XPath制造技术

本发明专利技术提供一种

【技术实现步骤摘要】
XPath生成方法、系统、存储介质及电子设备


[0001]本专利技术属于
XPath
（
XML Path Language
，
XML
路径语言）的
，特别是涉及一种
XPath
生成方法
、
系统
、
存储介质及电子设备
。

技术介绍

[0002]在网络爬虫
、
数据抓取等应用中，经常需要解析
HTML
文档并生成
XPath
来定位特定的元素
。XPath
是一种在
XML
文档中查找信息的语言，可以用来在
XML
文档中对元素和属性进行遍历
。
[0003]现有技术中，
Xpath
的生成方法主要包括以下几种
。
[0004]（1）基于页面结构通过人工分析
、
编写的
XPath
表达式
。
[0005]该方法需要对r/>XPath...

【技术保护点】

【技术特征摘要】
1.
一种
XPath
生成方法，其特征在于，所述方法包括以下步骤：获取指定区域的
HTML
文件；对所述
HTML
文件进行清洗；基于清洗后的
HTML
文件生成
HTML
节点队列；基于所述
HTML
节点队列生成节点矩阵；基于所述节点矩阵生成
Xpath
表达式；基于所述节点矩阵生成
XPath
表达式包括以下步骤：获取所述节点矩阵中各个节点的节点身份
ID
和父节点身份
ID
；倒序遍历所述节点矩阵，对于所述节点矩阵中的每个节点，根据所述节点的节点身份
ID
和父节点身份
ID
构建树结构；遍历所述树结构，生成
XPath
表达式
。2.
根据权利要求1所述的
XPath
生成方法，其特征在于：对所述
HTML
文件进行清洗包括以下步骤：去除所述
HTML
文件中的转义符号；去除所述
HTML
文件中的
HTML
实体编码
。3.
根据权利要求1所述的
XPath
生成方法，其特征在于：基于清洗后的
HTML
文件生成
HTML
节点队列包括以下步骤：将所述清洗后的
HTML
文件转换为
HTML
文档对象；采用递归方式逐一获取所述
HTML
文档对象的各个节点的节点信息，所述节点信息包括节点名称
、
节点属性
、
节点深度和节点身份
ID
；基于所述节点信息将所述各个节点构建为所述
HTML
节点队列
。4.
根据权利要求1所述的
XPath
生成方法，其特征在于：基于所述
HTML
节点队列生成节点矩阵包括以下步骤：获取所述
HTML
节点队列中各个节点的节点深度；根据所述节点深度将所述各个节点构建为节点矩阵...

【专利技术属性】
技术研发人员：闫梦帆，
申请(专利权)人：上海蜜度科技股份有限公司，
类型：发明
国别省市：