CN108519986A - 一种网页生成方法、装置及设备 - Google Patents

Abstract

本说明书实施例公开了网页生成方法、装置以及设备，所述方法包括：获取样例网页信息；利用网页特征卷积模型从所述样例网页信息中提取样例网页特征；从数据库中获取与所述样例网页特征相匹配的目标网页特征；根据所述目标网页特征生成目标网页。本说明书中通过预先设立的网页样本库，提取样例网页信息的样例网页特征。利用预先设定的算法，从数据库中筛选出与样例网页特征相匹配的目标网页特征，从而得到目标网页。不再需要技术人员基于前端信息编写对应的后端代码，可以有效提高生成源代码的效率，并且基于样本库得到的目标网页特征具有很好的通用效果。

Description

一种网页生成方法、装置及设备

技术领域

本说明书涉及网络技术领域，尤其涉及一种网页生成方法、装置以及设备。

背景技术

随着移动终端用户的不断增长，基于手机的网页应用越来越多，例如，外卖APP、电子商城等，或者，基于同一APP又同时包含多种类型的网页应用。

在现有技术中，这些手机端网页开发工作量都相对比较大，而且需要专业的网页开发和设计知识。目前有一些能够为用户提供简便快捷的生成HTML5页面的软件；这些软件中的配置项、核心逻辑等都是针对相对固定的后端API，若需要对应不同的API进行匹配，则需要技术人员进行二次开发；并且，前端网页与后端网页之间的交互逻辑需要技术人员通过编码实现。

基于现有技术，需要能够快速、高效的实现基于网页自动生成网页的方案。

发明内容

本说明书实施例提供网页生成方法、装置以及设备，用于解决以下技术问题：需要能够快速、高效的实现基于网页自动生成目标网页的方案。

为解决上述技术问题，本说明书实施例是这样实现的：

本说明书实施例提供的一种网页生成方法，包括：

获取样例网页信息；

利用网页特征卷积模型从所述样例网页信息中提取样例网页特征；

从数据库中获取与所述样例网页特征相匹配的目标网页特征；

根据所述目标网页特征生成目标网页。

本说明书实施例提供的一种网页生成装置，包括：

第一获取模块，获取样例网页信息；

提取模块，利用网页特征卷积模型从所述样例网页信息中提取样例网页特征；

第二获取模块，从数据库中获取与所述样例网页特征相匹配的目标网页特征；

代码生成模块，根据所述目标网页特征生成目标网页。

本说明书实施例提供的一种电子设备，包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：

获取样例网页信息；

利用网页特征卷积模型从所述样例网页信息中提取样例网页特征；

从数据库中获取与所述样例网页特征相匹配的目标网页特征；

根据所述目标网页特征生成目标网页。

本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果：

通过预先设立的网页样本库，提取样例网页信息的样例网页特征。利用预先设定的算法，从数据库中筛选出与样例网页特征相匹配的目标网页特征，从而得到目标网页。不再需要技术人员基于前端信息编写对应的后端代码，可以有效提高生成源代码的效率，并且基于样本库得到的目标网页特征具有很好的通用效果。

附图说明

为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本说明书的方案在实际应用场景下涉及的基于集群进行信息发送的示意图；

图2为本说明书实施例提供的一种网页生成方法的流程示意图；

图3为本说明书实施例提供的另一种网页生成方法的流程示意图；

图4为本说明书实施例提供的一种网页生成装置的结构示意图；

图5为本说明书实施例提供的一种电子设备的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本说明书实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

图1为本说明书的方案在一种实际应用场景下涉及的网页生成的示意图。如图1所示，本说明书技术方案实际应用场景是基于HTML5技术实现的，根据样例网页信息，利用机器学习模型(例如，卷积模型)分别提取得到网页前端特征和网页后端特征，进一步地，基于网页前端特征和网页后端特征，得到目标网页特征，生成目标网页。在应用中，根据用户输入的网页图片信息、链接信息等，通过机器学习模型得到匹配的后端模型，进一步确定对应的目标网页；基于目标网页得到对应的目标网页。通过利用机器学习模型自动生成目标网页，避免了人工根据实际需求重新设计页面以及后端逻辑关系；提高网页开发的工作效率。

本说明书实施例提供一种网页生成方法，如图2为本说明书实施例提供的一种网页生成方法的流程示意图，具体可以包括：

步骤S200：获取样例网页信息。

本实施例中所述的网页生成方法，可以根据用户输入的样例网页信息，自动生成与样例网页信息的网页布局、网页素材、网页内容风格均匹配网页的网页。

其中，样例网页信息可以是与用户所需的目标网页相关的信息。例如，所述的样例网页信息可以是用户输入的一张网页图片，也可以是一个网页或者站点的网址(通过该网址可以访问至站点的页面)。在实际应用的样例网页信息中可以包含文本信息、图片等信息。

具体的，所述样例网页信息中可以包括网页中的图片素材、网页整体框架信息、所调用的CSS文件信息和JavaScript文件信息。获取过程中，可以对样例网页信息中的整体信息进行获取，也可以针对样例网页信息中不同类别的信息分别进行获取。

步骤S202：利用网页特征卷积模型，从所述样例网页信息中提取样例网页特征。

其中，所述网页特征卷积模型用于提取样例网页信息中的网页特征，该网页特征可以用于表示样例网页信息的整体特点，可以包括用于表示网页的整体布局的网页布局特征、用于表示网页素材的素材特征、用于表示网页素材内容的内容特征和用于表示网页整体风格的风格特征。

具体的，所述样例网页特征可以是样例网页的网页框架、可以是样例网页中所使用到素材的素材类别、数量和设置位置、可以是样例网页整体色彩风格，也可以是样例网页中所使用到素材的素材内容。

本实施中所述的网页特征卷积模型需要预先训练，训练所使用的基模型可以是卷积神经网络(Convolutional Neural Network，CNN)。

步骤S204：从数据库中获取与所述样例网页特征相匹配的目标网页特征。

本实施中，所述的数据库用于存储有多样化的目标网页特征，以提供多种能够与样例网页特征相匹配的目标网页特征，进而根据匹配阈值确定合适的目标网页。

获取过程中，可以计算样例网页特征与数据库中各网页特征之间的相似度。具体的，可参考网页特征的类别、网页特征具体内容、网页特征的色彩相对应的参数，基于上述参数计算得到的样例网页特征与数据库中各网页特征之间的相似度更为准确。

在一些实施例中，网页特征的相似度计算完成后，可以将相似度与匹配阈值进行对比，当相似度大于所述匹配阈值时，则可以将对应的网页特征确定为目标特征。在另外一些实施例中，当相似度大于所述匹配阈值的网页特征的数量大于一时，可以从符合条件的匹配结果中随机选取一个作为目标网页特征。

步骤S206：根据目标网页特征生成目标网页。

本实施例所述的目标网页，即符合用户需求的网页。可选的，所述目标网页可以以代码工程文件的格式生成。

具体的，生成所述目标网页的过程中，需要用到多个目标网页特征，因此需要确定各目标网页特征之间的关联关系。例如，各网页代码特征之间的关联关系、网页代码特征和图片素材特征的引用关系，素材内容特征与网页代码内容之间的关联关系。进而根据所述关联关系，生成与所述样例网页信息相匹配，且符合用户需要的目标网页源代码和/或目标网页。

此外，为了提取与样例网页信息相匹配的网页前端特征和网页后端特征，本实施例提出一种网页生成方法，如图3为本说明书实施例提供的另一种网页生成方法的流程示意图，具体步骤包括：

步骤S301：将预存的样本特征作为训练数据，训练网页特征卷积模型。

本实施中所述的网页特征卷积模型需要预先训练，训练所使用的模型可以是卷积神经网络，也可以是循环神经网络或深度神经网络等其他类型的神经网络。

具体的，卷积神经网络是一种前馈神经网络，它的人工神经元可以响应一部分覆盖范围内的周围单元，对于大型图像处理有出色表现。基于该特性，利用网页特征卷积模型可以在对样例网页信息中样例网页特征的识别和分类过程中产生很好的效果和效率。

训练过程中，可以用有监督学习和无监督学习两种方法对网页特征卷积模型进行训练。具体的，有监督学习，即通过已有的训练样本(已知数据以及其对应的输出)去训练得到一个最优模型(该模型属于多个函数的集合，最优则表示在某个评价准则下是最佳的)，再利用该模型将所有的输入映射为相应的输出，对输出进行简单的判断从而实现分类的目的，也就具有了对未知数据进行分类的能力。

本实施中，可以优选使用有监督学习的方法训练网页特征卷积模型，训练该模型之前，需要预先采集或提取各种类别的网页组件、素材的网页模板等训练数据，并根据训练数据的类别对训练数据进行分类和标记得到数据标签。训练过程中，可以将训练数据和数据标签同时输入至基模型中，进而得到可以实现预期效果的网页特征卷积模型。

步骤S303：获取样例网页信息。

步骤S305：利用前端特征提取模型从所述样例网页信息中提取网页前端特征。

在上述实施例的基础上，样例网页特征包括网页前端特征和网页后端特征；所述网页特征卷积模型包括前端特征卷积模型和后端特征卷积模型。其中，所述网页前端特征可以用于表示页面中较为直观的特征。例如，页面的结构、页面的外观视觉表现以及页面层的交互实现。前端特征卷积模型用于从样例网页信息中提取前端网页特征。

提取网页前端特征的过程中，可以分区域对样例网页信息的进行提取。例如，可以对样例网页中头部区域、底部区域和主体区域中的特征分别进行识别。

步骤S307：基于所述后端特征卷积模型，根据所述网页前端特征生成网页后端特征。

网页后端特征可以用于表示页面之间的跳转逻辑、以及页面中的业务逻辑。具体的，本实施例中可以根据网页前端特征中的<button>标签特征以及该标签特征内的目标链接生成页面间的跳转逻辑，可以根据网页前端特征中<text>标签特征中的属性确定业务逻辑。

后端特征卷积模型用于根据前段特征生成后端特征。需要说明的，所述后端特征卷积模型需要预先训练，对于该模型，其对应的训练数据可以包括网页前端特征、网页后端特征、以及网页前端特征与网页后端特征之间的对应关系。进而得到符合用户需求的后端特征卷积模型。同样的，后端特征卷积模型和前端特征卷积模型需要预先训练，训练所使用的基模型可以是CNN。

在另外的一些实施例中，基于所述后端特征卷积模型，根据所述网页前端特征生成网页后端特征，具体包括：根据所述网页前端特征和预先配置的网页逻辑关系生成网页后端特征。

为了满足用户更为精准的需求，在获取样例网页信息的同时，可以获取用户预先配置的网页逻辑关系，进而根据所述网页前端特征和预先配置的网页逻辑关系生成网页后端特征。具体的，网页逻辑关系可以通过用户配置的相关参数、业务逻辑图表示。

步骤S309：从数据库中获取与所述网页前端特征和网页后端特征相匹配的目标网页特征。

步骤S311：根据所述目标网页特征生成目标网页。

步骤S313：根据所述目标网页特征生成与所述目标网页相匹配的原型图。

其中，所述原型图，可以将目标网页的交互设计、网页间的跳转逻辑、网页中的业务逻辑可视化得表现出来。例如，可以作为目标网页的参照物，可以供参与网页开发的所有人员进行参考，通过原型图，可以形象且一目了然的看到目标网页的业务逻辑。

在上述实施例的基础上，利用网页特征卷积模型从所述样例网页信息中提取样例网页特征，具体包括：所述样例网页特征包括素材特征和代码特征；利用网页特征卷积模型识别所述样例网页信息的代码信息和素材信息；从所述代码信息中提取所述代码特征；从所述素材信息中提取所述素材特征，根据所述代码特征和素材特征确定所述样例网页特征。

所述代码特征表用于表示样例网页信息中由HTML、CSS等语言编写的静态网页代码特征，和由JavaScript语言编写的动态网页代码特征，素材特征用于表示图片、视频、动态图、flash动画等素材特征。

基于同样的思路，本说明书实施例提供一种网页生成装置，如图4为本说明书实施例提供的一种网页生成装置的结构示意图，该装置包括：

第一获取模块401，获取样例网页信息；

提取模块402，利用网页特征卷积模型从所述样例网页信息中提取样例网页特征；

第二获取模块403，从数据库中获取与所述样例网页特征相匹配的目标网页特征；

代码生成模块404，根据所述目标网页特征生成目标网页。

进一步地，所述样例网页特征包括网页前端特征和网页后端特征；

所述网页特征卷积模型包括前端特征卷积模型和后端特征卷积模型；

利用网页特征卷积模型从所述样例网页信息中提取样例网页特征，具体包括，利用前端特征卷积模型从所述样例网页信息中提取网页前端特征，基于所述后端特征卷积模型，根据所述网页前端特征生成网页后端特征。

进一步地，基于所述后端特征卷积模型，根据所述网页前端特征生成网页后端特征，具体包括，根据所述网页前端特征和预先配置的网页逻辑关系生成网页后端特征。

进一步地，网页生成装置还包括，原型图生成模块，用于根据所述目标网页特征生成与所述目标网页相匹配的原型图。

进一步地，利用网页特征卷积模型从所述样例网页信息中提取样例网页特征，具体包括：所述样例网页特征包括素材特征和代码特征；利用网页特征卷积模型识别所述样例网页信息的代码信息和素材信息；从所述代码信息中提取所述代码特征；从所述素材信息中提取所述素材特征；根据所述代码特征和素材特征确定所述样例网页特征。

进一步地，获取样例网页信息之前，还可以包括：将预存的样本特征作为训练数据，训练所述网页特征卷积模型。

基于同样的思路，本说明书实施例还提供一种电子设备，如图5所示，包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：

获取样例网页信息；

利用网页特征卷积模型从所述样例网页信息中提取样例网页特征；

从数据库中获取与所述样例网页特征相匹配的目标网页特征；

根据所述目标网页特征生成目标网页。

上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、电子设备、非易失性计算机存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本说明书实施例提供的装置、电子设备、非易失性计算机存储介质与方法是对应的，因此，装置、电子设备、非易失性计算机存储介质也具有与对应方法类似的有益技术效果，由于上面已经对方法的有益技术效果进行了详细说明，因此，这里不再赘述对应装置、电子设备、非易失性计算机存储介质的有益技术效果。

在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。

控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书一个或多个实施例时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

本领域内的技术人员应明白，本说明书实施例可提供为方法、系统、或计算机程序产品。因此，本说明书实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本说明书实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本说明书是参照根据本说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本说明书实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (11)

1.一种网页生成方法，包括：

获取样例网页信息；

利用网页特征卷积模型从所述样例网页信息中提取样例网页特征；

从数据库中获取与所述样例网页特征相匹配的目标网页特征；

根据所述目标网页特征生成目标网页。

2.如权利要求1所述的方法，所述样例网页特征包括网页前端特征和网页后端特征；

所述网页特征卷积模型包括前端特征卷积模型和后端特征卷积模型；

利用网页特征卷积模型从所述样例网页信息中提取样例网页特征，具体包括：

利用前端特征卷积模型从所述样例网页信息中提取网页前端特征，

基于所述后端特征卷积模型，根据所述网页前端特征生成网页后端特征。

3.如权利要求2所述的方法，基于所述后端特征卷积模型，根据所述网页前端特征生成网页后端特征，具体包括：

根据所述网页前端特征和预先配置的网页逻辑关系生成网页后端特征。

4.如权利要求1所述的方法，利用网页特征卷积模型从所述样例网页信息中提取样例网页特征；具体包括：

利用网页特征卷积模型识别所述样例网页信息的代码信息和素材信息；

从所述代码信息中提取所述代码特征；

从所述素材信息中提取所述素材特征；

根据所述代码特征和素材特征确定所述样例网页特征。

5.如权利要求1所述的方法，获取样例网页信息之前，还包括：

将预存的样本特征作为训练数据，训练所述网页特征卷积模型。

6.一种网页生成装置，包括：

第一获取模块，获取样例网页信息；

提取模块，利用网页特征卷积模型从所述样例网页信息中提取样例网页特征；

第二获取模块，从数据库中获取与所述样例网页特征相匹配的目标网页特征；

代码生成模块，根据所述目标网页特征生成目标网页。

7.如权利要求6所述的装置，所述样例网页特征包括网页前端特征和网页后端特征；

所述网页特征卷积模型包括前端特征卷积模型和后端特征卷积模型；

利用网页特征卷积模型从所述样例网页信息中提取样例网页特征，具体包括：

利用前端特征卷积模型从所述样例网页信息中提取网页前端特征，

基于所述后端特征卷积模型，根据所述网页前端特征生成网页后端特征；

根据所述网页前端特征和所述网页后端特征确定所述目标网页特征。

8.如权利要求7所述的装置，基于所述后端特征卷积模型，根据所述网页前端特征生成网页后端特征，具体包括：

根据所述网页前端特征和预先配置的网页逻辑关系生成网页后端特征。

9.如权利要求6所述的装置，利用网页特征卷积模型从所述样例网页信息中提取样例网页特征，具体包括：

利用网页特征卷积模型识别所述样例网页信息的代码信息和素材信息；

从所述代码信息中提取所述代码特征；

从所述素材信息中提取所述素材特征；

根据所述代码特征和素材特征确定所述样例网页特征。

10.如权利要求6所述的装置，获取样例网页信息之前，还包括：

将预存的样本特征作为训练数据，训练所述网页特征卷积模型。

11.一种电子设备，包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：

获取样例网页信息；

利用网页特征卷积模型从所述样例网页信息中提取样例网页特征；

从数据库中获取与所述样例网页特征相匹配的目标网页特征；

根据所述目标网页特征生成目标网页。