浏览器页面的处理方法、装置以及存储介质与流程

本发明涉及数据处理领域，更具体地涉及一种浏览器页面的处理方法、一种浏览器页面的处理装置、一种存储介质和一种计算机程序产品。

背景技术：

1、随着社交媒体的蓬勃发展，微博、微信公众号、抖音、快手、小红书、知乎等社交平台已成为公众信息传播、舆论形成、品牌传播的核心载体。社交平台上的帖子内容、多级评论、互动数据（点赞、收藏、转发）、作者信息等动态内容，蕴含着极高的社会价值与商业价值，是舆情分析、品牌声誉管理、市场趋势分析、公共信息治理等业务场景的关键数据来源。

2、现有的网页采集通常通过遍历抓取、页面级快照比对等方式。粒度粗糙，极易产生数据冗余、内容混杂等问题。在社交平台信息高频微更新的场景适应能力极差。本领域技术人员亟需一种轻量化、高兼容、低运维成本的社交平台信息提取技术，以解决现有采集方案的固有缺陷，实现社交平台公开信息的高效、精准、结构化采集与可视化存证。

技术实现思路

1、考虑到上述问题而提出了本发明。本发明提供了一种浏览器页面的处理方法、一种浏览器页面的处理装置、一种存储介质和一种计算机程序产品。

2、根据本发明一个方面，提供了一种浏览器页面的处理方法。上述处理方法应用于浏览器插件，上述处理方法包括：获取浏览器页面对应的目标文档对象模型树；将目标文档对象模型树划分为多组目标文档对象模型节点，以分别作为每个目标业务对象各自对应的多个目标文档对象模型节点；其中，每组的多个目标文档对象模型节点具有相关性；针对每个目标业务对象，基于该目标业务对象对应的多个目标文档对象模型节点，确定该目标业务对象对应的对象校验值；基于该目标业务对象对应的对象校验值，确定该目标业务对象对应的变更类型；其中，变更类型用于表示该目标业务对象的变更情况；在变更类型用于表示该目标业务对象发生变更的情况下，确定该目标业务对象对应的存证数据集。

3、示例性地，将目标文档对象模型树划分为多组目标文档对象模型节点，以分别作为每个目标业务对象各自对应的多个目标文档对象模型节点，包括：

4、将目标文档对象模型树输入至训练后的对象分割模型，以得到每个目标业务对象各自对应的多个目标文档对象模型节点；其中，训练后的对象分割模型基于多个训练文档对象模型树、多个训练文档对象模型树各自对应的多个标注文档对象模型节点训练得到。

5、示例性地，将目标文档对象模型树划分为多组目标文档对象模型节点，以分别作为每个目标业务对象各自对应的多个目标文档对象模型节点，包括：

6、基于浏览器页面所属的发布平台，确定发布平台对应的预设匹配模板；其中，预设匹配模板包括目标业务对象包括的多个预设文档对象模型节点各自对应的节点标识；

7、基于预设匹配模板，确定浏览器页面中每个目标业务对象各自对应的多个目标文档对象模型节点。

8、示例性地，基于预设匹配模板，确定浏览器页面中每个目标业务对象各自对应的多个目标文档对象模型节点，包括：

9、在确定预设匹配模板包括的预设文档对象模型节点未匹配成功的情况下，将目标文档对象模型树输入至训练后的对象分割模型，以得到每个目标业务对象各自对应的多个目标文档对象模型节点；其中，训练后的对象分割模型基于多个训练文档对象模型树、多个训练文档对象模型树各自对应的多个标注文档对象模型节点训练得到。

10、示例性地，基于该目标业务对象对应的多个目标文档对象模型节点，确定该目标业务对象对应的对象校验值，包括：

11、基于该目标业务对象对应的多个目标文档对象模型节点中至少部分目标文档对象模型节点各自对应的节点内容，确定该目标业务对象对应的字段校验值；

12、基于该目标业务对象在目标文档对象模型树中对应的目标文档对象模型分支，确定该目标业务对象对应的结构校验值；

13、基于该目标业务对象在浏览器页面中的外观信息，确定该目标业务对象对应的外观信息校验值；

14、将该目标业务对象对应的字段校验值、对应的结构校验值、对应的外观信息校验值进行拼接处理，以得到该目标业务对象对应的对象校验值。

15、示例性地，变更类型用于表示新增目标业务对象，基于该目标业务对象对应的对象校验值，确定该目标业务对象对应的变更类型，包括：

16、在该目标业务对象对应的字段校验值、对应的结构校验值、对应的外观信息校验值均与浏览器页面对应的所有历史业务对象不同的情况下，确定该目标业务对象对应的变更类型用于表示新增目标业务对象；其中，历史业务对象为获取时刻在该目标业务对象之前的目标业务对象。

17、示例性地，变更类型用于表示目标文档对象模型节点的节点内容发生变更，基于该目标业务对象对应的对象校验值，确定该目标业务对象对应的变更类型，包括：

18、在该目标业务对象对应的字段校验值与该目标业务对象对应的历史业务对象不同、该目标业务对象对应的结构校验值与该目标业务对象对应的历史业务对象相同的情况下，确定该目标业务对象对应的变更类型用于表示目标文档对象模型节点的节点内容发生变更；其中，该目标业务对象对应的历史业务对象为浏览器页面对应的所有历史业务对象中对象校验值与该目标业务对象相似度最高的历史业务对象。

19、示例性地，变更类型用于表示目标业务对象的结构出现变更，基于该目标业务对象对应的对象校验值，确定该目标业务对象对应的变更类型，包括：

20、在该目标业务对象对应的字段校验值与该目标业务对象对应的历史业务对象对应的字段校验值的匹配程度高于匹配程度阈值、该目标业务对象对应的结构校验值与该目标业务对象对应的历史业务对象不同的情况下，确定该目标业务对象对应的变更类型用于表示目标业务对象的结构出现变更。

21、示例性地，处理方法还包括：

22、针对每个目标业务对象，基于该目标业务对象对应的变更类型、该目标业务对象对应的多个目标文档对象模型节点的节点内容，确定该目标业务对象对应的舆情等级；其中，舆情等级用于表示对目标业务对象进行审核的紧急程度。

23、示例性地，存证数据集包括以下至少一项：基于该目标业务对象对应的多个目标文档对象模型节点各自的节点内容生成的内容结构化数据、浏览器页面中该目标业务对象对应的对象区域图像、浏览器页面对应的统一资源定位符、该目标业务对象在目标文档对象模型树中对应的目标文档对象模型分支的路径、目标文档对象模型树的获取时刻、该目标业务对象对应的对象校验值、浏览器页面中该目标业务对象对应的对象区域图像的视觉特征校验值。

24、根据本发明又一方面，还提供了一种浏览器页面的处理装置，上述浏览器页面的处理装置包括显示器、处理器，处理器配置为运行浏览器插件以执行以下步骤：获取显示器显示的浏览器页面对应的目标文档对象模型树；将目标文档对象模型树划分为多组目标文档对象模型节点，以分别作为每个目标业务对象各自对应的多个目标文档对象模型节点；其中，每组的多个目标文档对象模型节点具有相关性；针对每个目标业务对象，基于该目标业务对象对应的多个目标文档对象模型节点，确定该目标业务对象对应的对象校验值；基于该目标业务对象对应的对象校验值，确定该目标业务对象对应的变更类型；其中，变更类型用于表示目标业务对象的变更情况；在变更类型用于表示该目标业务对象发生变更的情况下，确定该目标业务对象对应的存证数据集。

25、根据本发明又一方面，还提供了一种存储介质，存储有计算机程序指令，计算机程序指令在运行时用于执行上述的浏览器页面的处理方法。

26、根据本发明的另一方面，还提供一种计算机程序产品，该计算机程序产品包括计算机程序指令，计算机程序指令在由处理器运行时用于执行上述的浏览器页面的处理方法。

27、根据本发明的上述方案，可应用于浏览器插件。可获取浏览器页面对应的目标文档对象模型树。而后，基于目标文档对象模型树，确定浏览器页面中每个目标业务对象各自对应的多个目标文档对象模型节点。可针对每个目标业务对象，基于该目标业务对象对应的多个目标文档对象模型节点，确定该目标业务对象对应的对象校验值。基于该目标业务对象对应的对象校验值，确定该目标业务对象对应的变更类型。在变更类型用于表示该目标业务对象发生变更的情况下，确定该目标业务对象对应的存证数据集。上述方案通过持续监听目标文档对象模型树的全维度变化行为，实时重构浏览器页面对应的目标文档对象模型树，可精准区分有效业务内容与无效页面冗余元素。可精准捕捉单条评论、单次互动数据、局部内容修改等精细化动态变化。可实现社交平台公开信息的高效、精准、结构化采集与可视化存证。通过浏览器插件，可轻量化、高兼容、低运维成本进行社交平台信息提取。