CN113407889B - 小说转码方法、装置、设备以及存储介质 - Google Patents

Abstract

本公开公开了小说转码方法，涉及互联网技术领域，尤其涉及大数据和智能搜索等技术领域，可以应用于小说转码场景。具体实现方案为：查找与目标小说关联的至少一个网页地址；获取与至少一个网页地址一一对应的至少一个目录信息；基于至少一个目录信息进行目录聚合，以生成目标小说的章节关系图；以及基于章节关系图，获取目标小说的最优目录，以便基于最优目录，为用户请求访问的小说章节选取对应的最优正文进行转码。

Description

小说转码方法、装置、设备以及存储介质

技术领域

本公开涉及互联网技术领域，尤其涉及大数据和智能搜索等技术领域，可以应用于小说转码场景。具体涉及一种小说转码方法、装置、设备以及存储介质。

背景技术

服务器中存储的小说文本通常不是用户可以直接阅读的格式，因而在阅读终端展示小说文本时，需要转码一下才可以生成用户能够看懂的文本格式。因此，小说转码是指转换文本格式，将小说转换到阅读终端支持的格式进行展示。

发明内容

本公开提供了一种小说转码方法、装置、设备、存储介质以及计算机程序产品。

根据本公开的一方面，提供了一种小说转码方法，包括：查找与目标小说关联的至少一个网页地址；获取与所述至少一个网页地址一一对应的至少一个目录信息；基于所述至少一个目录信息进行目录聚合，以生成所述目标小说的章节关系图；以及基于所述章节关系图，获取所述目标小说的最优目录，以便基于所述最优目录，为用户请求访问的小说章节选取对应的最优正文进行转码。

根据本公开的另一方面，提供了一种小说转码装置，包括：查找模块，用于查找与目标小说关联的至少一个网页地址；第一获取模块，用于获取与所述至少一个网页地址一一对应的至少一个目录信息；聚合模块，用于基于所述至少一个目录信息进行目录聚合，生成所述目标小说的章节关系图；以及第二获取模块，用于基于所述章节关系图，获取所述目标小说的最优目录，以便基于所述最优目录，为用户请求访问的小说章节选取对应的最优正文进行转码。

根据本公开的另一方面，提供了一种电子设备，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执行本公开实施例所述的方法。

根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据本公开实施例所述的方法。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据本公开实施例所述的方法。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1A示例性示出了适于本公开实施例的系统架构；

图1B示例性示出了可以实现本公开实施例的场景图；

图2示例性示出了根据本公开实施例的小说转码方法的流程图；

图3示例性示出了根据本公开实施例的生成章节关系图的示意图；

图4示例性示出了根据本公开实施例的获取最优小说正文的示意图；

图5示例性示出了根据本公开实施例的小说转码装置的框图；以及

图6示例性示出了用来实现本公开实施例的电子设备的框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

目前，市面上小说网站众多，但是不同网站提供的小说文本质量参差不齐，部分网站提供的小说文本甚至存在缺章、或章节乱序等书籍质量问题，影响用户的阅读体验。

传统的小说转码方案，仅针对小说网页进行格式转换和结构调整，以适配对应的阅读终端，不能解决上述的书籍质量问题。因此，需要用户自己甄别网站质量的好坏，寻找质量较好的小说源。

对此，本公开提出了一种基于信息融合的小说转码方案。本方案以小说纬度而非网页纬度进行转码，当用户请求阅读某一本小说时，可以同时从多个网站获取该本小说的不同章节的内容，并基于获取的内容组合成一本相对较完整的小说，然后转码给用户阅读，由此可以避免出现小说文本缺章、或章节重复、或章节乱码等质量问题，提高转码小说的质量。

以下将结合具体实施例详细阐述本公开。

适于本公开实施例的小说转码方法和装置的系统架构介绍如下。

图1A示例性示出了适于本公开实施例的系统架构。需要注意的是，图1A所示仅为可以应用本公开实施例的系统架构的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他环境或场景。

如图1A所示，系统架构100可以包括：服务器101，阅读终端102、103、104，网站A、网站B、网站C。

应该理解，市面上小说网站众多，如网站A、网站B、网站C都可以是小说网站。这些网站提供的小说文本质量可能参差不齐，比如网站A提供的某小说文本只有前3章，网站B提供的该小说文本章节顺序混乱，网站C提供的该小说文本章节存在重复现象，等等，这些都会影响用户的阅读体验。

在本公开实施例中，服务器101可以从多个网站(如网站A、网站B、网站C等)获取同一本小说的不同章节的内容，然后组合成一本内容相对较为完整且不存在章节重复和乱序等问题小说文本，最后响应于用户的访问请求，如阅读终端102、103、104中的任意一个或多个发起的访问请求，对组合得到的小说文本进行转码并反馈给用户阅读，以提高转码小说的质量，同时提升用户的阅读体验。

应该理解，图1A中的网站、服务器和阅读终端的数目仅仅是示意性的。根据实现需要，可以具有任意数目的网站、服务器和阅读终端。

适于本公开实施例的小说转码方法和装置的应用场景介绍如下。

如图1B所示，从网站1下载的某小说只有第1章、第3章～第5章(缺少第2章)，且第4章正文质量不佳；从网站2下载的该小说第1章～第5章(不缺章节)，但第3章和第5章正文质量不佳。

很显然，在这种情况下，针对该小说，无论单独对网站1提供的小说网页进行转码还是单独对网站2提供的小说网页进行转码，都无法获取质量较高的转码小说。

而使用本公开实施例提供的小说转码方案，针对该小说，比如可以从网站1获取该小说的第1章、第3章和第5章，并从网站2获取该小说的第2章、第4章，然后组合成一本相对完整且各章节内容质量较高的小说文本进行转码并反馈给用户阅读，以提高转码小说的质量，并提升用户的阅读体验。或者，比如也可以从网站1获取该小说的第3章和第5章，并从网站2获取该小说的第1章、第2章、第4章，然后组合成一本相对完整且各章节内容质量较高的小说文本进行转码并反馈给用户阅读，以提高转码小说的质量，并提升用户的阅读体验。

根据本公开的实施例，本公开提供了一种小说转码方法。

图2示例性示出了根据本公开实施例的小说转码方法的流程图。

如图2所示，小说转码方法200包括：操作S210～S240。

在操作S210，查找与目标小说关联的至少一个网页地址；

在操作S220，获取与至少一个网页地址一一对应的至少一个目录信息；

在操作S230，基于至少一个目录信息进行目录聚合，以生成目标小说的章节关系图；以及

在操作S240，基于章节关系图，获取目标小说的最优目录，以便基于最优目录，为用户请求访问的小说章节选取对应的最优正文进行转码。

在操作S210，目标小说可以是任一小说，与该小说关联的至少一个网页地址中的每个对应一个网站。换言之，通过与该小说关联的至少一个网页地址中的每个都可以访问该小说，只不过访问的小说文本质量可能或多或少都存在问题。在操作S220，对于操作S210中查找到的每个网页地址，可以获取每个对应网站提供的该目标小说的目录信息。在操作S230，可以基于各网站提供的该目标小说的目录信息，对各网站提供的目标小说目录进行融合，并生成该目标小说的章节关系图。在操作S240，可以选取目标小说的最优目录，并基于该最优目录，从各个网站选取对应的最优章节正文进行转码并反馈给用户。

作为一个实施例，可以响应于用户针对目标小说发起转码请求，执行操作S210～S240，查找与该目标小说关联的至少一个网页地址，向该至少一个网页地址发起转码请求，以获得至少一个目录信息，然后基于该至少一个目录信息进行目录聚合，以生成该目标小说的章节关系图，进而基于该章节关系图，获取该目标小说的最优目录，最后基于该最优目录，为用户请求访问的小说章节选取对应的最优小说正文进行转码。

进一步，在该实施例中，还可以缓存该目标小说的最优目录并缓存与该最优目录对应的最优小说正文的链接，以便后续用户访问该目标小说时，可以直接从缓存中获取相应的最优目录和最优章节正文的链接进行小说转码，以提高小说转码效率。

作为另一个实施例，对于一些热门小说，还可以预先执行操作S210～S240，即查找与目标小说关联的至少一个网页地址，并获取与至少一个网页地址一一对应的至少一个目录信息，然后基于该至少一个目录信息进行目录聚合，以生成该目标小说的章节关系图，进而基于该章节关系图，获取该目标小说的最优目录并存储该最优目录，以便用户访问该目标小说的相关章节时，可以基于该最优目录，为用户请求访问的小说章节选取对应的最优小说正文进行转码。

在本公开实施例中，通过对多个网站提供的同一本电子小说的目录和正文进行融合，以小说纬度而非网页纬度进行转码，当用户请求阅读某一本小说时，可以同时从多个网站获取该本小说的不同章节的内容，并基于获取的内容组合成一本相对较完整的小说，然后转码给用户阅读，由此可以避免出现小说文本缺章、或章节重复、或章节乱码等质量问题，提高转码小说的质量。

作为一种可选的实施例，基于至少一个目录信息进行目录聚合，以生成目标小说的章节关系图可以包括如下操作。

针对至少一个目录信息中的每个目录信息，执行预处理操作，以获得对应的预处理后的目录信息，其中，预处理操作包括以下至少之一：章节去重操作、章节补全操作。

基于预处理后得到的至少一个目录信息进行目录聚合，以生成章节关系图。

在本公开实施例中，对不同网站提供的目标小说(即同一小说)的各个目录信息执行预处理操作时，可以不同网站上该目标小说的章节标题进行清洗，从而实现章节的去重和补全等。

在一个实施例中，对于每个目录信息，可以通过正则表达式，处理各章节标题，提取出各章节标题的主体(简称章节主体)。

对于无章节主体的章节，可以设置章节主体为章节名称。比如，如果第1章和第5章都无章节主体，则可以将“第1章”作为第1章的章节主体，将“第5章”作为第5章的章节主体，以实现章节补全处理。

对于章节主体多次重复的目录，可以将重复章节以及其后的章节丢弃，只保留目录前半段不重复的部分，以实现章节去重处理。比如，某小说在网站A展示的目录的第4章和第5章的章节主体都是“扫地小厮”，则可以将第5章及之后的章节丢弃，仅保留第4章以及之前的章节。

通过本公开实施例，在对同一小说的不同来源的多个目录信息进行聚合并生成对应的章节关系图的过程中执行上述预处理操作，可以避免由此组合而成的小说文本也存在缺章、乱序或者章节重复等问题。

进一步，作为一种可选的实施例，基于预处理后得到的至少一个目录信息进行目录聚合，以生成章节关系图，可以包括如下操作。

基于预处理后得到的至少一个目录信息，按照章节顺序建立章节关系树。

合并章节关系树中章节标题主体相同的节点，得到至少一个聚合节点。

基于至少一个聚合节点，生成章节关系图。

在本公开实施例中，可以依据每个目录信息(每个目录信息对应于一个网页)表征的章节顺序建立章节关系树。比如，可以设置一个公共的虚拟0号节点，并使所有网页的第一章指向该0号节点。然后，对每个网页而言，第一章为第二章的父节点，第二章为第三章的父节点，以此类推。再然后，从章节关系树的0号节点开始，查询其所有子节点的章节主体，如果任意两个或者多个子节点的章节主体相同，则认为这些子节点可以组成一个节点簇，因而可以将这些子节点合并成一个聚合节点，用于表示一个节点簇。同时，记录该聚合节点中聚合的子节点数，以及该聚合节点中聚合的各原始子节点的相关信息。示例性的，合并两个子节点的具体操作包括：删除其中一个子节点，并将该子节点的父节点和子节点关系转移至未被删除的子节点上。此外，如果同一父节点的所有子节点的章节主体都不同，则继续搜索当前章节关系树中的其他子节点的章节主体，如果该其他子节点中存在章节主体相同的至少两个子节点，则对比这至少两个子节点的父节点的章节主体，如果这至少两个子节点的父节点的章节主体也相同，那么合并当前相同章节主体的子节点，以及他们的父节点。以此类推，最终可以将各网页的章节组成的章节关系树，合并成一个有向无环图，称为章节关系图。

示例性的，如图3所示，对于某小说而言，网站A的小说网页上展示的章节主体依次是“蟒雀、苏幼和力量”，网站B的小说网页上展示的章节主体依次是“蟒雀、源纹、苏幼和力量”，网站C的小说网页上展示的章节主体依次也是“蟒雀、源纹、苏幼和力量”。通过本公开实施例提供的技术方案，基于网站A～网站C展示的章节主体，针对该小说，可以构建如图3左半部分所示的章节关系树。基于该章节关系树，合并这3个网站上的章节主体“蟒雀”，并合并这3个网站上的章节主体“苏幼”和“力量”，以及网站B和网站C的章节主体“源纹”，可以生成如图3右半部分所示的章节关系图。

通过本公开实施例，针对同一小说，可以对不同网站提供的目录信息进行目录聚合，从而生成对应的包含一个或者多个聚合节点的章节关系图，使得小说转码可以基于该章节关系图选择各章节的正文并进行转码，从而将来自各个网站的质量参差不齐的多个小说版本组合成一个内容相对较为完整且内容质量相对较高的小说版本进行转码，以提高转码小说的质量，进而提高用户的阅读体验。

更进一步，作为一种可选的实施例，基于章节关系图，获取目标小说的最优目录，可以包括：从章节关系图的首节点开始，查找该节点的子节点并选取聚合节点个数最多的子节点作为下一节点，如此直到查找到叶子节点为止，此过程经过的路径作为最优目录。

在本公开实施例中，可以从章节关系图的0号节点(首节点)出发，查找其子节点，采用贪心算法，选取聚合节点最多的子节点为下一个节点，如此一直寻找到叶子节点，整个过程经过的路径就可以作为最终生成的最优目录。在本公开实施例中，可以将该最优目录展示给用户。

示例性的，继续参考图3，由图中的章节关系图，可以将“蟒雀→源纹→苏幼→力量”作为最优目录展示给用户。

通过本公开实施例，将聚合节点数最多的子节点为下一个节点，可以为选择更优质的章节正文提供更多可能。

作为一种可选的实施例，该方法还可以包括：缓存最优目录。

在本公开的一些实施例中，当一个用户访问某小说，并生成对应的最优目录后，可以将生成的最优目录缓存在缓存中，以加快对后续用户阅读该小说的转码请求的响应速度。

或者，在本公开的另一些实施例中，对于热门的小说，也可以提前生成最优目录，并存入缓存，供用户阅读使用。由此也可以加快对用户阅读热门小说的转码请求的响应速度。

应该理解，在本公开实施例中，对于存入缓存的优质小说目录，还可以周期性进行网页维护，比如剔除其中出现的死链网页，同时添加新的小说源网页最为替代，以保证组合而成的小说文本尽量保持在一个相对较完整的水平，从而为用户带来质量稳定的阅读体验。

作为一种可选的实施例，该方法还可以包括：响应于用户针对目标小说发起转码请求，基于最优目录，为用户请求访问的小说章节选取对应的最优正文进行转码。

示例性的，继续参考图3，由图中的章节关系图，可以将“蟒雀→源纹→苏幼→力量”作为最优目录展示给用户。由于在该最优目录中，网站A～网站C都能提供“蟒雀”、“苏幼”以及“力量”这几个章节的正文，网站B～网站C都能提供“源纹”这一个章节的正文。

因此，在一个实施例中，对于“蟒雀”章节，可以网站A～网站C提供的章节正文中任意选择一个进行转码并展示。在另一个实施例中，对于“蟒雀”章节，虽然网站A～网站C都可以提供对应的章节正文，但是为了选取质量更优的章节正文，则可以对这几个网站提供的章节正文进行筛选和处理(比如对章节正文中的广告和其他杂志等进行过滤)，从而选取出质量更优的章节正文进行转码并展示，以提高用户的阅读体验。

同理，“苏幼”和“力量”这两个章节也可以做类似处理，在此不再赘述。

此外，在一个实施例中，对于“源纹”章节，可以网站B～网站C提供的章节正文中任意选择一个进行转码并展示。在另一个实施例中，对于“蟒雀”章节，虽然网站B～网站C都可以提供对应的章节正文，但是为了选取质量更优的章节正文，则也可以对这几个网站提供的章节正文进行筛选和处理(比如对章节正文中的广告和其他杂志等进行过滤)，从而选取出质量更优的章节正文进行转码并展示，以提高用户的阅读体验。

进一步，作为一种可选的实施例，基于最优目录，为用户请求访问的小说章节选取对应的最优正文进行转码，可以包括如下操作。

确定最优目录中与用户请求访问的小说章节对应的聚合章节。

获取与聚合章节关联的至少一个章节正文网页链接。

基于至少一个章节正文网页链接，获取一一对应的至少一个章节正文。

基于内容质量，从至少一个章节正文中选出最优的一个章节正文。

将最优的一个章节正文转码给用户。

在本公开实施例中，由于生成章节关系图时可以记录各聚合节点中聚合的子节点及其相关信息(如所属的网站和章节正文网页链接等信息)，因而，当用户访问某个聚合节点对应的章节时，可以基于该聚合节点中聚合的各子节点的章节正文网页链接，获取这些子节点各自对应的章节正文，然后对这些章节正文进行无效正文过滤，得到对应的无效正文并标记之。

示例性的，可以预先配置典型的无效正文，比如可以将“章节正在手打中，请稍后访问......”配置为无效正文。对于获取到的每一章节正文内容，比如可以比较正文的前3段和该无效正文的相似度。比较结果表征相似度大于或者等于预设值，则认为当前比较的正文是无效正文，标记之并将网页优先级降至最低。

在本公开实施例中，对于标注为有效正文的章节正文，可以做进一步通过筛选处理。比如根据换行符和句号、感叹号分割正文，得到top K(K为任意正整数)长的正文子句，作为正文的特征句子，并对所有的正文特征句子取并集。同时，根据正文中是否含有某一特征句子，生成特征向量。然后，通过余弦定理确定章节的相似度，选出相似度最高的一组章节。从中挑选段落数和句子数为中位数的正文，作为最优正文，转码给用户。

需要说明的是，在本公开实施例中，如果所有的正文都被标记为无效正文，则可以随机选择一个正文进行转码并展示。

类似地，在本公开实施例中，为了加快正文的加载速度，也可以缓存各章节对应的最优正文网页链接，下次用户访问这些章节时，可以直接访问缓存的最优正文网页链接进行小说转码并展示。

示例性的，如图4所示，最优目录“蟒雀→源纹→苏幼→力量”中，网站A～网站C都能提供“蟒雀”、“苏幼”以及“力量”这几个章节的正文，网站B～网站C都能提供“源纹”这一个章节的正文。如果只有网站A提供的“蟒雀”是有效正文，且只有网站B提供的“苏幼”以及“力量”是有效正文，且网站B～网站C提供的“源纹”都是无效正文，则对于“蟒雀”章节，可以对网站A提供的有效正文进行转码并展示给用户，对于“苏幼”和“力量”章节，可以对网站B提供的有效正文进行转码并展示给用户，对于“源纹”章节，可以从网站B或网站C提供的无效正文随机选一个进行转码并展示。

需要说明的是，在本公开实施例中，在将最优的章节正文转码给用户的过程中，为了优化各章节正文的质量，还可以对章节正文作如下处理：对章节正文中的广告、杂质(如“百万小说免费阅读。网上找不到的内涵小说这里都有哦！”)等无效内容进行过滤。由此可以进一步提高转码小说的质量，从而提升用户的阅读体验。

作为一种可选的实施例，查找与目标小说关联的至少一个网页地址，可以包括如下操作。

确定目标小说所属的书籍集合，其中，书籍集合中包含的每个小说与目标小说均为来源不同的同一小说，每个小说对应的网页地址均与目标小说关联。

查找每个小说对应的网页地址。

在本公开实施例中，在进行小说转码之前，可以先获取备选的小说网页，即从网络上搜集各个小说对应的网页。然后进行小说转码，即整合同一本小说的不同网页内容，得到最终的小说文本。整合同一本小说的不同网页内容又可以分为两个步骤：目录信息整合和正文内容筛选。

其中，在目录信息整合过程中，针对同一小说，可以提取多个小说网页的目录结构，建立目录关系图(即章节关系图)，然后从目录关系图中选出质量最好的目录路径进行展示。

进而，在正文内容筛选过程中，同时请求每一章对应的多个正文，通过分析正文内容以及网站权重，选出质量最好的正文(最优正文)，并对最优正文进行转码处理。

在本公开的一个实施例中，对于同一小说，可以同时抓取多个网站上的小说网页，并提取对应的目录结构，然后基于这些目录结构组合出最终的最优目录。

进而，在本公开的一个实施例中，对于小说正文，可以基于聚合节点，评估多个对应章节的正文网页，选出质量最好的正文网页，进行转码展示。由此，可以得到更优的转码小说质量。

通过本公开实施例，针对同一本小说，不再限制针对单一的小说网页转码，并且在小说网页转码的同时，还可以对网页内容进行优化处理，以提高展示的小说内容质量。

此外，在本公开实施例中，可以进行全量小说爬取。比如，可以人工配置一批优质的小说网站，并爬取各网站中的全部小说，或者通过搜索引擎查找热门小说，得到小说的目录页链接。然后再逐个爬取小说的目录页，提取小说的书名、作者和前60章的章节标题，并进行存储。

进而，在本公开实施例中，还可以对爬取的小说目录进行清洗。比如，可以清洗章节标题中的序号和无效内容。示例性的，清洗前，章节标题为“第一章扫地小厮(求月票～)”，清洗后章节标题可以为“扫地小厮”。该清洗过程可以包括如下步骤。

进行标题归一处理，包括但不限于：全角转半角，去掉标题中的书名、作者、空格、无效字符，以及将标题中的数字都统一改为0。

通过正则表达式或公共前缀过滤，去除章节前的序号信息。其中，公共前缀过滤，可以通过章节标题建立Tire树，对于出现次数超过预定次数如10次的公共前缀进行过滤。应该理解，在本公开实施例中，比如第1章，第2章，在前面的“标题归一处理”步骤已经被替换为第0章了，而在本步骤中可以作为公共前缀被识别出并过滤掉。

通过原始章节标题，将在第一步中改为0且没有被过滤的数字，还原为原始数字。

进行无效后缀过滤。通过对比章节的前后章节，找到括号中的内容，去掉括号及其中的内容。需要说明的是，在进行无效后缀过滤时，如果括号中的内容去掉后的前后章节标题相同，则认为括号及其中的内容是有效后缀(***(上)；***(中)；***(下)中的(上)、(中)、(下)即为有效后缀)，因而不需要进行过滤。此外，如果括号中的内容去掉后的前后章节标题不同，则认为括号及其中的内容为无效后缀，可以过滤掉。由此，通过目录清洗可以提取到原始章节对应的章节主体。对于没有主体的章节，如“第一章”、“第二章”，设置章节主体为空。

在本公开实施例中，还可以进行书籍聚合，以便将相似的书籍聚合在一个集合中。示例性的，通过目录清洗可以得到章节标题的主体，对于章节主体不为空的书籍，可以进行基于目录的书籍聚合。具体方法可以为：两两对比书籍的章节主体，通过章节主体的重复程度，得到书籍的相似度。

书籍相似度通过以下方法获取：书籍的章节主体组成二分图，通过莱文斯坦比、编辑距离等方法，确定章节主体的相似度。如果书籍中有两章相似，对应添加二分图的一个边；两本书的相似度＝二分图的最大匹配(边的数量)/书籍中的最小章节数，相似度超过某个阈值，认为两书籍相似。

如果两本书相似，则可以将它们放入一个集合中。当集合中有多本书时，如果某书籍与集合中的任意一本书相似，则将该书籍添加到集合中。最终可以将全库书籍放入多个集合中，且各集合之间互不相交。

此外，为了加快书籍相似度的比较，对于书名、作者相同的书籍，可以直接认为这些书籍相似。可以通过相似度方法，只比较书名、作者不同的书籍，以减少书籍比较的次数。

在本公开实施例中，还可以进行网页关系记录。比如，对于每一个书籍集合，其中有多个书名、作者和网页地址。可以提取出书名、作者和网页地址之间的关系，建立一个多对多的映射。示例性的，比如有一个网页A，里面的书籍有“超级女婿/绝人”，还有网页B，里面的书籍有“韩三千苏迎夏/绝人”，那么“超级女婿/绝人”可以对应网页[A，B]，“韩三千苏迎夏/绝人”也可以对应网页[A，B]。

根据本公开的实施例，本公开还提供了一种小说转码装置。

图5示例性示出了根据本公开实施例的小说转码装置的框图。

如图5所示，小说转码装置500可以包括：查找模块510、第一获取模块520、聚合模块530和第二获取模块540。

查找模块510，用于查找与目标小说关联的至少一个网页地址。

第一获取模块520，用于获取与该至少一个网页地址一一对应的至少一个目录信息。

聚合模块530，用于基于该至少一个目录信息进行目录聚合，生成该目标小说的章节关系图。

第二获取模块540，用于基于该章节关系图，获取该目标小说的最优目录，以便基于该最优目录，为用户请求访问的小说章节选取对应的最优正文进行转码。

作为一种可选的实施例，聚合模块，包括：预处理单元，用于针对该至少一个目录信息中的每个目录信息，执行预处理操作，以获得对应的预处理后的目录信息，其中，该预处理操作包括以下至少之一：章节去重操作、章节补全操作；以及聚合单元，用于基于预处理后得到的至少一个目录信息进行目录聚合，以生成该章节关系图。

作为一种可选的实施例，该聚合单元包括：构建子单元，用于基于该预处理后得到的至少一个目录信息，按照章节顺序建立章节关系树；以及合并子单元，用于合并该章节关系树中章节标题主体相同的节点，得到至少一个聚合节点；以及生成单元，用于基于该至少一个聚合节点，生成该章节关系图。

作为一种可选的实施例，该第二获取模块还用于：从该章节关系图的首节点开始，查找该节点的子节点并选取聚合节点个数最多的子节点作为下一节点，如此直到查找到叶子节点为止，此过程经过的路径作为该最优目录。

作为一种可选的实施例，装置还包括：缓存模块，用于缓存该最优目录。

作为一种可选的实施例，装置还包括：转码模块，用于响应于用户针对该目标小说发起转码请求，基于该最优目录，为用户请求访问的小说章节选取对应的最优正文进行转码。

作为一种可选的实施例，该转码模块包括：第一确定单元，用于确定该最优目录中与该用户请求访问的小说章节对应的聚合章节；第一获取单元，用于获取与该聚合章节关联的至少一个章节正文网页链接；第二获取单元，用于基于该至少一个章节正文网页链接，获取一一对应的至少一个章节正文；选取单元，用于基于内容质量，从该至少一个章节正文中选出最优的一个章节正文；以及转码单元，用于将该最优的一个章节正文转码给用户。

作为一种可选的实施例，该查找模块包括：第二确定单元，用于确定该目标小说所属的书籍集合，其中，该书籍集合中包含的每个小说与该目标小说均为来源不同的同一小说，该每个小说对应的网页地址均与该目标小说关联；以及查找单元，用于查找该每个小说对应的网页地址。

应该理解，本公开装置部分的实施例与本公开方法部分的实施例对应相同或类似，本公开在此不再赘述。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

图6示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图6所示，电子设备600包括计算单元601，其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序，来执行各种适当的动作和处理。在RAM 603中，还可存储电子设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

电子设备600中的多个部件连接至I/O接口605，包括：输入单元606，例如键盘、鼠标等；输出单元607，例如各种类型的显示器、扬声器等；存储单元608，例如磁盘、光盘等；以及通信单元609，例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理，例如小说转码方法。例如，在一些实施例中，小说转码方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元608。在一些实施例中，计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时，可以执行上文描述的小说转码方法的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行小说转码方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务(″Virtual Private Server″，或简称″VPS″)中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。

本公开的技术方案中，所涉及的用户信息的记录，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (12)

1.一种小说转码方法，包括：

查找与目标小说关联的至少一个网页地址；

获取与所述至少一个网页地址一一对应的至少一个目录信息；

基于所述至少一个目录信息进行目录聚合，以生成所述目标小说的章节关系图；以及

基于所述章节关系图，获取所述目标小说的最优目录，以便基于所述最优目录，为用户请求访问的小说章节选取对应的最优正文进行转码；

其中，所述基于所述至少一个目录信息进行目录聚合，以生成所述目标小说的章节关系图包括：

基于所至少一个目录信息，按照章节顺序建立章节关系树；

合并所述章节关系树中章节标题主体相同的节点，得到至少一个聚合节点；以及

基于所述至少一个聚合节点，生成所述章节关系图；

其中，所述基于所述章节关系图，获取所述目标小说的最优目录包括：

从所述章节关系图的首节点开始，查找该节点的子节点并选取聚合节点个数最多的子节点作为下一节点，如此直到查找到叶子节点为止，此过程经过的路径作为所述最优目录；

其中，所述基于所述最优目录，为用户请求访问的小说章节选取对应的最优正文进行转码包括：

确定所述最优目录中与所述用户请求访问的小说章节对应的聚合章节；

获取与所述聚合章节关联的至少一个章节正文网页链接；

基于所述至少一个章节正文网页链接，获取一一对应的至少一个章节正文；

基于内容质量，从所述至少一个章节正文中选出最优的一个章节正文；以及

将所述最优的一个章节正文转码给用户。

2. 根据权利要求1所述的方法，其中，基于所述至少一个目录信息进行目录聚合，以生成所述目标小说的章节关系图，包括：

针对所述至少一个目录信息中的每个目录信息，执行预处理操作，以获得对应的预处理后的目录信息，其中，所述预处理操作包括以下至少之一：章节去重操作、章节补全操作；以及

基于预处理后得到的至少一个目录信息进行目录聚合，以生成所述章节关系图。

3.根据权利要求1所述的方法，还包括：

缓存所述最优目录。

4.根据权利要求1至3中任一项所述的方法，还包括：

响应于用户针对所述目标小说发起转码请求，基于所述最优目录，为用户请求访问的小说章节选取对应的最优正文进行转码。

5. 根据权利要求1所述的方法，其中，查找与目标小说关联的至少一个网页地址，包括：

确定所述目标小说所属的书籍集合，其中，所述书籍集合中包含的每个小说与所述目标小说均为来源不同的同一小说，所述每个小说对应的网页地址均与所述目标小说关联；以及

查找所述每个小说对应的网页地址。

6.一种小说转码装置，包括：

查找模块，用于查找与目标小说关联的至少一个网页地址；

第一获取模块，用于获取与所述至少一个网页地址一一对应的至少一个目录信息；

聚合模块，用于基于所述至少一个目录信息进行目录聚合，生成所述目标小说的章节关系图；以及

第二获取模块，用于基于所述章节关系图，获取所述目标小说的最优目录，以便基于所述最优目录，为用户请求访问的小说章节选取对应的最优正文进行转码；

其中，所述聚合模块，还用于基于所至少一个目录信息，按照章节顺序建立章节关系树；合并所述章节关系树中章节标题主体相同的节点，得到至少一个聚合节点；以及基于所述至少一个聚合节点，生成所述章节关系图；

其中，所述第二获取模块，还用于从所述章节关系图的首节点开始，查找该节点的子节点并选取聚合节点个数最多的子节点作为下一节点，如此直到查找到叶子节点为止，此过程经过的路径作为所述最优目录；

其中，转码模块包括：

第一确定单元，用于确定所述最优目录中与所述用户请求访问的小说章节对应的聚合章节；

第一获取单元，用于获取与所述聚合章节关联的至少一个章节正文网页链接；

第二获取单元，用于基于所述至少一个章节正文网页链接，获取一一对应的至少一个章节正文；

选取单元，用于基于内容质量，从所述至少一个章节正文中选出最优的一个章节正文；以及

转码单元，用于将所述最优的一个章节正文转码给用户。

7. 根据权利要求6所述的装置，其中，聚合模块，包括：

预处理单元，用于针对所述至少一个目录信息中的每个目录信息，执行预处理操作，以获得对应的预处理后的目录信息，其中，所述预处理操作包括以下至少之一：章节去重操作、章节补全操作；以及

聚合单元，用于基于预处理后得到的至少一个目录信息进行目录聚合，以生成所述章节关系图。

8.根据权利要求6所述的装置，还包括：

缓存模块，用于缓存所述最优目录。

9.根据权利要求6至8中任一项所述的装置，还包括：

转码模块，用于响应于用户针对所述目标小说发起转码请求，基于所述最优目录，为用户请求访问的小说章节选取对应的最优正文进行转码。

10. 根据权利要求6所述的装置，其中，所述查找模块包括：

第二确定单元，用于确定所述目标小说所属的书籍集合，其中，所述书籍集合中包含的每个小说与所述目标小说均为来源不同的同一小说，所述每个小说对应的网页地址均与所述目标小说关联；以及

查找单元，用于查找所述每个小说对应的网页地址。

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执行权利要求1-5中任一项所述的方法。

12.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-5中任一项所述的方法。