[发明专利]一种对标记信息进行处理的方法及系统

说明书

本发明公开了一种对标记信息进行处理的方法及系统，其中方法包括：对待处理的电子文件进行解析以根据数据内容、样式文件和资源文件构建包括多个对象节点的节点树结构，确定每个对象节点与待处理的电子文件中文件内容的单元标识、字节偏移量和字节数量的对应关系，根据节点树结构和样式文件构建包括多个呈现节点的渲染树结构；对所获取的标记信息进行解析以确定多个标记项，将多个标记项中的每个标记项与节点树结构中的至少一个对象节点进行关联；息对节点树结构中相关联的每个对象节点进行标记，并确定每个标记项的单元标识、字节偏移量和字节数量；以及获取每个标记项的样式信息，根据样式信息和单元标识对每个标记项进行显示。

技术领域

本发明涉及电子书技术领域，并且更具体地，涉及一种对标记信息进行处理的方法及系统。

背景技术

电子书出版物(EPub，Electronic Publication)是一种电子书格式标准，并且属于一种可以自动重新排版的内容。文字内容可以根据阅读设备的特性，以最适合阅读的方式进行显示。EPub电子书内部使用了超文本标记语言HTML或可扩展超文本标记语言XHTML格式的文件来包含文字、图片等多媒体资源。电子书用户终端软件解析EPub并从HTML或XHTML文件中抽取文字和图片，从而将文字和图片在用户终端上绘制展示。

电子书划线笔记是用户在使用电子书用户终端浏览EPub电子书时，在电子书用户终端上对电子书中内容进行选择划线或记录的笔记记录。用户终端与划线笔记服务器记录每条划线笔记记录的位置(包括起始点和终止点)。用户在关闭电子书用户终端或切换设备等操作后，再次打开电子书用户终端时，用户终端加载原有的划线笔记数据并进行绘制显示。此外，在电子书用户终端上用户可以添加、修改和删除该用户的划线笔记。

然而在EPub电子书的现有技术中存在以下技术问题：用户终端显示的文字与从XHTML抽取的文字不匹配的情况，以及只能对EPub电子书中的文字部分进行划线笔记，无法对EPub电子书中的图片等非文字的文档对象模型(DOM，Document Object Model)节点内容进行划线笔记操作。

发明内容

为了解决EPub电子书划线笔记准确定位的技术问题，本发明提供一种EPub电子书划线笔记定位方法，通过解析EPub电子书中的HTML或XHTML文件，构建DOM节点树结构，并构建HMTL或XHTML文件中内容节点(文字或图片)在文件中的字节偏移(byteOffset)映射表。电子书划线笔记定位方法根据映射表使得用户能够在EPub电子书用户终端上进行增加、修改和删除划线笔记，随后将用户操作生成的划线笔记数据，以某种特定标记展示在电子书用户终端上。

根据本发明的一个方面，提供一种对标记信息进行处理的方法，所述方法包括：

对待处理的电子文件进行解析以获取与待处理的电子文件相关联的数据内容、样式文件和资源文件；

根据数据内容、样式文件和资源文件构建包括多个对象节点的节点树结构，确定每个对象节点与待处理的电子文件中文件内容的单元标识、字节偏移量和字节数量的对应关系，根据节点树结构和样式文件构建包括多个呈现节点的渲染树结构；

对所获取的标记信息进行解析以确定多个标记项，将多个标记项中的每个标记项与节点树结构中的至少一个对象节点进行关联；

根据每个标记项的位置信息对节点树结构中相关联的每个对象节点进行标记，并基于对象节点与呈现节点的关联关系确定每个标记项的单元标识、字节偏移量和字节数量；以及

获取每个标记项的样式信息，根据样式信息和单元标识对每个标记项进行显示。

在对待处理的电子文件进行解析之前还包括：

从文件服务器获取所述待处理的电子文件，其中所述待处理的电子文件包括数据内容、样式文件和资源文件。

其中对象节点为文档对象模型节点。