CN110889051A - 一种页面超链接检测方法、装置及设备 - Google Patents
一种页面超链接检测方法、装置及设备 Download PDFInfo
- Publication number
- CN110889051A CN110889051A CN201811051502.1A CN201811051502A CN110889051A CN 110889051 A CN110889051 A CN 110889051A CN 201811051502 A CN201811051502 A CN 201811051502A CN 110889051 A CN110889051 A CN 110889051A
- Authority
- CN
- China
- Prior art keywords
- hyperlink
- characteristic information
- determining
- text
- page
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 40
- 230000002159 abnormal effect Effects 0.000 claims abstract description 22
- 230000011218 segmentation Effects 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 15
- 238000001914 filtration Methods 0.000 claims description 11
- 238000010586 diagram Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Landscapes
- Information Transfer Between Computers (AREA)
Abstract
本申请公开了一种页面超链接检测方法、装置及设备。该方法包括:获取页面中待检测的超链接;确定该超链接的对象的第一特征信息和所述超链接指向目标的第二特征信息;基于所述第一特征信息和所述第二特征信息的匹配关系,确定该超链接是否异常,以避免出现超链接对象与其指向目标不匹配的问题。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种页面超链接检测方法、装置及设备。
背景技术
超链接是指从一个网页指向一个目标的连接关系,这个目标可以是其他网页、图片、电子邮件地址、文件等等。
目前,超链接的指向目标一般是由运营人员手动配置,而且在一些场景中,运营人员需要配置大量的超链接。
因此,需要可靠超链接检测的方案。
发明内容
本说明书实施例提供一种页面超链接检测方法,用以解决现有技术中超链接对象和其指向目标不匹配的问题。
本说明书实施例还提供一种页面超链接检测方法,包括:
获取页面中待检测的超链接;
确定所述超链接的对象的第一特征信息和所述超链接指向目标的第二特征信息;
基于所述第一特征信息和所述第二特征信息的匹配关系,确定所述超链接是否异常。
本说明书实施例还提供一种页面链接检测装置,包括:
获取模块,用于获取页面中待检测的超链接;
第一确定模块,用于确定所述超链接的对象的第一特征信息和所述超链接指向目标的第二特征信息;
第二确定模块,用于基于所述第一特征信息和所述第二特征信息的匹配关系,确定所述超链接是否异常。
本说明书实施例还提供一种电子设备,包括:
处理器;以及
被安排成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行以下步骤:
获取页面中待检测的超链接;
确定所述超链接的对象的第一特征信息和所述超链接指向目标的第二特征信息;
基于所述第一特征信息和所述第二特征信息的匹配关系,确定所述超链接是否异常。
本说明书实施例还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取页面中待检测的超链接;
确定所述超链接的对象的第一特征信息和所述超链接指向目标的第二特征信息;
基于所述第一特征信息和所述第二特征信息的匹配关系,确定所述超链接是否异常。
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:
通过检测页面中的超链接,并确定该超链接的对象的第一特征信息和指向目标的第二特征信息;然后,对第一特征信息和第二特征进行匹配,以基于两者的匹配关系确定改超链接的对象和指向目标是否相匹配,进而确定该超链接是否异常,能够有效实现避免出现超链接对象和指向目标不一致的情况。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本说明书提供的一种应该场景的示意图;
图2为本说明书一实施例提供的一种页面超链接检测方法的流程示意图;
图3为本说明书一实施例提供的确定第一特征信息步骤的流程示意图;
图4为本说明书一实施例提供的确定第二特征信息步骤的流程示意图;
图5为本说明书一实施例提供的一种页面超链接检测装置的结构示意图;
图6本说明书一实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
正如背景技术部分陈述的,有些页面中可能会有多个超链接,例如:电商网站电商网站大型促销活动的会场页面中有很多超链接,主要包括图片超链接和文字超链接。由于,这些超链接的对象和指向对象由运营人员手动配置的,而且下一条设计大量的超链接配置,因此,可能出现超链接的对象和超链接的指向目标不匹配的错误配置问题。
基于此,本发明提供一种页面超链接检测方法,通过检测页面中的超链接,并确定该超链接的对象的第一特征信息和指向目标的第二特征信息;然后,对第一特征信息和第二特征进行匹配,以基于两者的匹配关系确定改超链接的对象和指向目标是否相匹配,进而确定该超链接是否异常,能够有效实现避免出现超链接对象和指向目标不一致的情况。
其中,超链接是指从一个网页指向一个目标的连接关系,这个目标可以是另一个网页,也可以是相同网页上的不同位置,还可以是一个图片,一个电子邮件地址,一个文件,甚至是一个应用程序。而在一个网页中用来超链接的对象,可以是一段文本或者是一个图片。当浏览者单击已经链接的文字或图片后,链接目标将显示在浏览器上,并且根据目标的类型来打开或运行。
超链接的对象是以特殊编码的文本或图形的形式来实现链接,如果按照使用对象的不同,网页中的链接又可以分为:文本超链接,图像超链接,E-mail链接,锚点链接,多媒体文件链接,空链接等。
下面参见图1对本发明的应用场景进行示例性说明。
首先,提取该页面中的超链接,进而确定超链接的对象及其特征信息;例如:超链接包括:超链接1和超链接2,超链接1的对象为超链接对象1,超链接2的对象为超链接对象2。
其中,超链接对象1为显示‘女装会场’的图片,其特征信息可以为‘女装会场’;超链接对象2为‘武汉产地直供’的文本,其特征信息为‘武汉产地直供’。
然后,确定超链接指向目标及其特征信息,例如:超链接1指向的目标1为‘男装会场’的网页,其特征信息为‘男装会场’;超链接2指向的目标2为‘武汉产地直供’的网页,其特征信息为‘武汉产地直供’。
由此,可对比出:超链接对象1的特征信息‘女装会场’与目标1的特征信息‘男装会场’不匹配,超链接1异常;超链接对象2的特征信息‘武汉产地直供’与目标2的特征信息‘武汉产地直供’相匹配,超链接2正常。
其中,页面可以为发布之前的页面,则上述步骤可由后台服务器执行;该页面也可以为已发布的页面,则上述步骤可由后台服务器和/或展示该页面的终端执行;由服务器和终端共同执行上述步骤时,方案可以简单描述为:终端提取页面中的超链接及其对象的特征信息,发送给服务器,由服务器确定超链接指向目标的特征信息并完成对比工作。
以下结合附图,详细说明本申请各实施例提供的技术方案。
图2为本说明书一实施例提供的一种页面超链接检测方法的流程示意图,参见图2,具体可以包括如下步骤:
步骤220、获取页面中待检测的超链接;
其中,步骤220的实现方式此处不做限定,具体可示例为:
通过python爬虫爬取。
步骤240、确定所述超链接的对象的第一特征信息和所述超链接指向目标的第二特征信息;
其中,步骤240包括确定第一特征信息部分(下述简称为第一部分)和确定第二特征信息的部分(下述简称为第二部分),下面分别对该两个部分进行详细说明:
对于第一部分,其一种实现方式可以为:
步骤302、确定超链接的对象的类型;
其中,超链接对象类型包括:文本超链接,图像超链接,E-mail链接,锚点链接,多媒体文件链接,空链接等。
步骤304、所述对象的类型是否为文本;
若是,即对象为文本对象,则执行步骤306;若否,即,对象为非文本对象,则执行步骤308;
步骤306、将所述文本作为所述超链接对象对应的文本;
例如:文本对象为:‘武汉产地直供’,则对应的文本为:‘武汉产地直供’。
步骤308、解析出所述非文本对应的文本,并将解析的文本作为所述超链接对象对应的文本;
例如:非文本对象为显示有‘女装会场’图片,则对所述图片进行图像识别处理,获得所述图片中的文本:‘女装会场’。
步骤310、对所述文本进行分词处理,获得第一分词集,作为所述第一特征信息。具体可以为:
可通过自定义词典对文本进行分词处理;该自定义词典可以为本方案应用领域常用的词典,也可以为统计方案应用领域常用的分词构建的词典等等。
对于上述步骤302和步骤310,需要说明的是,步骤302-步骤308用于确定所述超链接的对象对应的文本,且仅示例性说明了确定文本超链接和图像超链接对应的文本,至于其他类型的超链接对象对应的处理方式此处不做限定。
对于第二部分,其一种实现方式可以为:
步骤402、确定超链接指向目标的类型;
其中,目标的类型包括:其他网页、本网页上的不同位置、图片、电子邮件地址、文件、甚至是一个应用程序;
步骤404、执行所述类型对应的策略,确定所述目标对应的文本;具体可以示例为:
若目标为网页,则对应的策略为:
确定网页标题或者网页的超文本标记语言HTML文件中的文本;
若目标为图片,则对应的策略为:
对所述图片进行图像识别处理,获得所述图片中的文本。
至于其他类型的目标对应的处理方式此处不做限定。
步骤406、对所述文本进行分词处理,获得第二分词集,作为所述第二特征信息。
由于步骤406与步骤310的实现方式相似,故,此处不再赘述步骤406的具体实现方式。
步骤260、基于所述第一特征信息和所述第二特征信息的匹配关系,确定所述超链接是否异常。具体可以为:
若所述第一特征信息和所述第二特征信息相匹配,则确定定所述超链接正常;若所述第一特征信息和所述第二特征信息不匹配,则确定所述超链接异常,并发出报错信息,以提示相关用户。
下面对匹配第一特征信息和第二特征信息步骤的实现方式进行示例说明:
基于图3和图4对应的描述,所述第一特征信息和所述第二特征信息均包括一个或多个分词,则匹配步骤可以为:
确定所述第一特征信息中的分词和所述第二特征信息中的分词的匹配度;
若所述匹配度小于预定阈值,则确定所述第一特征信息和所述第二特征信息不匹配;若所述匹配度大于或等于预定阈值,则确定所述第一特征信息和所述第二特征信息相匹配。
其中,预定阈值可以为第一特征信息中的分词和第二特征信息中的分词之间的总的匹配度,也可以为单一分词的匹配度;对于后者,可以示例为:只要第一特征信息和第二特征信息中存在至少一个意思相同或相近的分词,则认为大于匹配度大于或等于预定阈值。
至于如何确定两个分词之间的匹配度,可基于现有的分词技术实现,此处不再限定。
优选地,为降低需匹配的数据量,在进行匹配之前,还包括:过滤分词的步骤,具体可以为:
基于预生成的分词过滤名单,过滤所述第一特征信息和所述第二特征信息中的分词,即将第一特征信息和第二特征信息中存在的分词过滤名单中的分词筛除。
其中,分词过滤名单中存有多个分词,这些分词一般是‘产地’、‘直供’、‘会场’等对超链接对象或执行目标的特征信息影响不大的分词。
另外,分词过滤名单的一种维护方式可以为:
累计各分词的出现频次;将出现频次大于预定频次阈值的分词加入分词过滤名单。
即,认为在同一页面中出现频次较多的分词为较为通用、无法体现超链接对象或超链接指向目标的特征信息的分词。
另外,不难理解的是,当超链接的对象为图片(记为第一图片),指向目标也是图片(记为第二图片)时,第一特征信息和第二特征信息还可以分别为第一图片和第二图片;进而,可对第一图片和第二图片进行图像匹配处理,确定两者的匹配度,若匹配度大于预定匹配度阈值,则确定第一特征信息和第二特征信息相匹配;否则则确定两者不相匹配。
可见,本实施例可以通过在页面发布之前检测页面中的超链接,并确定该超链接的对象的第一特征信息和指向目标的第二特征信息;然后,对第一特征信息和第二特征进行匹配,以基于两者的匹配关系确定改超链接的对象和指向目标是否相匹配,进而确定该超链接是否异常,若是,则发出报错并不允许页面发布;也可以在页面发布后,进行定期巡查拦截,并在巡查到页面中有异常超链接后,将该超链接下架并提示相关用户进行调整。能够有效实现避免出现超链接对象和指向目标不一致的情况。
另外,对于上述方法实施方式,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明实施方式并不受所描述的动作顺序的限制,因为依据本发明实施方式,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施方式均属于优选实施方式,所涉及的动作并不一定是本发明实施方式所必须的。
图5为本说明书一实施例提供的一种页面超链接检测装置的结构示意图,参见图5,该装置具体可以包括:获取模块51、第一确定模块52和第二确定模块53,其中:
获取模块51,用于获取页面中待检测的超链接;
第一确定模块52,用于确定所述超链接的对象的第一特征信息和所述超链接指向目标的第二特征信息;
第二确定模块53,用于基于所述第一特征信息和所述第二特征信息的匹配关系,确定所述超链接是否异常。
可选的,第一确定模块52,具体用于:
确定所述超链接的对象对应的文本;对所述文本进行分词处理,获得第一分词集,作为所述第一特征信息。
可选的,第一确定模块52,还用于:
确定所述超链接的对象的类型;若所述对象为文本,则将所述文本作为所述超链接对象对应的文本;若所述对象为非文本,则解析出所述非文本对应的文本,并将解析的文本作为所述超链接对象对应的文本。
可选的,所述非文本为图片;
其中,第一确定模块52,还用于:
对所述图片进行图像识别处理,获得所述图片中的文本。
可选的,所述超链接指向目标为网页;
其中,第一确定模块52,还用于::
确定所述网页标题或所述网页的HTML文件中的文本;对所述文本进行分词处理,获得第二分词集,作为所述第二特征信息。
可选的,第二确定模块53,具体用于:
若所述第一特征信息和所述第二特征信息相匹配,则确定定所述超链接正常;若所述第一特征信息和所述第二特征信息不匹配,则确定所述超链接异常。
可选的,所述第一特征信息和所述第二特征信息均包括一个或多个分词,第二确定模块53,具体用于:
确定所述第一特征信息中的分词和所述第二特征信息中的分词的匹配度;若所述匹配度小于预定阈值,则确定所述第一特征信息和所述第二特征信息不匹配。
可选的,装置还包括:
过滤模块,用于基于预生成的分词过滤名单,过滤所述第一特征信息和所述第二特征信息中的分词。
可见,本实施例可以通过在页面发布之前检测页面中的超链接,并确定该超链接的对象的第一特征信息和指向目标的第二特征信息;然后,对第一特征信息和第二特征进行匹配,以基于两者的匹配关系确定改超链接的对象和指向目标是否相匹配,进而确定该超链接是否异常,若是,则发出报错并不允许页面发布;也可以在页面发布后,进行定期巡查拦截,并在巡查到页面中有异常超链接后,将该超链接下架并提示相关用户进行调整。能够有效实现避免出现超链接对象和指向目标不一致的情况。
另外,对于上述装置实施方式而言,由于其与方法实施方式基本相似,所以描述的比较简单,相关之处参见方法实施方式的部分说明即可。应当注意的是,在本发明的装置的各个部件中,根据其要实现的功能而对其中的部件进行了逻辑划分,但是,本发明不受限于此,可以根据需要对各个部件进行重新划分或者组合。
图6本说明书一实施例提供的一种电子设备的结构示意图,参见图6,该电子设备包括:处理器、内部总线、网络接口、内存以及非易失性存储器,当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,在逻辑层面上形成页面超链接检测装置。当然,除了软件实现方式之外,本申请并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说以下处理流程的执行主体并不限定于各个逻辑单元,也可以是硬件或逻辑器件。
网络接口、处理器和存储器可以通过总线系统相互连接。总线可以是ISA(Industry Standard Architecture,工业标准体系结构)总线、PCI(PeripheralComponent Interconnect,外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture,扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图6中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
存储器用于存放程序。具体地,程序可以包括程序代码,所述程序代码包括计算机操作指令。存储器可以包括只读存储器和随机存取存储器,并向处理器提供指令和数据。存储器可能包含高速随机存取存储器(Random-Access Memory,RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少1个磁盘存储器。
处理器,用于执行所述存储器存放的程序,并具体执行:
获取页面中待检测的超链接;
确定所述超链接的对象的第一特征信息和所述超链接指向目标的第二特征信息;
基于所述第一特征信息和所述第二特征信息的匹配关系,确定所述超链接是否异常。
上述如本申请图5所示实施例揭示的页面超链接检测装置或管理者(Master)节点执行的方法可以应用于处理器中,或者由处理器实现。处理器可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application SpecificIntegrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
页面超链接检测装置还可执行图2-4的方法,并实现管理者节点执行的方法。
基于相同的发明创造,本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被包括多个应用程序的电子设备执行时,使得所述电子设备执行图2-4对应的实施例提供的页面超链接检测方法。
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。
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。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明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,本发明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。
本发明是参照根据本发明实施例的方法、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。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请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,本申请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。
以上所述仅为本申请的实施例而已,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 (14)
1.一种页面超链接检测方法,其特征在于,包括:
获取页面中待检测的超链接;
确定所述超链接的对象的第一特征信息和所述超链接指向目标的第二特征信息;
基于所述第一特征信息和所述第二特征信息的匹配关系,确定所述超链接是否异常。
2.根据权利要求1所述的方法,其特征在于,确定所述超链接的对象的第一特征信息包括:
确定所述超链接的对象对应的文本;
对所述文本进行分词处理,获得第一分词集,作为所述第一特征信息。
3.根据权利要求2所述的方法,其特征在于,确定所述超链接的对象对应的文本包括:
确定所述超链接的对象的类型;
若所述对象为文本,则将所述文本作为所述超链接对象对应的文本;
若所述对象为非文本,则解析出所述非文本对应的文本,并将解析的文本作为所述超链接对象对应的文本。
4.根据权利要求3所述的方法,其特征在于,所述非文本为图片;
其中,解析出所述非文本对应的文本包括:
对所述图片进行图像识别处理,获得所述图片中的文本。
5.根据权利要求1所述的方法,其特征在于,所述超链接指向目标为网页;
其中,确定所述超链接指向目标的第二特征信息包括:
确定所述网页标题或所述网页的HTML文件中的文本;
对所述文本进行分词处理,获得第二分词集,作为所述第二特征信息。
6.根据权利要求1所述的方法,其特征在于,基于所述第一特征信息和所述第二特征信息的匹配关系,确定所述超链接是否异常包括:
若所述第一特征信息和所述第二特征信息相匹配,则确定定所述超链接正常;
若所述第一特征信息和所述第二特征信息不匹配,则确定所述超链接异常。
7.根据权利要求6所述的方法,其特征在于,所述第一特征信息和所述第二特征信息均包括一个或多个分词,所述方法还包括:
确定所述第一特征信息中的分词和所述第二特征信息中的分词的匹配度;
若所述匹配度小于预定阈值,则确定所述第一特征信息和所述第二特征信息不匹配。
8.根据权利要求7所述的方法,其特征在于,确定所述第一特征信息中的分词和所述第二特征信息中的分词的匹配度之前,还包括:
基于预生成的分词过滤名单,过滤所述第一特征信息和所述第二特征信息中的分词。
9.一种页面链接检测装置,其特征在于,包括:
获取模块,用于获取页面中待检测的超链接;
第一确定模块,用于确定所述超链接的对象的第一特征信息和所述超链接指向目标的第二特征信息;
第二确定模块,用于基于所述第一特征信息和所述第二特征信息的匹配关系,确定所述超链接是否异常。
10.根据权利要求9所述的装置,其特征在于,所述第一确定模块,具体用于:
确定所述超链接对象对应的文本;
对所述文本进行分词处理,获得第一分词集,作为所述第一特征信息。
11.根据权利要求9所述的装置,其特征在于,所述第一确定模块,还用于:
确定所述页面标题或所述页面的HTML文件中的文本;
对所述文本进行分词处理,获得第二分词集,作为所述第二特征信息。
12.根据权利要求9所述的装置,其特征在于,第二确定模块,具体用于:
若所述第一特征信息和所述第二特征信息相匹配,则确定定所述超链接正常;
若所述第一特征信息和所述第二特征信息不匹配,则确定所述超链接异常。
13.一种电子设备,其特征在于,包括:
处理器;以及
被安排成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行如权利要求1至8中任一项所述的方法的步骤。
14.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至8中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811051502.1A CN110889051A (zh) | 2018-09-10 | 2018-09-10 | 一种页面超链接检测方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811051502.1A CN110889051A (zh) | 2018-09-10 | 2018-09-10 | 一种页面超链接检测方法、装置及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110889051A true CN110889051A (zh) | 2020-03-17 |
Family
ID=69745213
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811051502.1A Pending CN110889051A (zh) | 2018-09-10 | 2018-09-10 | 一种页面超链接检测方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110889051A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113837772A (zh) * | 2021-09-24 | 2021-12-24 | 支付宝(杭州)信息技术有限公司 | 一种对营销信息进行审核的方法、装置及设备 |
CN114463730A (zh) * | 2021-07-15 | 2022-05-10 | 荣耀终端有限公司 | 一种页面识别方法及终端设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100761890B1 (ko) * | 2006-04-28 | 2007-09-28 | 김일 | 웹문서의 링크오류 표시방법 및 이를 위한 기록매체 |
CN101510195A (zh) * | 2008-02-15 | 2009-08-19 | 刘峰 | 基于爬虫技术的网站安全防护与测试诊断系统构造方法 |
CN108255866A (zh) * | 2016-12-29 | 2018-07-06 | 北京国双科技有限公司 | 检查网站中链接的方法和装置 |
-
2018
- 2018-09-10 CN CN201811051502.1A patent/CN110889051A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100761890B1 (ko) * | 2006-04-28 | 2007-09-28 | 김일 | 웹문서의 링크오류 표시방법 및 이를 위한 기록매체 |
CN101510195A (zh) * | 2008-02-15 | 2009-08-19 | 刘峰 | 基于爬虫技术的网站安全防护与测试诊断系统构造方法 |
CN108255866A (zh) * | 2016-12-29 | 2018-07-06 | 北京国双科技有限公司 | 检查网站中链接的方法和装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114463730A (zh) * | 2021-07-15 | 2022-05-10 | 荣耀终端有限公司 | 一种页面识别方法及终端设备 |
CN113837772A (zh) * | 2021-09-24 | 2021-12-24 | 支付宝(杭州)信息技术有限公司 | 一种对营销信息进行审核的方法、装置及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11727114B2 (en) | Systems and methods for remote detection of software through browser webinjects | |
CN109829096B (zh) | 一种数据采集方法、装置、电子设备及存储介质 | |
US10749927B2 (en) | Webpage loading method, apparatus and system | |
CN109376291B (zh) | 一种基于网络爬虫的网站指纹信息扫描的方法及装置 | |
US9678859B2 (en) | Detecting error states when interacting with web applications | |
US9588945B2 (en) | Comparing webpage elements having asynchronous functionality | |
CN113568841B (zh) | 一种针对小程序的风险检测方法、装置及设备 | |
CN109743309B (zh) | 一种非法请求识别方法、装置及电子设备 | |
CN110619103A (zh) | 网页图文检测方法、装置及存储介质 | |
CN110889051A (zh) | 一种页面超链接检测方法、装置及设备 | |
CN109582883B (zh) | 栏目页的确定方法和装置 | |
CN103390129B (zh) | 检测统一资源定位符安全性的方法和装置 | |
CN113742551A (zh) | 一种基于scrapy和puppeteer的动态数据抓取方法 | |
CN110708270B (zh) | 异常链接检测方法以及装置 | |
CN116483888A (zh) | 程序评估方法及装置、电子设备和计算机可读存储介质 | |
CN111191235A (zh) | 可疑文件分析方法、装置和计算机可读存储介质 | |
CN112579947A (zh) | 网页元素图的截取方法、装置及电子设备 | |
CN106610833B (zh) | 一种触发重叠html元素鼠标事件的方法及装置 | |
CN110750271B (zh) | 服务聚合、聚合服务的执行方法、装置和电子设备 | |
US11783004B2 (en) | Identifying a script that originates synchronous and asynchronous actions | |
CN114710318A (zh) | 一种限制爬虫高频访问的方法、装置、设备及介质 | |
CN113849674A (zh) | 识别伪装用户代理信息的方法、装置和电子设备 | |
CN110968754B (zh) | 一种爬虫翻页策略的检测方法及装置 | |
CN106997353B (zh) | 网页改版的监控方法及装置 | |
CN110929184A (zh) | 链接的显示方法、系统、存储介质和处理器 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200317 |