[发明专利]一种基于网页模板的网站内容无障碍检测方法

摘要

一种基于网页模板的网站内容无障碍检测方法，包括依据待检测网址抓取该网站所有相关网页和资源；对网页依据正文提取算法进行正文过滤，去掉网页DOM树的正文节点；对网页集合依据基于html标签的网页结构度量计算出网页之间的距离矩阵；设定层次聚类阈值θ，依据距离矩阵对所有网页进行层次聚类，在每一个聚类簇中选取若干个网页作为该聚类簇的模板构成网页模板集合；对得到的模板网页集合进行对应模板相关检测规则的检测；对其他所有的网页集合进行模板不相关规则的检测并且将检测结果与结果汇总，从而快速得到检测结果。

主权项

一种基于网页模板的网站内容无障碍检测方法，该方法的特征在于，包括以下步骤：(1)依据待检测网址抓取该网站所有相关网页和资源；对所有网页进行渲染并保存渲染结果；(2)对步骤(1)中的网页依据正文提取算法进行正文过滤，去掉网页DOM树的正文节点；(3)对步骤(2)中得到的网页集合依据基于html标签的网页结构度量计算出网页之间的距离矩阵M(4)对M设定阈值θ，对所有网页进行层次聚类；在每一个聚类簇中选取若干个网页作为该聚类簇的模板构成网页模板集合；(5)对步骤(4)得到的网页模板集合进行对应模板相关检测规则的检测；(6)对步骤(2)得到的网页集合进行模板不相关规则的检测并且将检测结果与步骤(5)结果汇总，从而快速得到检测结果。