CN103049439A - 标记语言文档的处理方法及浏览器和网络操作系统 - Google Patents

Abstract

本发明公开了一种标记语言文档的处理方法及相应的浏览器和网络操作系统，所述方法包括：将标记语言文档解析为文档对象模型DOM树，将所述DOM树转换为二进制文件并保存；需打开所述标记语言文档时，将该标记语言文档对应的二进制文件还原成DOM树，根据所还原的DOM树渲染出网页。该方法对应的浏览器包括：查询模块、解析模块、转换模块、还原模块、以及渲染引擎。所述网络操作系统包括操作页面的执行文件，该执行文件为由所述操作页面原始的标记语言文档解析为DOM树、再由该DOM树转换而成的二进制文件。执行该网络操作系统浏览器包括还原模块和渲染引擎。利用本发明，可以提高浏览器对标记语言文档的处理速度，降低对带宽的占用，以及以降低网络操作系统的体积。

Description

标记语言文档的处理方法及浏览器和网络操作系统

技术领域

本发明涉及互联网数据处理技术领域，尤其涉及一种标记语言文档的处理方法及相应的浏览器和网络操作系统。

背景技术

在互联网中，网页的本质就是标记语言，如超文本标记语言(HTML，Hypertext Markup Language)以及可扩展标记语言(XML，Extensible MarkupLanguage)。HTML和XML是用于描述网页文档的一种标记语言。HTML是一种规范，一种标准，它通过标记符号来标记要显示的网页中的各个部分。XML是Internet环境中跨平台的，依赖于内容的技术，是当前处理结构化文档信息的有力工具。网页文件本身是一种文本文件，通过在文本文件中添加标记符，可以告诉浏览器如何显示其中的内容(如：文字如何处理，画面如何安排，图片如何显示等)。浏览器按顺序阅读网页文件，然后根据标记符解释和显示其标记的内容，对书写出错的标记将不指出其错误，且不停止其解释执行过程，编制者只能通过显示效果来分析出错原因和出错部位。但需要注意的是，对于不同的浏览器，对同一标记符可能会有不完全相同的解释，因而可能会有不同的显示效果。

HTML可以通过结合使用其他的网络技术，如：脚本语言、计算机图形接口标准(CGI)、组件等，可以创造出功能强大的网页。因而，HTML是网络页面的基础，也就是说互联网是建立在HTML基础之上的。

所述浏览器是指可以显示网页服务器或者文件系统的HTML文档内容，并让用户与这些文件交互的一种软件。网页浏览器主要通过HTTP协议与网页服务器交互并获取网页，这些网页由统一资源定位符(URL)指定，文件格式通常为HTML，并由MIME在HTTP协议中指明。一个网页中可以包括多个文档，每个文档都是分别从服务器获取的。大部分的浏览器本身支持除了HTML之外的广泛的格式，例如JPEG、PNG、GIF等图像格式，并且能够扩展支持众多的插件(plug-ins)。另外，许多浏览器还支持其他的URL类型及其相应的协议，如FTP、Gopher、HTTPS(HTTP协议的加密版本)。HTTP内容类型和URL协议规范允许网页设计者在网页中嵌入图像、动画、视频、声音、流媒体等。

目前，浏览器解析HTML文档的过程包括：

步骤101、将嵌套的一系列HTML标签解析为一颗文档树，即文档对象模型DOM(Document Object Model)树。

DOM可以以一种独立于平台和语言的方式访问和修改一个文档的内容和结构。换句话说，这是表示和处理一个HTML或可扩展标记语言(XML)文档的常用方法。有一点很重要，DOM的设计是以对象管理组织(OMG)的规约为基础的，因此可以用于任何编程语言。最初人们把它认为是一种让JavaScript在浏览器间可移植的方法，不过DOM的应用已经远远超出这个范围。DOM技术使得用户页面可以动态地变化，如可以动态地显示或隐藏一个元素，改变它们的属性，增加一个元素等，DOM技术使得页面的交互性大大地增强。DOM实际上是以面向对象方式描述的文档模型。DOM定义了表示和修改文档所需的对象、这些对象的行为和属性以及这些对象之间的关系。可以把DOM认为是页面上数据和结构的一个树形表示，不过页面当然可能并不是以这种树的方式具体实现。

DOM树描述了页面上各个元素之间的层级关系和顺序。例如，针对以下HTML文档，浏览器将该HTML文档解析成如图1所示的一颗DOM树。

参见图1，所述HTML文档中的每个标签以及每个标签内的属性，都会转换为DOM文档树中对应的节点。同时，在转换过程中，还需要对格式不标准或错误的部分进行容错处理。在浏览器内存中一般以连续数据结构的形式表示解析后的DOM树，所述连续数据结构例如可以为链表或数组。如图2所示为浏览器内存中以链表的形式表示图1所述DOM树的示意图。

步骤102、浏览器的渲染引擎再将所述DOM树中的各个节点转换为图形，渲染出最终网页的画面。

现有技术中，浏览器每一次打开一个HTML文档，都要执行上述对HTML文档的解析过程。然而，HTML文档的解析是一项繁琐复杂而耗时的过程，同时，HTML文档中的无意义的空白字符增加了文档的体积，使得HTML文档在再次打开或者传输的过程中，耗费了大量的时间和带宽资源。

另外，目前还出现了网络操作系统(WebOS)，WebOS是一种基于浏览器的虚拟的操作系统，用户通过浏览器可以在这个WebOS上进行应用程序的操作，而这个应用程序也不是普通的应用程序，是网络的应用程序。也就是说，在本地操作系统支持一个浏览器的情况下，不管用任何本地操作系统都可以正常的运行。实际上一个WebOS不需要携带一个本地操作系统部分，只要用户安装一个任意的本地操作系统就可以了，或者说，不需要硬件相关部分。因为它可以运行在任何的支持浏览器的情况下，因为浏览器就是它的运行环境。

但是，目前的WebOS为了实现操作系统的复杂功能，其中存在大量的页面和样式等信息，完成这些界面需要大量的HTML文件和样式文件，这往往造成WebOS的体积庞大，浏览器下载并打开其操作页面的速度较慢，且浪费了大量的带宽资源和存储资源。

发明内容

有鉴于此，本发明的主要目的在于提供一种标记语言文档的处理方法及相应的浏览器，以提高对标记语言文档的处理速度，降低对带宽和存储资源的占用。

本发明的另一目的在于提供一种网络操作系统及与之对应的浏览器，以降低网络操作系统的体积，降低对带宽和存储资源的占用，并提高浏览器对网络操作系统的处理速度。

本发明的技术方案是这样实现的：

一种超文本标记语言标记语言文档的处理方法，包括：

将标记语言文档解析为文档对象模型DOM树，将所述DOM树转换为二进制文件并保存；

需打开所述标记语言文档时，将该标记语言文档对应的二进制文件还原成DOM树，根据所还原的DOM树渲染出网页。

一种浏览器，包括：

查询模块，用于需打开标记语言文档时查询本地是否保存该标记语言文档对应的二进制文件，如果有保存则触发还原模块，否则触发所述解析模块；

解析模块，用于将所述标记语言文档解析为DOM树，将该DOM树发给渲染引擎进行渲染，并将该DOM树发给转换模块进行二进制转换；

转换模块，用于将DOM树转换为二进制文件并保存；

还原模块，用于将需打开的标记语言文档对应的二进制文件还原成DOM树，并将该DOM树发给渲染引擎进行渲染；

渲染引擎，用于根据DOM树渲染出网页。

一种网络操作系统，包括操作页面的执行文件，其操作页面对应的执行文件为二进制文件，所述二进制文件由所述操作页面原始的标记语言文档解析为DOM树、再由该DOM树转换而成。

一种可以执行上述网络操作系统的浏览器，包括：

还原模块，用于将需打开的页面对应的二进制文件还原成DOM树，并将该DOM树发给渲染引擎进行渲染；

渲染引擎，用于根据DOM树渲染出网页。

与现有技术相比，本发明所的方法和浏览器先将标记语言文档解析成DOM树，再将DOM树转换成二进制格式并保存到文件中，需打开标记语言文档时将对应的二进制文件转换成DOM树，再将该DOM树渲染成网页。由于二进制文件是高度精简的，所以相对于标记语言文本而言，此二进制文件的体积很小，不但对带宽和存储资源的占用很小，而且载入的速度大大提高。

附图说明

图1为一种DOM树的结构示意图；

图2所示为浏览器内存中以链表的形式表示图1所述DOM树的示意图；

图3为本发明所述方法的一种流程图；

图4为由浏览器执行本发明所述方法的一种实施流程图；

图5为该浏览器的一种组成示意图；

图6为本发明所述网络操作系统和对应浏览器的组成示意图。

具体实施方式

下面结合附图及具体实施例对本发明再作进一步详细的说明。

本发明可以适用于所有的符合DOM规范的标记语言文档，如HTML文档、XML文档、基于XML的可缩放矢量图形(SVG，Scalable VectorGraphics)文档、以及基于XML的实现3D效果的虚拟现实建模语言(VRML，Virtual Reality Modeling Language)文档等等。

下面本发明所述方法的实施例中，以HTML文档为例对本发明进行说明，其他的标记语言文档只要符合DOM规范，同样可以采用本发明的方法进行处理。

图3为本发明所述方法的一种流程图。参见图3，该方法主要包括：

步骤301、将HTML文档解析为DOM树，将所述DOM树转换为二进制文件并保存。

所述将DOM树转换为二进制文件的具体方法为：在浏览器内存中以连续数据结构的形式表示解析后的所述DOM树，所述连续数据结构例如可以为链表或数组；按照浏览器内存中所述DOM树的连续数据结构顺序，把每个节点的信息逐个顺序地保存到一个二进制文件中；其中当节点中存在指针时，则把指针保存为节点在磁盘文件中的偏移量。

步骤302、打开所述HTML文档时，将该HTML文档对应的二进制文件还原成DOM树，根据所还原的DOM树渲染出网页。

所述将二进式文件还原成DOM树的过程为DOM树保存在磁盘的逆过程，的具体方法为：顺序读取所述二进制文件中的每个节点信息，直接对每个节点信息分配内存块，还原为连续数据结构形式，同时将偏移量信息再转换为对应的内存地址。

DOM树实际上是动态生成的，但是所述步骤301将DOM树转换成一个静态的二进制文件，因此本说明书也将所述DOM树转换为所述二进制文件的过程叫做“DOM静态化”。HTML文档解析成的DOM树经过静态化，所转换成的二进制文件如表1所示：

表1

在所述HTML文档中包括图片和动画等相关的资源文件时，则可以进一步将所述资源文件打包进该HTML文档对应的所述二进制文件中。这样做的目的是：打开一个完整的包含丰富格式的二进制文件，比同时打开多个不同的文件，浏览器的执行性能要高得多。

将资源文件打包到所述二进制中，相比将DOM树转换成二进制文件更为简单，具体过程是：直接将所述资源文件的内容顺序追加到所述二进制文件中即可，例如在本实施例中可以将所述资源文件的内容顺序追加到所述二进制文件中的节点信息之后。打包后的二进制文件的格式如表2所示：

表2

本发明中，可以由浏览器执行上述步骤301和步骤302，此种情况下网络侧的网页文件都是HTML文档，即在浏览器第一次打开一个HTML文档时执行所述步骤301，当浏览器后续再次打开同一个HTML文档时执行所述步骤302。

图4为由浏览器执行本发明所述方法的一种实施流程图。参见图4，该流程包括：

步骤401、需打开一个HTML文档时，执行下述步骤。

步骤402、查询本地是否保存有该HTML文档对应的二进制文件，如果是，则执行步骤403；否则执行步骤404；

步骤403、将该HTML文档对应的二进制文件还原成DOM树，执行步骤405，即根据所还原的DOM树渲染出网页。

步骤404、将所述HTML文档解析为DOM树，将该DOM树转换为二进制文件并保存，并执行步骤405，即根据该DOM树渲染出网页。

步骤405、利用该浏览器的渲染引擎根据所述DOM树渲染出网页的画面，结束对本HTML的处理。

为了保证每个唯一的HTML文档都生成一个与之对应的二进制文件，本发明可以在步骤404中进一步计算HTML文档的消息摘要算法第五版(MD5)值，并以该MD5值作为该HTML对应的所述二进制文件的文件名。

并且，在步骤402中，具体的过程为：计算所述需打开的HTML文档的MD5值，然后以MD5值作为文件名，查找本地是否存在此HTML文档对应的二进制DOM文件(即由DOM树转换成的二进制文件)，如果是则执行步骤403；否则执行步骤404。

由于本发明可以所述的二进制文件以HTML文档的MD5值作为文件名，因此当HTML文档发生变更的时候，旧的二进制文件自动废弃，浏览器不会将旧的HTML文档格式呈现给用户。

采用上述实施例，可以在浏览器第一次展现HTML页面后，将HTML对应的DOM树以二进制的格式保存下来。第二次及后续再打开HTML页面的时候，直接从二进制文件来构造DOM树，避免了再去解析HTML文档，由于二进制文件的格式是与DOM内部的格式紧密相关的，因此可以快速将二进制文件中的数据转换为DOM树，而无需解析，从而大大提高了浏览器对页面的渲染速度，降低对带宽的占用。由于网络操作系统中往往需要重复访问同一页面，因此执行上述实施例的浏览器尤其可以大大提高对网络操作系统的执行速度。

因此本发明还公开了一种对应的浏览器。图5为该浏览器的一种组成示意图。参见图5，该浏览器500包括：

查询模块501，用于需打开标记语言文档时查询本地是否保存该标记语言文档对应的二进制文件，如果有保存则触发还原模块504，否则触发所述解析模块502。所述标记语言文档是符合DOM规范的标记语言文档，如HTML文档、XML文档、SVG文档、以及VRML文档等等。

解析模块502，用于将所述标记语言文档解析为文档对象模型DOM树，将该DOM树发给渲染引擎505进行渲染，并将该DOM树发给转换模块503进行二进制转换。

转换模块503，用于将DOM树转换为二进制文件并保存。

还原模块504，用于将需打开的标记语言文档对应的二进制文件还原成DOM树，并将该DOM树发给渲染引擎505进行渲染。

渲染引擎505，用于根据所述DOM树渲染出网页。

在该浏览器的一种实施例中，为了保证每个唯一的标记语言文档都生成一个与之对应的二进制文件，所述解析模块502中进一步包括第一MD5模块，用于计算所解析的标记语言文档的MD5值，发送给转换模块503以该MD5值作为转换后的二进制文件的文件名保存；所述查询模块501中进一步包括第二MD5模块，用于计算需打开的标记语言文档的MD5值，查询模块501根据该MD5值查询本地是否保存有该标记语言文档对应的二进制文件。

上述图4所述方法的实施例和图5所述浏览器的实施例只是在浏览器端进行改进提高性能，在本发明所述方法的另一种实施例中，所述步骤301可以在网络侧执行，即将标记语言文档解析成DOM树并转换成所述二进制文件，网络侧对用户终端发布的是所述二进制文件，用户终端的浏览器执行所述步骤302。在这种实施例中，也可以以标记语言文档的MD5值作为该标记语言文档对应的所述二进制文件的文件名。在发布网页时直接发布该二进制文件的地址，浏览器直接到该地址读取到该网页的二进制地址，并执行步骤302最终将网页渲染出来，采用这种方式同样可以节约网页占用的空间，提高浏览器的访问速度，并降低对网络资源的占用，但是需要网络侧配合转换标记语言文档。

因此相对应的，本发明还公开了一种网络操作系统和执行该网络操作系统的浏览器。

图6为本发明所述网络操作系统和对应浏览器的组成示意图。参见图6，所述网络操作系统601包括操作页面的执行文件，其操作页面对应的执行文件为二进制文件611，这些二进制文件611由所述操作页面原始的标记语言文档解析为DOM树、再由该DOM树转换而成。所述标记语言文档是符合DOM规范的标记语言文档，如HTML文档、XML文档、SVG文档、以及VRML文档等等。

为了保证每个唯一的标记语言文档都生成一个与之对应的二进制文件，所述操作页面的二进制文件的文件名为该操作页面原始的标记语言文档的MD5值。

另外，在所述操作页面的原始标记语言文档中包括图片和动画等相关的资源文件时，则可以进一步将所述资源文件打包进该标记语言文档对应的所述二进制文件中，即所述二进制文件中也进一步包括该操作页面的相关资源文件。

参见图6，所述浏览器602，包括：

还原模块621，用于将需打开的页面对应的二进制文件还原成DOM树，并将该DOM树发给渲染引擎622进行渲染；

渲染引擎622，用于根据DOM树渲染出网页。

在发布所述网络操作系统601时直接发布所述操作页面的二进制文件611的地址，浏览器602直接到该地址读取到该网页的二进制地址，并通过还原模块621还原成DOM树，再用渲染引擎622最终将网页渲染出来。

本发明所述的网络操作系统，其操作页面对应的执行文件为二进制文件，该二进制文件由该操作页面原始的标记语言文档如HTML文档或XML文档等解析为DOM树、再由该DOM树转换而成。因此，本发明所述的WebOS的发行版可以很小，不必将庞大的多个标记语言文件通过网络下载提供给用户，否则这将是一个既缓慢又浪费带宽的过程。对于带宽和存储空间受限的智能终端而言，其效果更为突出。而且，由于直接读取二进制文件还原成DOM树并渲染成网页，减少了对标记语言文档的解析，因此本发明的浏览器执行WebOS的速度更快，这点对于便携式终端(如智能手机等)尤为重要。

采用本发明所述的网络操作系统和对应的浏览器，可以改变现有网络操作系统服务器端发布内容的方式，即网络操作系统不仅可以使用基于文本的HTML+CSS+JS的方式发行，也可以直接发行解析好的二进制包，使得体积更小，加载更快。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。

Claims (12)

1.一种标记语言文档的处理方法，其特征在于，包括：

将标记语言文档解析为文档对象模型DOM树，将所述DOM树转换为二进制文件并保存；

需打开所述标记语言文档时，将该标记语言文档对应的二进制文件还原成DOM树，根据所还原的DOM树渲染出网页。

2.根据权利要求1所述的方法，其特征在于，所述将所述DOM树转换为二进制文件的具体方法为：

在浏览器内存中以连续数据结构的形式表示解析后的所述DOM树；

按照浏览器内存中所述DOM树的连续数据结构顺序，把每个节点的信息逐个顺序地保存到一个二进制文件中；其中当节点中存在指针时，则把指针保存为节点在磁盘文件中的偏移量。

3.根据权利要求2所述的方法，其特征在于，所述将二进式文件还原成DOM树的具体方法为：

顺序读取所述二进制文件中的每个节点信息，直接对每个节点信息分配内存块，还原为连续数据结构形式，同时将偏移量信息转换为对应的内存地址。

4.根据权利要求1所述的方法，其特征在于，在需打开标记语言文档时，进一步包括：判断本地是否保存该标记语言文档对应的二进制文件，如果是，则将该标记语言文档对应的二进制文件还原成DOM树，根据所还原的DOM树渲染出网页；否则，将所述标记语言文档解析为DOM树，根据该DOM树渲染出网页，并将该DOM树转换为二进制文件并保存。

5.根据权利要求1所述的方法，其特征在于，该方法进一步包括：计算标记语言文档的MD5值，以该MD5值作为该标记语言文档对应的所述二进制文件的文件名。

6.根据权利要求1所述的方法，其特征在于，在所述标记语言文档中包括资源文件时，则进一步将所述资源文件的内容顺序追加到所述二进制文件中。

7.一种浏览器，其特征在于，包括：

查询模块，用于需打开标记语言文档时查询本地是否保存该标记语言文档对应的二进制文件，如果有保存则触发还原模块，否则触发所述解析模块；

解析模块，用于将所述标记语言文档解析为DOM树，将该DOM树发给渲染引擎进行渲染，并将该DOM树发给转换模块进行二进制转换；

转换模块，用于将DOM树转换为二进制文件并保存；

还原模块，用于将需打开的标记语言文档对应的二进制文件还原成DOM树，并将该DOM树发给渲染引擎进行渲染；

渲染引擎，用于根据DOM树渲染出网页。

8.根据权利要求7所述的浏览器，其特征在于，所述解析模块中进一步包括第一MD5模块，用于计算所解析的标记语言文档的MD5值，发送给转换模块以该MD5值作为转换后的二进制文件的文件名保存；

所述查询模块中进一步包括第二MD5模块，用于计算需打开的标记语言文档的MD5值，查询模块根据该MD5值查询本地是否保存有该标记语言文档对应的二进制文件。

9.一种网络操作系统，包括操作页面的执行文件，其特征在于，其操作页面对应的执行文件为二进制文件，所述二进制文件由所述操作页面原始的标记语言文档解析为DOM树、再由该DOM树转换而成。

10.根据权利要求9所述的系统，其特征在于，所述操作页面的二进制文件的文件名为该操作页面原始的标记语言文档的MD5值。

11.根据权利要求9所述的系统，其特征在于，所述二进制文件中进一步包括操作页面的资源文件。

12.一种浏览器，其特征在于，包括：

还原模块，用于将需打开的页面对应的二进制文件还原成DOM树，并将该DOM树发给渲染引擎进行渲染；

渲染引擎，用于根据DOM树渲染出网页。

Images