[发明专利]一种标记文件解析方法和装置

权利要求书

1.一种标记文件解析方法，其特征在于，包括：

获取标记文件中的标签对象，生成标签集合；

根据所述标签集合中标签对象的公共属性，对所述标签对象进行分组，从所述分组的结果获得一个或多个分组标签；

依据预置的标记文件解析映射表，匹配所述一个或多个分组标签中的标签对象的属性；

从相匹配的分组标签中，获取标记文件解析用的数据。

2.如权利要求1所述的方法，其特征在于，根据所述标签集合中标签对象的公共属性对所述标签对象进行分组，包括：

将标签集合中具有相同父节点的标签对象置于同一分组标签内。

3.如权利要求2所述的方法，其特征在于，所述从所述分组的结果获得一个或多个分组标签之后还包括分组标签再分组，包括：

判断当前分组结果中一个或多个分组标签；

若当前分组标签包含两个或多个标签对象，且所述两个或多个标签对象不具有相同的父节点，则将当前分组标签内具有相同父节点的标签对象置于另一分组标签内；

重复上述步骤直到当前分组标签不可再分组。

4.如权利要求1所述的方法，其特征在于，所述标记文件是超文本标记HTML文件。

5.如权利要求1所述的方法，其特征在于，所述标签对象是<input>输入框；

所述依据预置的标记文件解析映射表，匹配所述一个或多个分组标签中的标签对象的属性还包括：

若当前分组标签中仅含有1个密码输入框，且位于所述密码输入框下级兄弟节点的标签对象不是文本输入框，则当前分组标签为登录表单。

6.如权利要求5所述的方法，其特征在于，还包括：

若当前分组标签为登录表单，且当前分组标签内密码输入框存在多级父节点，且当前分组标签不可再分，且所述密码输入框的最近父节点内包括至少一个文本输入框，则将所述密码输入框最近父节点内的标签对象置于新的分组标签内。

7.如权利要求5所述的方法，其特征在于，所述依据预置的标记文件解析映射表，匹配所述一个或多个分组标签中的标签对象的属性还包括：

若当前分组标签中仅含有1个密码输入框，且位于所述密码输入框下级兄弟节点的标签对象是文本输入框，则当前分组标签为注册表单。

8.如权利要求7所述的方法，其特征在于，所述依据预置的标记文件解析映射表，匹配所述一个或多个分组标签中的标签对象的属性还包括：

若当前分组标签中包含2个位置连续的且互为兄弟节点的密码输入框，则当前分组标签为注册表单。

9.一种网页填充方法，其特征在于，包括：标记文件解析；目标数据存储；目标数据填充；

所述标记文件解析包括：

获取标记文件中的标签对象，生成标签集合；

根据所述标签集合中标签对象的公共属性，对所述标签对象进行分组，从所述分组的结果获得一个或多个分组标签；

依据预置的标记文件解析映射表，匹配所述一个或多个分组标签中的标签对象的属性；

相匹配的分组标签为目标输入项；

所述目标数据存储包括：

从所述目标输入项中获取目标数据并存储在配置信息中；

所述目标数据填充包括：

从配置信息中获取目标数据并填充在所述标记文件对应的目标输入项中。

10.一种标记文件解析装置，其特征在于，包括：

获取模块，用于获取标记文件中的标签对象；

集合生成模块，用于将所述获取模块得到的标签对象生成标签集合；

分组模块，用于根据所述标签集合中标签对象的公共属性对所述标签对象进行分组；

分组标签获取模块，用于获取所述分组模块生成的一个或多个分组标签；

标记文件解析映射表，用于预先存储标记文件的解析映射信息；

解析模块，用于依据标记文件解析映射表，匹配所述分组标签获取模块所获取的一个或多个分组标签中的标签对象的属性；从相匹配的分组标签中获取标记文件解析用的数据。