发明内容
鉴于上述问题,提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的富文本内容的处理方法和相应的富文本内容的处理系统。
根据本发明的一个方面,提供了一种富文本内容的处理方法,所述处理方法适于在包括服务器和一个或者多个客户端的处理系统中执行,所述富文本内容包括一个或者多个标签,所述一个或者多个标签嵌套,并且每个标签具有相关联的一个或者多个属性,该方法包括:
在客户端处对富文本内容进行转化,而获取结构化数据,所述结构化数据对所述富文本内容中的各个标签和属性进行结构化描述;以及
在所述服务器处接收在客户端处转化的结构化数据,并根据下列各步骤对所述结构化数据进行处理,以获得经处理的富文本内容:
获取对富文本内容进行转化而得到的结构化数据,所述结构化数据对所述富文本内容中的各个标签和属性进行结构化描述;
将所述结构化数据转换为对象化数据,所述对象化数据包括与各个标签和属性相对应的一个或者多个数据对象;
使用预先配置的规则对所述对象化数据进行处理,以便删除与所述预先配置的规则定义要保留的标签和属性相对应的数据对象之外的数据对象;
将处理后的数据对象进行转义处理,以获得经处理的富文本内容。
根据本发明的另一方面,提供了一种富文本内容的处理系统,包括:服务器和客户端;客户端适于:对富文本内容进行转化,而获取结构化数据,将结构化数据发送给服务器,结构化数据对富文本内容中的各个标签和属性进行结构化描述;所述服务器包括:网络接口,适于获取对富文本内容进行转化而得到的结构化数据,富文本内容包括一个或者多个标签,一个或者多个标签嵌套,并且每个标签具有相关联的一个或者多个属性,而结构化数据对富文本内容中的各个标签和属性进行结构化描述;数据转换器,适于将网络接口获得的结构化数据转换为对象化数据,对象化数据包括与各个标签和属性相对应的一个或者多个数据对象;过滤器,适于使用预先配置的规则对由数据转换器转换得到的对象化数据进行处理,以便删除与预先配置的规则定义要保留的标签和属性相对应的数据对象之外的数据对象;转义器,适于将过滤器处理后的数据对象进行转义处理,以获得经处理的富文本内容。
根据本发明提供的方案,通过获取对富文本内容进行转化而得到的结构化数据,将结构化数据转换为对象化数据,使用预先配置的规则对对象化数据进行处理,以便删除与预先配置的规则定义要保留的标签和属性相对应的数据对象之外的数据对象,也即过滤掉预先配置的规则定义的要保留的信息以外的信息,再进行转义处理以获得经处理的富文本内容。本发明将富文本内容通过两步转换成为数据对象再进行过滤处理,与现有技术直接对富文本内容本身进行过滤相比,大大简化了对富文本内容过滤的处理逻辑,使得处理性能大大提高。另外,这样转化后的富文本内容即保留了原富文本内容的绝大部分格式,又更加规范,从而减少了由于富文本内容而导致页面呈现出现问题的缺陷。
另外,根据本发明提供的方案,通过将对富文本内容的处理过程分解为在客户端上进行的一部分处理和在服务器上进行的另一部分处理。在客户端上首先把富文本内容转化为结构化数据,然后在服务器上对结构化数据进行再次处理并转化为富文本内容,由于结构化数据更容易处理,所以这种方案,可以把有可能由于客户端差异而导致的富文本内容的格式缺陷留在客户端处来进行处理,而服务器仅仅处理基本没有格式缺陷的数据,从而可以大大简化服务器处的处理过程。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
本文中所提到的富文本内容是一种包含标签(如HTML标签)的文本内容。更为具体地说,富文本内容包括一个或者多个标签,其中一个或者多个标签可以嵌套,即一个标签中可以包含一个或多个其它的标签。每个标签可以具有相关联的一个或者多个属性。图1示出了一段文本的示意图,这段文本对应的富文本内容如下:
<spanstyle="color:#548dd4;">两个男孩同时喜欢上了一个女孩,吸引住男孩的究竟是女孩身上的什么特质呢?想清楚了这个问题的男孩成了哲学家,没想清楚这个问题的成了这个女人的丈夫。</span>
在上述富文本内容中,“<h1>一种富文本传输与过滤装置</h1>”为一个HTML标签。
“<p>
<imgsrc="http://ww2.sinaimg.cn/bmiddle/68361562gw1dy4vayca80j.jpg"width="440"height="315"/>
</p>”为一个HTML标签,这个HTML标签中还嵌套了另一个HTML标签:“<imgsrc="http://ww2.sinaimg.cn/bmiddle/68361562gw1dy4vayca80j.jpg″width="440"height="315"/>”。另外,在HTML标签“<imgsrc="http://ww2.sinaimg.cn/bmiddle/68361562gw1dy4vayca80j.jpg"width="440"height="315"/>”中,“src="http://ww2.sinaimg.cn/bmiddle/68361562gw1dy4vayca80j.jpg″width="440"height="315"”为该HTML标签的3个属性,分别表示图片的url,宽度和高度。
本发明以图1所示的文本对应的富文本内容作为例子,进一步介绍本发明的技术方案。图2示出了根据本发明一个实施例的富文本内容的处理方法200的流程图。如图2所示,方法200始于步骤S201,其中服务器获取对富文本内容进行转化而得到的结构化数据。也就是说,在服务器对富文本内容进行处理之前,需要首先将富文本内容转化为结构化数据。可选择地,可以事先在客户端处进行该转化。因此,在本方法中,在客户端获取到用户在客户端创造的富文本内容之后,客户端对富文本内容进行转化得到结构化数据,该结构化数据是对富文本内容中的各个标签和属性进行的结构化描述。可选地,结构化数据包括:各个标签的标签名、标签内容和与该标签相关联的一个或者多个属性,以及各个标签之间的嵌套关系。
具体地,根据本发明的一个实施例,驻留在客户端的javascript代码将富文本内容转化为结构化数据。举例而言,对上述富文本内容进行转化得到的结构化数据为:
[{"tag":"h1","child":[{"text":"\n一种富文本传输与过滤装置\n"}]},{″text":"\n"},{″tag":"p","child":[{"text":"\n"},{″tag":"img","attr":{″src":"http://ww2.sinaimg.cn/bmiddle/68361562gw1dy4vayca80j.jpg","width":"440","height":"315"}},{″text":"\n"}]},{″text":"\n"},{″tag":"p","child":[{"text":"\n"},{″tag":"span",attr":{″style":"color:#548dd4;"},"child":[{"text":"两个男孩同时喜欢上了一个女孩,吸引住男孩的究竟是女孩身上的什么特质呢?想清楚了这个问题的男孩成了哲学家,没想清楚这个问题的成了这个女人的丈夫。"}]},{"text":"\n"}]},{"text":"\n"},{″tag":"p","child":[{"text":"\n"},{″tag":"strong","child":[{"text":"bywelefen"}]},{″text":"("),{"tag":"a","attr":{″href:"http://www.welefen.com","target":"_self"},"child":[{"text":"http://www.welefen.com"}]},{″text":"}\n"}]}]
这是一种JSON格式的结构化数据,本发明并不受限于此,并且所有可以对数据进行结构化描述的格式都在本发明的保护范围之内。
如上所述,结构化数据{″tag":"h1","child":[{"text":"\n一种富文本传输与过滤装置\n"}]}是由标签“<h1>一种富文本传输与过滤装置</h1>”转化得到的,该结构化数据包括标签的标签名“h1”,标签内容“一种富文本传输与过滤装置”。
其中,结构化数据{″tag":"p","child":[{"text":"\n},{″tag":"img","attr″:{″src":"http://ww2.sinaimg.cn/bmiddle/68361562gw1dy4vayca80j.jpg","width":"440","height":"315"}},{″text":"\n"}]}是由标签“<p>
<imgsrc="http://ww2.sinaimg.cn/bmiddle/68361562gw1dy4vayca80j.jpg"width="440"height="315"/>
</p>”转化得到的,该结构化数据包括标签的标签名“p”和“img”和对应的标签内容,以及与标签相关联的属性“"attr":{″src":"http://ww2.sinaimg.cn/bmiddle/68361562gw1dy4vayca80j.jpg","width":"440","height":"315"}”,其中“{″text":"\n}”表示标签内容中的换行。另外,标签名为“p”的标签与标签名为“img”的标签的嵌套关系也体现在结构化数据中,具体为标签名为“img”的标签是标签名为“p”的标签的标签内容。
在客户端得到上述结构化数据之后,将其传递给服务器,服务器由此获取对富文本内容进行转化而得到的结构化数据。
随后,方法200进入步骤S202,其中服务器将结构化数据转换为对象化数据。具体地,服务器可以利用各种编程语言原生提供的功能将结构化数据转换为对象化数据。转换得到的对象化数据包括与各个标签和属性相对应的一个或者多个数据对象。可选地,步骤S202将字符串形式的结构化数据转为具有相互关联关系的一个或者多个数据对象。以结构化数据具有JSON格式为例,JSON格式是指将javascript对象中的一组数据转换得到的字符串格式,对于这种格式的结构化数据,可以使用PHP语言中的json_decode方法实现对结构化数据的转换。json_decode方法是将JSON格式的字符串进行解码,从而转换为PHP的关联数组,即具有相互关联关系的数据对象。
应当注意的是,本发明不受限于具体编程语言,所以可以把JSON格式的字符串转换为具有相互关联关系的数据对象都在本发明的保护范围之内。
随后,方法200进入步骤S203,其中服务器使用预先配置的规则对对象化数据进行处理,以便删除与预先配置的规则定义要保留的标签和属性相对应的数据对象之外的数据对象。预先配置的规则可以为白名单规则,该白名单规则定义了允许保留的标签和属性。
例如,下文中示出了一个与白名单规则相对应的配置文件:
在该预先配置的规则中:只允许保留标签名为“a”、“span”、“img”、“p”、“br”、“div”、“strong”、“b”、“ul”、“li”、“ol”、“embed”、“object”、“param”、“u”和“em”等标签,并且这些标签中只能包含特定的属性,根据下面所述的规则,每个属性都可以包括“id”、“class”、“name”、“style”和“value”属性,而标签“a”还可以具有“href”和“title”等属性。
使用上述预先配置的规则对对象化数据进行处理,能够删除标签名为“a”、“span”、“img”、“p”、“br”、“div”、“strong”、“b”、“ul”、“li”、“ol”、“embed”、“object”、“param”、“u”和“em”的标签以及各个标签只能包含的特定的属性相对应的数据对象之外的数据对象。
随后,方法200进入步骤S204,服务器将处理后的数据对象进行转义处理,以获得经处理的富文本内容。在上述例子中,经过步骤S201至步骤S204的处理,可获得如下富文本内容:
<spanstyle="color:#548dd4">两个男孩同时喜欢上了一个女孩,吸引住男孩的究竟是女孩身上的什么特质呢?想清楚了这个问题的男孩成了哲学家,没想清楚这个问题的成了这个女人的丈夫。</span>
通过对比发现,经过处理后的富文本内容过滤掉了标签名为“h1”的标签以及属性“target="_self″”。
根据本实施例提供的富文本内容的处理方法,通过获取对富文本内容进行转化而得到的结构化数据,将结构化数据转换为对象化数据,使用预先配置的规则对对象化数据进行处理,以便删除与预先配置的规则定义要保留的标签和属性相对应的数据对象之外的数据对象,也即过滤掉预先配置的规则定义的要保留的信息以外的信息,再进行转义处理以获得经处理的富文本内容。本方法将富文本内容通过两步转换成为数据对象再进行过滤处理,这样,在对富文本内容进行过滤时,可以不用考虑由于各个客户端的类型不同而导致的富文本格式不兼容问题,从而大大简化了处理逻辑,使得处理性能大大提高。而且,预先配置的规则本质上是白名单的规则,可以做到100%安全。通过在客户端处将富文本内容转化为结构化数据,然后传送到服务器,服务器通过简单处理就可以做到安全过滤,进一步提高了服务器的处理性能,提升了用户的发布效率。另外,这样转化后的富文本内容即保留了原富文本内容的绝大部分格式,又更加规范,从而减少了由于富文本内容而导致页面呈现出现问题的缺陷。
图3示出了根据本发明一个实施例的富文本内容的处理系统的结构框图。如图3所示,该系统包括服务器300和多个客户端,图中示出了3个客户端410、420和430,但本发明客户端的个数不仅限于此。客户端410、420和430适于对富文本内容进行转化,而获取结构化数据,将结构化数据发送给服务器300,该结构化数据对富文本内容中的各个标签和属性进行结构化描述。可选地,客户端410中包含适于对富文本内容进行转化的内容转化器411,客户端420和430中也可包含内容转化器,但图中未示出。服务器300接收多个客户端传送的结构化数据,并分别对它们进行处理。
如图3所示,服务器300包括:网络接口310、数据转换器320、过滤器330和转义器340。
网络接口310适于获取对富文本内容进行转化而得到的结构化数据。其中,富文本内容包括一个或者多个标签,一个或者多个标签可以嵌套,并且每个标签可以具有相关联的一个或者多个属性,在上述例子中提供了图1所示的文本的富文本内容。该网络接口310是服务器300面向客户端的网络接口,在客户端获取到用户在客户端创造的富文本内容之后,客户端对富文本内容进行转化得到结构化数据,服务器300通过网络接口310接收客户端传送过来的结构化数据。该结构化数据是对富文本内容中的各个标签和属性进行的结构化描述。可选地,结构化数据包括:各个标签的标签名、标签内容和与该标签相关联的一个或者多个属性,以及各个标签之间的嵌套关系。客户端可以采用上述驻留在客户端的javascript代码将富文本内容转化为结构化数据。
数据转换器320适于将网络接口310获得的结构化数据转换为对象化数据,数据转换器320可以利用各种编程语言原生提供的功能将结构化数据转换为对象化数据。转换得到的对象化数据包括与各个标签和属性相对应的一个或者多个数据对象。可选地,数据转换器320进一步适于将网络接口310获得的字符串形式的结构化数据转为具有相互关联关系的一个或者多个数据对象。以结构化数据具有JSON格式为例,JSON格式是指将javascript对象中的一组数据转换得到的字符串格式,对于这种格式的结构化数据,可以使用PHP语言中的json_decode方法实现对结构化数据的转换。json_decode方法是将JSON格式的字符串进行解码,从而转换为PHP的关联数组,即具有相互关联关系的数据对象。
应当注意的是,本发明不受限于具体编程语言,所以可以把JSON格式的字符串转换为具有相互关联关系的数据对象都在本发明的保护范围之内。
过滤器330适于使用预先配置的规则对由数据转换器320转换得到的对象化数据进行处理,以便删除与预先配置的规则定义要保留的标签和属性相对应的数据对象之外的数据对象。预先配置的规则可以为白名单规则,该白名单规则定义了允许保留的标签和属性。例如,预先配置的规则为:只允许保留标签名为“a”、“span”、“img”、“p”、“br”、“div”、“strong”、“b”、“ul”、“li”、“ol”、“embed”、“object”、“param”、“u”和“em”等标签,并且这些标签中只能包含特定的属性,根据下面所述的规则,每个属性都可以包括“id”、“class”、“name”、“style”和“value”属性,而标签“a”还可以具有“href”和“title”等属性。根据该预先配置的规则形成的对应的配置文件可参见方法实施例的描述。使用上述预先配置的规则对对象化数据进行处理,能够删除标签名为“a”、“span”、“img”、“p”、“br”、“div”、“strong”、“b”、“ul”、“li”、“ol”、“embed”、“object”、“param”、“u”和“em”的标签以及各个标签只能包含的特定的属性相对应的数据对象之外的数据对象。
转义器340适于将过滤器330处理后的数据对象进行转义处理,以获得经处理的富文本内容。
根据本发明提供的富文本内容的处理系统和方法,通过获取对富文本内容进行转化而得到的结构化数据,将结构化数据转换为对象化数据,使用预先配置的规则对对象化数据进行处理,以便删除与预先配置的规则定义要保留的标签和属性相对应的数据对象之外的数据对象,也即过滤掉预先配置的规则定义的要保留的信息以外的信息,再进行转义处理以获得经处理的富文本内容。本发明将富文本内容通过两步转换成为数据对象再进行过滤处理,与现有技术直接对富文本内容本身进行过滤相比,大大简化了对富文本内容过滤的处理逻辑,将之前几万行的代码简化为几百行的代码,使得处理性能大大提高。而且,预先配置的规则本质上是白名单的规则,可以做到100%安全。通过在客户端处将富文本内容转化为结构化数据,然后传送到服务器,服务器通过简单处理就可以做到安全过滤,进一步提高了服务器的处理性能,提升了用户的发布效率。
另外,根据本发明提供的富文本内容的处理系统,通过将对富文本内容的处理过程分解为在客户端上进行的一部分处理和在服务器上进行的另一部分处理。在客户端上首先把富文本内容转化为结构化数据,然后在服务器上对结构化数据进行再次处理并转化为富文本内容,由于结构化数据更容易处理,所以这种方案,可以把有可能由于客户端差异而导致的富文本内容的格式缺陷留在客户端处来进行处理,而服务器仅仅处理基本没有格式缺陷的数据,从而可以大大简化服务器处的处理过程。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本发明也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的富文本内容的处理系统中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。