页面隐藏文案识别方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种页面隐藏文案识别方法、装置、计算机设备和存储介质，所述方法包括：获取待识别页面；根据待识别页面的源代码，获得待识别页面包含的全量文案；对待识别页面的展示内容进行图像化处理，获得对应的展示图片；对展示图片进行文字识别，获得待识别页面包含的展示文案；基于全量文案与展示文案的差异，确定待识别页面是否包含隐藏文案。本申请提供的方案可以提高页面隐藏文案的识别效率和准确率。

【技术实现步骤摘要】
页面隐藏文案识别方法、装置、计算机设备和存储介质
本申请涉及计算机
，特别是涉及一种页面隐藏文案识别方法、装置、计算机设备和存储介质。
技术介绍
网络上的页面资源，除了包含通过页面展示出来的内容之外，可能还包含未展示的隐藏内容，这些隐藏内容在某些特定的情况下会显示出来，因此在引用页面资源时，有必要先识别出其中包含的隐藏内容。然而，目前通过人工识别页面隐藏内容的方式，存在效率低下、准确率不高的问题。
技术实现思路
基于此，有必要针对目前通过人工识别页面隐藏内容存在的效率低下、准确率不高的技术问题，提供一种页面隐藏文案识别方法、装置、计算机设备和存储介质。一种页面隐藏文案识别方法，所述方法包括：获取待识别页面；根据所述待识别页面的源代码，获得所述待识别页面包含的全量文案；对所述待识别页面的展示内容进行图像化处理，获得对应的展示图片；对所述展示图片进行文字识别，获得所述待识别页面包含的展示文案；基于所述全量文案与所述展示文案的差异，确定所述待识别页面是否包含隐藏文案。一种页面隐藏文案识别装置，所述装置包括：获取模块，用于获取待识别页面；源代码处理模块，用于根据所述待识别页面的源代码，获得所述待识别页面包含的全量文案；图像化处理模块，用于对所述待识别页面的展示内容进行图像化处理，获得对应的展示图片；文字识别模块，用于对所述展示图片进行文字识别，获得所述待识别页面包含的展示文案；确定模块，用于基于所述全量文案与所述展示文案的差异，确定所述待识别页面是否包含隐藏文案。一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行以下步骤：获取待识别页面；根据所述待识别页面的源代码，获得所述待识别页面包含的全量文案；对所述待识别页面的展示内容进行图像化处理，获得对应的展示图片；对所述展示图片进行文字识别，获得所述待识别页面包含的展示文案；基于所述全量文案与所述展示文案的差异，确定所述待识别页面是否包含隐藏文案。一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行以下步骤：获取待识别页面；根据所述待识别页面的源代码，获得所述待识别页面包含的全量文案；对所述待识别页面的展示内容进行图像化处理，获得对应的展示图片；对所述展示图片进行文字识别，获得所述待识别页面包含的展示文案；基于所述全量文案与所述展示文案的差异，确定所述待识别页面是否包含隐藏文案。上述页面隐藏文案识别方法、装置、计算机设备和计算机可读存储介质，对待识别页面的展示内容进行图像化处理，再对图像化处理后得到的图片进行文字识别，获得页面展示出来的展示文案，通过图片文字识别的方式可以批量快速地获得展示文案，然后根据展示文案与全量文案的差异，确定页面是否包含隐藏文案，无需人工一步步根据文档结构查看页面是否有未显示的内容，从而可以减少人为工作量以及人为失误引起的问题，提高页面隐藏文案的识别效率和准确率。附图说明图1为一个实施例中页面隐藏文案识别方法的应用环境图；图2为一个实施例中页面隐藏文案识别方法的流程示意图；图3为一个实施例中页面隐藏文案识别方法的流程示意图；图4为一个实施例中页面隐藏文案识别装置的结构框图；图5为一个实施例中计算机设备的结构框图；图6为一个实施例中计算机设备的结构框图。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。图1为一个实施例中页面隐藏文案识别方法的应用环境图。如图1所示，该应用环境涉及用户终端110和服务器120，用户终端110和服务器120通过网络连接。用户可以通过用户终端110访问内容分享平台，服务器120可以是该内容分享平台所在的服务器。终端110或者服务器120，可以获取网络上的页面资源，并识别页面中是否包含隐藏文案。终端110具体可以是台式终端或移动终端，移动终端具体可以手机、平板电脑、笔记本电脑等中的至少一种。服务器120可以用独立的服务器或者是多个服务器组成的服务器集群来实现。如图2所示，在一个实施例中，提供了一种页面隐藏文案识别方法。本实施例主要以该方法应用于上述图1中的终端110或者服务器120来举例说明。参照图2，该页面隐藏文案识别方法具体包括如下步骤S202至步骤S210。S202，获取待识别页面。其中，待识别页面可以是HTML(超级文本标记语言)页面，HTML页面包含的隐藏内容可以通过CSS(层叠样式表)隐藏起来。具体地，可以通过待识别页面的网络地址，例如URL(统一资源定位符)，获取待识别页面。S204，根据待识别页面的源代码，获得待识别页面包含的全量文案。其中，待识别页面的源代码记载了待识别页面包含的所有内容。具体地，可以使用innerText获得源代码中记载的所有文本内容，即获得待识别页面包含的全量文案，这里的全量文案不仅包括待识别页面展示出来的文案，在待识别页面有隐藏文案的情况下，还包括隐藏的文案。S206，对待识别页面的展示内容进行图像化处理，获得对应的展示图片。其中，待识别页面的展示内容可以是通过网页浏览器打开待识别页面后，显示出来的能够被直接看到的内容。展示图片是图片格式的展示内容，包含展示内容相应的信息。具体地，可以采用任何可能的方式进行图像化处理，例如网页截图，在此不做限定。S208，对展示图片进行文字识别，获得待识别页面包含的展示文案。其中，展示文案对应展示图片中的文字内容，即对应待识别页面的展示内容中的文字展示内容。具体地，可以采用任何可能的方式进行图片文字识别，例如OCR(光学字符识别)，在此不做限定。S210，基于全量文案与展示文案的差异，确定待识别页面是否包含隐藏文案。具体地，全量文案对应待识别页面的全部文案，展示文案对应待识别页面展示出来的文案，全量文案与展示文案的差异，可以用来作为判断待识别页面是否包含隐藏文案的依据。上述页面隐藏文案识别方法，对待识别页面的展示内容进行图像化处理，再对图像化处理后得到的图片进行文字识别，获得页面展示出来的展示文案，通过图片文字识别的方式可以批量快速地获得展示文案，然后根据展示文案与全量文案的差异，确定页面是否包含隐藏文案，无需人工一步步根据文档结构查看页面是否有未显示的内容，从而可以减少人为工作量以及人为失误引起的问题，提高页面隐藏文案的识别效率和准确率。在一个实施例中，对待识别页面的展示内容进行截图，获得对应的展示图片。具体地，可以采用开源的项目puppeteer，直接展示待识别页面并截图，如果页面是可滚动页面，截图截取的不仅仅是页面当前可视内容，本文档来自技高网...

【技术保护点】
1.一种页面隐藏文案识别方法，包括：/n获取待识别页面；/n根据所述待识别页面的源代码，获得所述待识别页面包含的全量文案；/n对所述待识别页面的展示内容进行图像化处理，获得对应的展示图片；/n对所述展示图片进行文字识别，获得所述待识别页面包含的展示文案；/n基于所述全量文案与所述展示文案的差异，确定所述待识别页面是否包含隐藏文案。/n

【技术特征摘要】
1.一种页面隐藏文案识别方法，包括：
获取待识别页面；
根据所述待识别页面的源代码，获得所述待识别页面包含的全量文案；
对所述待识别页面的展示内容进行图像化处理，获得对应的展示图片；
对所述展示图片进行文字识别，获得所述待识别页面包含的展示文案；
基于所述全量文案与所述展示文案的差异，确定所述待识别页面是否包含隐藏文案。


2.根据权利要求1所述的方法，其特征在于，所述对所述待识别页面的展示内容进行图像化处理，获得对应的展示图片，包括：
对所述待识别页面的展示内容进行截图，获得对应的展示图片。


3.根据权利要求2所述的方法，其特征在于，所述对所述待识别页面的展示内容进行截图，获得对应的展示图片，包括：
对所述待识别页面的展示内容中包含的非文字展示内容进行过滤，得到文字展示内容；
对所述文字展示内容进行截图，获得对应的展示图片。


4.根据权利要求1至3中任一项所述的方法，其特征在于，所述基于所述全量文案与所述展示文案的差异，确定所述待识别页面是否包含隐藏文案，包括：
比较所述全量文案和所述展示文案，获得差异化文案；
根据所述差异化文案，确定所述待识别页面是否包含隐藏文案。


5.根据权利要求4所述的方法，其特征在于，所述根据所述差异化文案，确定所述待识别页面是否包含隐藏文案，包括：
对所述差异化文案中包含的标点符号进行剔除，得到清理后的差异化文案；
根据所述清理后的差异化文案、以及所述展示文案，确定所述待识别页面是否包含隐藏文案。


6.根据权利要求5所述的方法，其特征在于...

【专利技术属性】
技术研发人员：何桃，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东;44