron的文档离线系统及方法

权利要求书

1.基于Electron的文档离线系统，其特征在于，包括Electron、离线模块以及云端服务器；

所述Electron通过其网络拦截功能对待离线文档的入口地址进行拦并访问；所述离线模块对所述Electron拦截并访问的文档进行提取，对与文档无关的页面和资源进行剔除，同时对属于文档的资源进行本地化缓存，并保存至所述云端服务器中。

2.根据权利要求1所述的文档离线系统，其特征在于，所述离线模块通过Dom树或网页分割寻找正文块的算法进行文档提取。

3.根据权利要求2所述的文档离线系统，其特征在于，所述Dom树算法包括如下步骤：

1)利用开源包HTML Tidy处理HTML，更正其中错误或不规范的地方；

2)根据规范的HTML建立Dom树，然后递归遍历Dom树，比较并识别各种非文档的页面和资源，包括广告和非重要节点信息；并将其剔除；在本发明中，剔除广告信息需要建立经常更新的广告服务器列表；

3)剔除非文档的页面和资源后，将Dom树中剩余的内容作为文档内容从余下的树节点中提取缓存。

4.根据权利要求2所述的文档离线系统，其特征在于，所述网页分割寻找正文块算法具体为：首先利用HTML标签中的分隔线以及视觉信息对网页进行分割，在分割之后的各个块中寻找到正文块并进行缓存。

5.根据权利要求1所述的文档离线系统，其特征在于，还包括二次编辑模块；开发人员将离线后的文档导入所述二次编辑模块中，对所述离线后的文档进行二次编辑，并将二次编辑后的文档保存至所述云端服务器中。

6.根据权利要求5所述的文档离线系统，其特征在于，所述二次编辑模块采用ChromeDevTools Protocl。

7.一种应用权利要求1至6中任一项所述的文档离线系统的文档离线方法，其特征在于，包括步骤：

步骤1、通过Electron的网络拦截功能对待离线文档的入口地址进行拦并访问；

步骤2、通过离线模块对所述Electron拦截并访问的文档进行提取，对与文档无关的页面和资源进行剔除，同时对属于文档的资源进行本地化缓存，并保存至所述云端服务器中。

8.根据权利要求7所述的文档离线方法，其特征在于，还包括对所述离线文档的二次编辑步骤，具体为：通过所述二次编辑模块对所述离线后的文档进行二次编辑，并保存至所述云端服务器中。

9.根据权利要求7所述的文档离线方法，其特征在于，所述步骤2中，离线模块对所述Electron拦截并访问的文档进行提取离线采用的是Dom树或网页分割寻找正文块的算法。

10.根据权利要求9所述的文档离线方法，其特征在于，所述Dom树算法包括如下步骤：1)利用开源包HTML Tidy处理HTML，更正其中错误或不规范的地方；2)根据规范的HTML建立Dom树，然后递归遍历Dom树，比较并识别各种非文档的页面和资源，包括广告和非重要节点信息；并将其剔除；在本发明中，剔除广告信息需要建立经常更新的广告服务器列表；3)剔除非文档的页面和资源后，将Dom树中剩余的内容作为文档内容从余下的树节点中提取缓存；

所述网页分割寻找正文块算法具体为：首先利用HTML标签中的分隔线以及视觉信息对网页进行分割，在分割之后的各个块中寻找到正文块并进行缓存。