[发明专利]一种含格式的html富文本数据的跨标签处理方法及系统

摘要

本发明公开了一种含格式的html富文本数据的跨标签处理方法及系统，根据接收的含格式的html富文本数据，把它转换成不含格式的纯文本，然后通过业务处理，消除文本中的攻击代码、不规范的书写、以及敏感词等不合法、违禁的不安全因素，然后把处理后的纯文本按照相似度匹配最佳效果的方式重新恢复到原有的格式，转换成正确并安全的含格式的html富文本数据，在网站上展示，提高了网站的安全性和内容的质量。

主权项

一种含格式的html富文本数据的跨标签处理方法，其特征在于包括以下步骤：步骤一、采用parse机制，将html富文本数据作为parse分析器的输入，转换为类似DOM的树结构对象，html富文本数据中的纯文本数据将填写到树结构对象节点中，形成了多个节点纯字符串片段；步骤二、在树结构对象中，根据各个节点中包含的纯字符串片段，按顺序拼接这些文本数据，与parse分析器的输入（即html富文本）对应，形成不包含格式标签的纯文本字符串数据。步骤三、对该纯文本字符串数据进行校验、具体业务处理，生成修正后的纯文本字符串数据；步骤四、将修正后的纯文本字符串数据与树结构对象中各个节点的纯字符串片段进行相似度匹配计算，逐个计算出纯文本字符串数据中单词与节点中纯字符片段内容之间的距离；步骤五、将所有的节点纯字符串片段与修正后的字符串数据匹配完成后，形成了新的树结构对象，再对新的树结构对象进行转换处理，通过parse逆向形成完整的html富文本数据。