[发明专利]一种服务接口原语定义方法和系统

权利要求书

1.一种服务接口原语定义方法，其特征在于，包括：

根据待提取数据的Web页面的特征，按照模板原语编写数据提取模板；

对所述数据提取模板进行词法分析，获得词法单元；

根据所述词法单元，对所述数据提取模板进行语法分析，获得抽象语法树；

根据所述抽象语法树，生成所述数据提取模板的以中间形式表示的XML文件；

根据所述模板原语对所述XML文件进行语义检查，完成所述数据提取模板的定义；

其中，所述模板原语是通过如下步骤定义的：

步骤1：获取一个模板入口标志语句，记为Template，表示JSON结构的根节点；

步骤2：获取一个表示JSON节点的标记，记为Output，表示在当前位置有一个JSON节点；

步骤3：获取一个表示JSON节点的key来自于HTML中对应位置的标记，记为NameNode；

步骤4：获取表示JSON节点的value的标记，所述JSON节点的value可以是对象、数组或值，分别用ObjectNode，DOMNodeList，DOMNode表示，其中，DOMNode指明该值来自HTML中的位置，所述ObjectNode表示所述JSON节点的value是一个JSON对象，所述DOMNodeList表示所述JSON节点的value是一个JSON数组，所述DOMNode表示所述JSON节点的value是一个JSON值；

步骤5：获取一个表示类的定义的语句，记为Class，所述类的定义在模板入口语句外，在模板定义之前；

步骤6：标记有属性列表，以记录JSON节点的key、value来自HTML中的xpath路径，以及可能的xpath路径优先级信息；

步骤7：用add语句表示在父节点下加入当前节点；

步骤8：用set语句表示修改当前节点的属性值；

步骤9：在存在嵌套结构的情况下，即所述JSON节点的value是对象或者列表，在相应的ObjectNode或DOMNodeList下面添加Output标记表示下一层的JSON节点。

2.根据权利要求1所述的方法，其特征在于，根据待提取数据的Web页面的特征，按照模板原语编写数据提取模板，包括：

通过Template语句定义数据提取模板的JSON根节点；

通过add Output语句在所述JSON根节点下添加JSON节点；

通过add语句在Output下添加NameNode、ObjectNode、DOMNodeList以及DOMNode标记，以指定所述JSON节点的key值和value值；

通过set或add语句为所述标记赋予属性值，以确定对应的值所在的位置和优先顺序，其中，在所述JSON节点的value值是对象或列表时，在相应的ObjectNode或DOMNodeList下添加Output标记以表示下一层的JSON节点。

3.根据权利要求2所述的方法，其特征在于，对所述数据提取模板进行词法分析，获得词法单元，包括：

获得所述数据提取模板的源程序的输入字符；

识别所述输入字符中的词素，所述词素包括：关键字、类名、模板名、属性值、表示语句结构的符号以及表示层级关系的符号；

逐个匹配所述词素的正则表达式，在匹配成功时获得相应的词法单元。

4.根据权利要求3所述的方法，其特征在于，根据所述词法单元，对所述数据提取模板进行语法分析，获得抽象语法树，包括：

逐个分析所述词法单元；

在出现某一个产生式体时，将其规约为产生式头，并与此同时构建抽象语法树的一个节点，表示当次推导所使用的产生式；

重复规约过程直到整个串被规约成开始符号，以构建所述抽象语法树，所述开始符号对应所述JSON根节点。

5.根据权利要求4所述的方法，其特征在于，根据所述抽象语法树，生成所述数据提取模板的以中间形式表示的XML文件，包括：

在构建所述抽象语法树的节点时，按照规约语句的类型生成必要XML节点或者修改XML节点的属性值；

在最终规约到开始符号时构建XML文件的JSON根节点，以生成所述数据提取模板的XML文件。