CN117234769A - 一种页面白屏事件处理方法、装置、设备及其存储介质 - Google Patents

Abstract

本申请实施例属于金融科技技术领域，应用于金融目标APP内页面渲染场景中，涉及一种页面白屏事件处理方法、装置、设备及其存储介质，包括根据白屏事件归因数据、页面白屏事件处理方式、白屏图片和标注结果，进行机器学习，获得页面白屏事件处理模型；在目标APP内产生页面切换操作时，进行截屏处理，获得待检测图片；通过页面白屏事件处理模型，识别待检测图片是否为白屏图片；并根据识别结果进行事件处理。结合图片检测方式和页面白屏事件处理模型对新发生的页面白屏事件进行自动检测和处理，减少人工处理量，更加智能化的进行页面白屏事件处理，保证金融目标APP的页面渲染稳定性和页面白屏异常快速处理，提升金融业务用户的使用体验。

Description

一种页面白屏事件处理方法、装置、设备及其存储介质

技术领域

本申请涉及金融科技技术领域，应用于金融目标APP内页面渲染场景中，尤其涉及一种页面白屏事件处理方法、装置、设备及其存储介质。

背景技术

随着金融行业的快速发展，金融公司涉及到的业务范围越来越宽泛，尤其体现在金融业务APP更新和设计中，由于涉及到的业务范围越来越宽泛，可能需要根据不同的金融业务设计不同的APP应用，也可能随着金融业务的更新调整需要对现有APP应用进行更新调整。

在目前金融公司内，根据不同的金融业务设计不同的APP应用，或者，随着金融业务的更新调整需要对现有APP应用进行更新调整，因此，造成了页面渲染或者切换次数的增加，也大大增加了页面白屏事件的出现几率，目前页面白屏事件的处理方式，主要是由用户上报页面错误，开发人员通过上报内容进行页面白屏事件处理，但是，这种处理方式不够智能化，而且不利于保证目标金融业务APP内页面的稳定性，且极易造成处理不及时的情况发生，给金融业务用户带来极差的业务体验。

发明内容

本申请实施例的目的在于提出一种页面白屏事件处理方法、装置、设备及其存储介质，以解决现有技术在进行页面白屏事件处理时，处理方式不够智能化，不利于保证金融目标APP页面的稳定性，且极易造成处理不及时的情况发生，给金融业务用户带来极差的业务体验的问题。

为了解决上述技术问题，本申请实施例提供页面白屏事件处理方法，采用了如下所述的技术方案：

一种页面白屏事件处理方法，包括下述步骤：

获取目标数据库中页面历史白屏事件的归因数据及白屏图片；

根据历史处理日志，获取所述归因数据对应的页面白屏事件处理方式；

根据白屏类型的不同对所述白屏图片进行标注，获得标注结果；

将所述归因数据、所述页面白屏事件处理方式、所述白屏图片和所述标注结果，输入预构建的机器学习模型，进行机器学习，获得页面白屏事件处理模型；

根据预设的监测组件，识别目标APP内是否产生了页面切换操作；

若所述目标APP内产生了页面切换操作，则根据预设的截屏组件对目标页面进行截屏处理，获得待检测图片；

将所述待检测图片输入所述页面白屏事件处理模型，识别所述待检测图片是否为白屏图片；

若所述待检测图片不是白屏图片，则向目标监测端发送页面切换成功的状态码；

若所述待检测图片是白屏图片，则根据所述页面白屏事件处理模型对当前页面白屏事件进行处理。

进一步的，所述白屏类型包括全屏型白屏、局部型白屏和骨架型白屏，所述根据白屏类型的不同对所述白屏图片进行标注，获得标注结果的步骤，具体包括：

将所述白屏图片输入预设的图片色彩检测组件，根据所述图片色彩检测组件内预设的色彩提取点对所述白屏图片进行色彩提取，获取图片色彩检测结果；

通过所述图片色彩检测结果，识别所有色彩提取点对应的色彩提取结果是否一致；

若所述所有色彩提取点对应的色彩提取结果一致，则当前白屏图片是全屏型白屏图片；

若所述所有色彩提取点对应的色彩提取结果不一致，则当前白屏图片不是全屏型白屏图片，根据预设的色彩分析策略，分析当前白屏图片的色彩分布，获得色彩分布结果，根据所述色彩分布结果识别出局部型白屏图片和骨架型白屏图片；

使用预设的区别标识分别标注全屏型白屏图片、局部型白屏图片和骨架型白屏图片。

进一步的，所述根据所述图片色彩检测组件内预设的色彩提取点对所述白屏图片进行色彩提取，获取图片色彩检测结果的步骤，具体包括：

按照预设的页面间距，在所述图片色彩检测组件内设置第一数量的色彩提取点；

根据从上到下从左到右的顺序对所有色彩提取点进行编号处理，获得编号处理结果；

获取所有色彩提取点的色彩提取结果，并根据所述编号处理结果对所述色彩提取结果进行编号，获得所述图片色彩检测结果；

所述根据预设的色彩分析策略，分析当前白屏图片的色彩分布，获得色彩分布结果，根据所述色彩分布结果识别出局部型白屏图片和骨架型白屏图片的步骤，具体包括：

根据所述色彩提取点的编号处理结果，分析所有色彩提取结果对应的色彩分布；

若相邻的第二数量的色彩提取点对应的色彩提取结果一致，则当前白屏图片为局部型白屏图片，其中，所述第二数量小于所述第一数量；

若第三数量的色彩提取点的色彩提取结果一致，且所述色彩提取点呈离散型分布，则当前白屏图片为骨架型白屏图片，其中，所述第三数量小于所述第一数量。

进一步的，所述预构建的机器学习模型包括第一学习组件、第二学习组件和第三学习组件，所述将所述归因数据、所述页面白屏事件处理方式、所述白屏图片和所述标注结果，输入预构建的机器学习模型，进行机器学习，获得页面白屏事件处理模型的步骤，具体包括：

通过所述第一学习组件，学习所述归因数据与所述标注结果间的映射关系；

根据所述第二学习组件，学习所述归因数据与所述页面白屏事件处理方式间的映射关系；

基于所述第三学习组件，学习所述白屏图片与所述标注结果间的映射关系；

根据所述归因数据与所述标注结果间的映射关系、所述归因数据与所述页面白屏事件处理方式间的映射关系、所述白屏图片与所述标注结果间的映射关系，构建页面白屏事件知识图谱；

将所述页面白屏事件知识图谱部署到所述机器学习模型中，获得所述页面白屏事件处理模型。

进一步的，所述根据预设的截屏组件对目标页面进行截屏处理，获得待检测图片的步骤，具体包括：

步骤501，根据预设的系统时间提取组件，提取所述页面切换操作对应的当前系统时间；

步骤502，根据预设的延迟时间和所述当前系统时间，设置所述截屏组件的截屏操作时间；

步骤503，基于所述系统时间提取组件，提取当前系统时间；

步骤504，识别所述当前系统时间是否达到了所述截屏操作时间；

步骤505，若所述当前系统时间未达到所述截屏操作时间，则继续执行步骤503至步骤504；

步骤506，若所述当前系统时间达到了所述截屏操作时间，则启动所述截屏组件对目标页面进行截屏处理，获得待检测图片。

进一步的，在执行所述将所述待检测图片输入所述页面白屏事件处理模型，识别所述待检测图片是否为白屏图片的步骤之前，所述方法还包括：

将所述图片色彩检测组件作为前置处理组件，部署到所述页面白屏事件处理模型内；

所述将所述待检测图片输入所述页面白屏事件处理模型，识别所述待检测图片是否为白屏图片的步骤，具体包括：

根据所述图片色彩检测组件中的色彩提取点对所述待检测图片进行色彩提取，获取图片色彩检测结果；

通过所述图片色彩检测结果，识别所有色彩提取点对应的色彩提取结果是否一致；

若所述所有色彩提取点对应的色彩提取结果一致，则所述待检测图片是全屏型白屏图片；

若所述所有色彩提取点对应的色彩提取结果不一致，则所述待检测图片不是全屏型白屏图片；

根据所述色彩分析策略，分析所述待检测图片是否为局部型白屏图片或骨架型白屏图片；

若所述待检测图片不是所述局部型白屏图片或骨架型白屏图片，则所述待检测图片不是白屏图片；

若所述待检测图片是所述局部型白屏图片或骨架型白屏图片，则所述待检测图片是白屏图片。

进一步的，所述根据所述页面白屏事件处理模型对当前页面白屏事件进行处理的步骤，具体包括：

根据所述页面白屏事件知识图谱，识别当前页面白屏事件产生时，所述白屏图片对应的标注结果、所述标注结果对应的归因数据，以及所述归因数据对应的页面白屏事件处理方式；

采用所述页面白屏事件处理方式对当前页面白屏事件进行处理；

在执行所述根据所述页面白屏事件处理模型对当前页面白屏事件进行处理的步骤之后，所述方法还包括：

根据所述截屏组件对当前页面进行截屏处理，获得待检测图片；

根据所述图片色彩检测组件和所述待检测图片进行处理结果检测，检测当前页面白屏事件是否被成功处理；

若当前页面白屏事件被成功处理，则向所述目标监测端发送页面切换成功的状态码；

若当前页面白屏事件未被成功处理，则向预设的人工处理端发送处理提示。

为了解决上述技术问题，本申请实施例还提供页面白屏事件处理装置，采用了如下所述的技术方案：

一种页面白屏事件处理装置，包括：

数据库数据获取模块，用于获取目标数据库中页面历史白屏事件的归因数据及白屏图片；

处理日志数据获取模块，用于根据历史处理日志，获取所述归因数据对应的页面白屏事件处理方式；

白屏图片标注模块，用于根据白屏类型的不同对所述白屏图片进行标注，获得标注结果；

模型学习模块，用于将所述归因数据、所述页面白屏事件处理方式、所述白屏图片和所述标注结果，输入预构建的机器学习模型，进行机器学习，获得页面白屏事件处理模型；

页面切换操作识别模块，用于根据预设的监测组件，识别目标APP内是否产生了页面切换操作；

待检测图片获得模块，用于若所述目标APP内产生了页面切换操作，则根据预设的截屏组件对目标页面进行截屏处理，获得待检测图片；

模型识别模块，用于将所述待检测图片输入所述页面白屏事件处理模型，识别所述待检测图片是否为白屏图片；

页面切换成功处理模块，用于若所述待检测图片不是白屏图片，则向目标监测端发送页面切换成功的状态码；

白屏事件处理模块，用于若所述待检测图片是白屏图片，则根据所述页面白屏事件处理模型对当前页面白屏事件进行处理。

为了解决上述技术问题，本申请实施例还提供一种计算机设备，采用了如下所述的技术方案：

一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现上述所述的页面白屏事件处理方法的步骤。

为了解决上述技术问题，本申请实施例还提供一种计算机可读存储介质，采用了如下所述的技术方案：

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可读指令，所述计算机可读指令被处理器执行时实现如上述所述的页面白屏事件处理方法的步骤。

与现有技术相比，本申请实施例主要有以下有益效果：

本申请实施例所述页面白屏事件处理方法，通过获取目标数据库中页面历史白屏事件的归因数据及白屏图片；根据历史处理日志，获取归因数据对应的页面白屏事件处理方式；根据白屏类型的不同对白屏图片进行标注，获得标注结果；将归因数据、页面白屏事件处理方式、白屏图片和标注结果，输入预构建的机器学习模型，进行机器学习，获得页面白屏事件处理模型；识别目标APP内是否产生了页面切换操作；若产生了，进行截屏处理，获得待检测图片；将待检测图片输入页面白屏事件处理模型，识别待检测图片是否为白屏图片；若不是白屏图片，则向目标监测端发送页面切换成功的状态码；若是白屏图片，则根据页面白屏事件处理模型对当前页面白屏事件进行处理。采用机器学习方式，根据页面历史白屏事件对应的信息构建页面白屏事件处理模型，并结合图片检测方式和页面白屏事件处理模型对新发生的页面白屏事件进行自动检测和自动处理，减少了人工处理量，更加快速智能化的进行页面白屏事件处理，保证了金融目标APP的页面渲染稳定性和页面白屏异常快速处理，提升金融业务用户的使用体验。

附图说明

为了更清楚地说明本申请中的方案，下面将对本申请实施例描述中所需要使用的附图作一个简单介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本申请可以应用于其中的示例性系统架构图；

图2是根据本申请的页面白屏事件处理方法的一个实施例的流程图；

图3是图2所示步骤203的一个具体实施例的流程图；

图4是图2所示步骤204的一个具体实施例的流程图；

图5是图2所示步骤206的一个具体实施例的流程图；

图6是图2所示步骤207的一个具体实施例的流程图；

图7是根据本申请的页面白屏事件处理装置的一个实施例的结构示意图；

图8是根据本申请的计算机设备的一个实施例的结构示意图。

具体实施方式

除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同；本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请；本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

为了使本技术领域的人员更好地理解本申请方案，下面将结合附图，对本申请实施例中的技术方案进行清楚、完整地描述。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。

终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving PictureExpertsGroup Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(MovingPictureExperts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。

服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的页面提供支持的后台服务器。

需要说明的是，本申请实施例所提供的页面白屏事件处理方法一般由服务器/终端设备执行，相应地，页面白屏事件处理装置一般设置于服务器/终端设备中。

应该理解，图1中的终端设备、网络和服务器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终端设备、网络和服务器。

继续参考图2，示出了根据本申请的页面白屏事件处理方法的一个实施例的流程图。所述的页面白屏事件处理方法，包括以下步骤：

步骤201，获取目标数据库中页面历史白屏事件的归因数据及白屏图片。

本实施例中，所述目标数据库中存储了金融目标APP页面历史白屏事件的归因数据及白屏图片，所述目标数据库可以为运行维护人员在所述金融目标APP页面发生了白屏事件时，记录白屏事件产生的原因，以及白屏图片的数据库。通过获取目标数据库中页面历史白屏事件的归因数据及白屏图片，便于结合历史白屏事件的归因数据及白屏图片，对以后发生的白屏事件，进行白屏类型识别和归因分析。

本实施例中，所述白屏图片，并非特指白色图片，而是指页面白屏事件发生时，由于页面无法成功渲染或者无法达到预期的渲染效果而处于异常渲染状态下的页面图片。

步骤202，根据历史处理日志，获取所述归因数据对应的页面白屏事件处理方式。

本实施例中，所述历史处理日志中存储了金融目标APP页面历史白屏事件产生后，每次归因数据对应的页面白屏事件处理方式，所述历史处理日志可以为运行维护人员在所述金融目标APP页面发生了白屏事件时，记录页面白屏事件处理方式的处理日志。通过根据历史处理日志，获取所述归因数据对应的页面白屏事件处理方式，便于结合历史白屏事件的在先处理经验，处理以后发生的白屏事件，为白屏事件处理提供数据支撑和依据。

步骤203，根据白屏类型的不同对所述白屏图片进行标注，获得标注结果。

本实施例中，所述白屏类型包括全屏型白屏、局部型白屏和骨架型白屏，所述全屏型白屏指页面通篇无法加载所造成的全屏都为背景色的现象，所述局部型白屏指页面某个区域无法加载所造成的的区域性渲染白屏，所述骨架型白屏指页面内的布局框架已经渲染，但是各个布局框架内的数据或者图片无法渲染的情况。

继续参考图3，图3是图2所示步骤203的一个具体实施例的流程图，包括：

步骤301，将所述白屏图片输入预设的图片色彩检测组件，根据所述图片色彩检测组件内预设的色彩提取点对所述白屏图片进行色彩提取，获取图片色彩检测结果；

本实施例中，所述根据所述图片色彩检测组件内预设的色彩提取点对所述白屏图片进行色彩提取，获取图片色彩检测结果的步骤，具体包括：按照预设的页面间距，在所述图片色彩检测组件内设置第一数量的色彩提取点；根据从上到下从左到右的顺序对所有色彩提取点进行编号处理，获得编号处理结果；获取所有色彩提取点的色彩提取结果，并根据所述编号处理结果对所述色彩提取结果进行编号，获得所述图片色彩检测结果。

通过设置色彩提取点，便于对目标图片中的色彩进行提取，通过色彩提取方式识别出白屏图片。

步骤302，通过所述图片色彩检测结果，识别所有色彩提取点对应的色彩提取结果是否一致；

步骤303，若所述所有色彩提取点对应的色彩提取结果一致，则当前白屏图片是全屏型白屏图片；

步骤304，若所述所有色彩提取点对应的色彩提取结果不一致，则当前白屏图片不是全屏型白屏图片，根据预设的色彩分析策略，分析当前白屏图片的色彩分布，获得色彩分布结果，根据所述色彩分布结果识别出局部型白屏图片和骨架型白屏图片；

本实施例中，所述根据预设的色彩分析策略，分析当前白屏图片的色彩分布，获得色彩分布结果，根据所述色彩分布结果识别出局部型白屏图片和骨架型白屏图片的步骤，具体包括：根据所述色彩提取点的编号处理结果，分析所有色彩提取结果对应的色彩分布；若相邻的第二数量的色彩提取点对应的色彩提取结果一致，则当前白屏图片为局部型白屏图片，其中，所述第二数量小于所述第一数量；若第三数量的色彩提取点的色彩提取结果一致，且所述色彩提取点呈离散型分布，则当前白屏图片为骨架型白屏图片，其中，所述第三数量小于所述第一数量，所述第三数量与所述第二数量相同与否不做限定。

通过分析当前白屏图片的色彩分布，获得色彩分布结果，根据所述色彩分布结果识别出局部型白屏图片和骨架型白屏图片，结合了局部型白屏图片和骨架型白屏图片的视觉特性，便于对局部型白屏图片和骨架型白屏图片的区分识别。

步骤305，使用预设的区别标识分别标注全屏型白屏图片、局部型白屏图片和骨架型白屏图片。

由于全屏型白屏图片、局部型白屏图片和骨架型白屏图片产生的原因不同，因此，其对应的页面白屏事件处理方式也存在不同，进行区别标识的目的是为了区分出全屏型白屏图片、局部型白屏图片和骨架型白屏图片，也便于后续直接通过区别标识快速获得不同类型白屏图片对应的归因数据和处理方式。直接通过图片检测，识别白屏事件产生时，当前页面白屏事件产生的原因以及处理方式，更加快速的进行页面白屏事件处理，保证了金融目标APP的页面渲染稳定性和页面白屏异常快速处理，提升金融业务用户的使用体验。

步骤204，将所述归因数据、所述页面白屏事件处理方式、所述白屏图片和所述标注结果，输入预构建的机器学习模型，进行机器学习，获得页面白屏事件处理模型。

本实施例中，所述预构建的机器学习模型包括第一学习组件、第二学习组件和第三学习组件。

继续参考图4，图4是图2所示步骤204的一个具体实施例的流程图，包括：

步骤401，通过所述第一学习组件，学习所述归因数据与所述标注结果间的映射关系；

步骤402，根据所述第二学习组件，学习所述归因数据与所述页面白屏事件处理方式间的映射关系；

步骤403，基于所述第三学习组件，学习所述白屏图片与所述标注结果间的映射关系；

步骤404，根据所述归因数据与所述标注结果间的映射关系、所述归因数据与所述页面白屏事件处理方式间的映射关系、所述白屏图片与所述标注结果间的映射关系，构建页面白屏事件知识图谱；

步骤405，将所述页面白屏事件知识图谱部署到所述机器学习模型中，获得所述页面白屏事件处理模型。

通过根据页面历史白屏事件时的归因数据、页面白屏事件处理方式、白屏图片和标注结果，进行机器学习，获得归因数据、页面白屏事件处理方式、白屏图片和标注结果间的知识关系，构建页面白屏事件知识图谱，将所述页面白屏事件知识图谱部署到所述机器学习模型中，获得所述页面白屏事件处理模型，便于在金融目标APP页面此后发送页面白屏事件时，直接通过获取待检测图片，并结合所述页面白屏事件处理模型对所述页面白屏事件进行自动处理，更加智能化和自动化，减少了人工处理量。同时，更加快速智能化的进行页面白屏事件处理，保证了金融目标APP的页面渲染稳定性和页面白屏异常快速处理，提升金融业务用户的使用体验。

步骤205，根据预设的监测组件，识别目标APP内是否产生了页面切换操作。

步骤206，若所述目标APP内产生了页面切换操作，则根据预设的截屏组件对目标页面进行截屏处理，获得待检测图片。

继续参考图5，图5是图2所示步骤206的一个具体实施例的流程图，包括：

步骤501，根据预设的系统时间提取组件，提取所述页面切换操作对应的当前系统时间；

步骤502，根据预设的延迟时间和所述当前系统时间，设置所述截屏组件的截屏操作时间；

步骤503，基于所述系统时间提取组件，提取当前系统时间；

步骤504，识别所述当前系统时间是否达到了所述截屏操作时间；

步骤505，若所述当前系统时间未达到所述截屏操作时间，则继续执行步骤503至步骤504；

步骤506，若所述当前系统时间达到了所述截屏操作时间，则启动所述截屏组件对目标页面进行截屏处理，获得待检测图片。

通过设置延迟时间，使得所述截屏组件对目标页面进行截屏处理发生在页面切换操作之后，例如，将延迟时间设为1S或者2S，避免了将因网络延迟所造成的刷新不及时的情况错误的识别为页面白屏事件，更加合理和科学化。

步骤207，将所述待检测图片输入所述页面白屏事件处理模型，识别所述待检测图片是否为白屏图片。

本实施例中，在执行所述将所述待检测图片输入所述页面白屏事件处理模型，识别所述待检测图片是否为白屏图片的步骤之前，所述方法还包括：将所述图片色彩检测组件作为前置处理组件，部署到所述页面白屏事件处理模型内。

继续参考图6，图6是图2所示步骤207的一个具体实施例的流程图，包括：

步骤601，根据所述图片色彩检测组件中的色彩提取点对所述待检测图片进行色彩提取，获取图片色彩检测结果；

步骤602，通过所述图片色彩检测结果，识别所有色彩提取点对应的色彩提取结果是否一致；

步骤603，若所述所有色彩提取点对应的色彩提取结果一致，则所述待检测图片是全屏型白屏图片；

步骤604，若所述所有色彩提取点对应的色彩提取结果不一致，则所述待检测图片不是全屏型白屏图片；

步骤605，根据所述色彩分析策略，分析所述待检测图片是否为局部型白屏图片或骨架型白屏图片；

步骤606，若所述待检测图片不是所述局部型白屏图片或骨架型白屏图片，则所述待检测图片不是白屏图片；

步骤607，若所述待检测图片是所述局部型白屏图片或骨架型白屏图片，则所述待检测图片是白屏图片。

通过将所述图片色彩检测组件作为前置处理组件，部署到所述页面白屏事件处理模型内，根据所述图片色彩检测组件识别出白屏图片，便于后续结合所述页面白屏事件知识图谱选择页面白屏事件处理方式，自动化的检测和处理，减少了人工处理量，更加快速智能化的进行页面白屏事件处理，保证了金融目标APP的页面渲染稳定性和页面白屏异常快速处理，提升金融业务用户的使用体验。

步骤208，若所述待检测图片不是白屏图片，则向目标监测端发送页面切换成功的状态码。

步骤209，若所述待检测图片是白屏图片，则根据所述页面白屏事件处理模型对当前页面白屏事件进行处理。

本实施例中，所述根据所述页面白屏事件处理模型对当前页面白屏事件进行处理的步骤，具体包括：根据所述页面白屏事件知识图谱，识别当前页面白屏事件产生时，所述白屏图片对应的标注结果、所述标注结果对应的归因数据，以及所述归因数据对应的页面白屏事件处理方式；采用所述页面白屏事件处理方式对当前页面白屏事件进行处理。

本实施例中，在执行所述根据所述页面白屏事件处理模型对当前页面白屏事件进行处理的步骤之后，所述方法还包括：根据所述截屏组件对当前页面进行截屏处理，获得待检测图片；根据所述图片色彩检测组件和所述待检测图片进行处理结果检测，检测当前页面白屏事件是否被成功处理；若当前页面白屏事件被成功处理，则向所述目标监测端发送页面切换成功的状态码；若当前页面白屏事件未被成功处理，则向预设的人工处理端发送处理提示。

本申请通过获取目标数据库中页面历史白屏事件的归因数据及白屏图片；根据历史处理日志，获取归因数据对应的页面白屏事件处理方式；根据白屏类型的不同对白屏图片进行标注，获得标注结果；将归因数据、页面白屏事件处理方式、白屏图片和标注结果，输入预构建的机器学习模型，进行机器学习，获得页面白屏事件处理模型；识别目标APP内是否产生了页面切换操作；若产生了，进行截屏处理，获得待检测图片；将待检测图片输入页面白屏事件处理模型，识别待检测图片是否为白屏图片；若不是白屏图片，则向目标监测端发送页面切换成功的状态码；若是白屏图片，则根据页面白屏事件处理模型对当前页面白屏事件进行处理。采用机器学习方式，根据页面历史白屏事件对应的信息构建页面白屏事件处理模型，并结合图片检测方式和页面白屏事件处理模型对新发生的页面白屏事件进行自动检测和自动处理，减少了人工处理量，更加快速智能化的进行页面白屏事件处理，保证了金融目标APP的页面渲染稳定性和页面白屏异常快速处理，提升金融业务用户的使用体验。

本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。

人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。

本申请实施例中，采用机器学习方式，根据页面历史白屏事件对应的信息构建页面白屏事件处理模型，并结合图片检测方式和页面白屏事件处理模型对新发生的页面白屏事件进行自动检测和自动处理，减少了人工处理量，更加快速智能化的进行页面白屏事件处理，保证了金融目标APP的页面渲染稳定性和页面白屏异常快速处理，提升金融业务用户的使用体验。

进一步参考图7，作为对上述图2所示方法的实现，本申请提供了页面白屏事件处理装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图7所示，本实施例所述的页面白屏事件处理装置700包括：数据库数据获取模块701、处理日志数据获取模块702、白屏图片标注模块703、模型学习模块704、页面切换操作识别模块705、待检测图片获得模块706、模型识别模块707、页面切换成功处理模块708和白屏事件处理模块709。

其中：

数据库数据获取模块701，用于获取目标数据库中页面历史白屏事件的归因数据及白屏图片；

处理日志数据获取模块702，用于根据历史处理日志，获取所述归因数据对应的页面白屏事件处理方式；

白屏图片标注模块703，用于根据白屏类型的不同对所述白屏图片进行标注，获得标注结果；

模型学习模块704，用于将所述归因数据、所述页面白屏事件处理方式、所述白屏图片和所述标注结果，输入预构建的机器学习模型，进行机器学习，获得页面白屏事件处理模型；

页面切换操作识别模块705，用于根据预设的监测组件，识别目标APP内是否产生了页面切换操作；

待检测图片获得模块706，用于若所述目标APP内产生了页面切换操作，则根据预设的截屏组件对目标页面进行截屏处理，获得待检测图片；

模型识别模块707，用于将所述待检测图片输入所述页面白屏事件处理模型，识别所述待检测图片是否为白屏图片；

页面切换成功处理模块708，用于若所述待检测图片不是白屏图片，则向目标监测端发送页面切换成功的状态码；

白屏事件处理模块709，用于若所述待检测图片是白屏图片，则根据所述页面白屏事件处理模型对当前页面白屏事件进行处理。

本申请通过获取目标数据库中页面历史白屏事件的归因数据及白屏图片；根据历史处理日志，获取归因数据对应的页面白屏事件处理方式；根据白屏类型的不同对白屏图片进行标注，获得标注结果；将归因数据、页面白屏事件处理方式、白屏图片和标注结果，输入预构建的机器学习模型，进行机器学习，获得页面白屏事件处理模型；识别目标APP内是否产生了页面切换操作；若产生了，进行截屏处理，获得待检测图片；将待检测图片输入页面白屏事件处理模型，识别待检测图片是否为白屏图片；若不是白屏图片，则向目标监测端发送页面切换成功的状态码；若是白屏图片，则根据页面白屏事件处理模型对当前页面白屏事件进行处理。采用机器学习方式，根据页面历史白屏事件对应的信息构建页面白屏事件处理模型，并结合图片检测方式和页面白屏事件处理模型对新发生的页面白屏事件进行自动检测和自动处理，减少了人工处理量，更加快速智能化的进行页面白屏事件处理，保证了金融目标APP的页面渲染稳定性和页面白屏异常快速处理，提升金融业务用户的使用体验。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机可读指令来指令相关的硬件来完成，该计算机可读指令可存储于计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)等非易失性存储介质，或随机存储记忆体(Random Access Memory，RAM)等。

应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

为解决上述技术问题，本申请实施例还提供计算机设备。具体请参阅图8，图8为本实施例计算机设备基本结构框图。

所述计算机设备8包括通过系统总线相互通信连接存储器8a、处理器8b、网络接口8c。需要指出的是，图中仅示出了具有组件8a-8c的计算机设备8，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。其中，本技术领域技术人员可以理解，这里的计算机设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(ApplicationSpecific Integrated Circuit，ASIC)、可编程门阵列(Field－Programmable GateArray，FPGA)、数字处理器(Digital Signal Processor，DSP)、嵌入式设备等。

所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。

所述存储器8a至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中，所述存储器8a可以是所述计算机设备8的内部存储单元，例如该计算机设备8的硬盘或内存。在另一些实施例中，所述存储器8a也可以是所述计算机设备8的外部存储设备，例如该计算机设备8上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(FlashCard)等。当然，所述存储器8a还可以既包括所述计算机设备8的内部存储单元也包括其外部存储设备。本实施例中，所述存储器8a通常用于存储安装于所述计算机设备8的操作系统和各类应用软件，例如一种页面白屏事件处理方法的计算机可读指令等。此外，所述存储器8a还可以用于暂时地存储已经输出或者将要输出的各类数据。

所述处理器8b在一些实施例中可以是中央处理器(Central Processing Unit，CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器8b通常用于控制所述计算机设备8的总体操作。本实施例中，所述处理器8b用于运行所述存储器8a中存储的计算机可读指令或者处理数据，例如运行所述页面白屏事件处理方法的计算机可读指令。

所述网络接口8c可包括无线网络接口或有线网络接口，该网络接口8c通常用于在所述计算机设备8与其他电子设备之间建立通信连接。

本实施例提出的计算机设备，属于金融科技技术领域，应用于金融目标APP内页面渲染场景中。本申请通过获取目标数据库中页面历史白屏事件的归因数据及白屏图片；根据历史处理日志，获取归因数据对应的页面白屏事件处理方式；根据白屏类型的不同对白屏图片进行标注，获得标注结果；将归因数据、页面白屏事件处理方式、白屏图片和标注结果，输入预构建的机器学习模型，进行机器学习，获得页面白屏事件处理模型；识别目标APP内是否产生了页面切换操作；若产生了，进行截屏处理，获得待检测图片；将待检测图片输入页面白屏事件处理模型，识别待检测图片是否为白屏图片；若不是白屏图片，则向目标监测端发送页面切换成功的状态码；若是白屏图片，则根据页面白屏事件处理模型对当前页面白屏事件进行处理。采用机器学习方式，根据页面历史白屏事件对应的信息构建页面白屏事件处理模型，并结合图片检测方式和页面白屏事件处理模型对新发生的页面白屏事件进行自动检测和自动处理，减少了人工处理量，更加快速智能化的进行页面白屏事件处理，保证了金融目标APP的页面渲染稳定性和页面白屏异常快速处理，提升金融业务用户的使用体验。

本申请还提供了另一种实施方式，即提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可读指令，所述计算机可读指令可被处理器执行，以使所述处理器执行如上述的页面白屏事件处理方法的步骤。

本实施例提出的计算机可读存储介质，属于金融科技技术领域，应用于金融目标APP内页面渲染场景中。本申请通过获取目标数据库中页面历史白屏事件的归因数据及白屏图片；根据历史处理日志，获取归因数据对应的页面白屏事件处理方式；根据白屏类型的不同对白屏图片进行标注，获得标注结果；将归因数据、页面白屏事件处理方式、白屏图片和标注结果，输入预构建的机器学习模型，进行机器学习，获得页面白屏事件处理模型；识别目标APP内是否产生了页面切换操作；若产生了，进行截屏处理，获得待检测图片；将待检测图片输入页面白屏事件处理模型，识别待检测图片是否为白屏图片；若不是白屏图片，则向目标监测端发送页面切换成功的状态码；若是白屏图片，则根据页面白屏事件处理模型对当前页面白屏事件进行处理。采用机器学习方式，根据页面历史白屏事件对应的信息构建页面白屏事件处理模型，并结合图片检测方式和页面白屏事件处理模型对新发生的页面白屏事件进行自动检测和自动处理，减少了人工处理量，更加快速智能化的进行页面白屏事件处理，保证了金融目标APP的页面渲染稳定性和页面白屏异常快速处理，提升金融业务用户的使用体验。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本申请各个实施例所述的方法。

显然，以上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，附图中给出了本申请的较佳实施例，但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现，相反地，提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明，对于本领域的技术人员来而言，其依然可以对前述各具体实施方式所记载的技术方案进行修改，或者对其中部分技术特征进行等效替换。凡是利用本申请说明书及附图内容所做的等效结构，直接或间接运用在其他相关的技术领域，均同理在本申请专利保护范围之内。

Claims (10)

1.一种页面白屏事件处理方法，其特征在于，包括下述步骤：

获取目标数据库中页面历史白屏事件的归因数据及白屏图片；

根据历史处理日志，获取所述归因数据对应的页面白屏事件处理方式；

根据白屏类型的不同对所述白屏图片进行标注，获得标注结果；

将所述归因数据、所述页面白屏事件处理方式、所述白屏图片和所述标注结果，输入预构建的机器学习模型，进行机器学习，获得页面白屏事件处理模型；

根据预设的监测组件，识别目标APP内是否产生了页面切换操作；

若所述目标APP内产生了页面切换操作，则根据预设的截屏组件对目标页面进行截屏处理，获得待检测图片；

将所述待检测图片输入所述页面白屏事件处理模型，识别所述待检测图片是否为白屏图片；

若所述待检测图片不是白屏图片，则向目标监测端发送页面切换成功的状态码；

若所述待检测图片是白屏图片，则根据所述页面白屏事件处理模型对当前页面白屏事件进行处理。

2.根据权利要求1所述的页面白屏事件处理方法，其特征在于，所述白屏类型包括全屏型白屏、局部型白屏和骨架型白屏，所述根据白屏类型的不同对所述白屏图片进行标注，获得标注结果的步骤，具体包括：

将所述白屏图片输入预设的图片色彩检测组件，根据所述图片色彩检测组件内预设的色彩提取点对所述白屏图片进行色彩提取，获取图片色彩检测结果；

通过所述图片色彩检测结果，识别所有色彩提取点对应的色彩提取结果是否一致；

若所述所有色彩提取点对应的色彩提取结果一致，则当前白屏图片是全屏型白屏图片；

若所述所有色彩提取点对应的色彩提取结果不一致，则当前白屏图片不是全屏型白屏图片，根据预设的色彩分析策略，分析当前白屏图片的色彩分布，获得色彩分布结果，根据所述色彩分布结果识别出局部型白屏图片和骨架型白屏图片；

使用预设的区别标识分别标注全屏型白屏图片、局部型白屏图片和骨架型白屏图片。

3.根据权利要求2所述的页面白屏事件处理方法，其特征在于，所述根据所述图片色彩检测组件内预设的色彩提取点对所述白屏图片进行色彩提取，获取图片色彩检测结果的步骤，具体包括：

按照预设的页面间距，在所述图片色彩检测组件内设置第一数量的色彩提取点；

根据从上到下从左到右的顺序对所有色彩提取点进行编号处理，获得编号处理结果；

获取所有色彩提取点的色彩提取结果，并根据所述编号处理结果对所述色彩提取结果进行编号，获得所述图片色彩检测结果；

所述根据预设的色彩分析策略，分析当前白屏图片的色彩分布，获得色彩分布结果，根据所述色彩分布结果识别出局部型白屏图片和骨架型白屏图片的步骤，具体包括：

根据所述色彩提取点的编号处理结果，分析所有色彩提取结果对应的色彩分布；

若相邻的第二数量的色彩提取点对应的色彩提取结果一致，则当前白屏图片为局部型白屏图片，其中，所述第二数量小于所述第一数量；

若第三数量的色彩提取点的色彩提取结果一致，且所述色彩提取点呈离散型分布，则当前白屏图片为骨架型白屏图片，其中，所述第三数量小于所述第一数量。

4.根据权利要求1所述的页面白屏事件处理方法，其特征在于，所述预构建的机器学习模型包括第一学习组件、第二学习组件和第三学习组件，所述将所述归因数据、所述页面白屏事件处理方式、所述白屏图片和所述标注结果，输入预构建的机器学习模型，进行机器学习，获得页面白屏事件处理模型的步骤，具体包括：

通过所述第一学习组件，学习所述归因数据与所述标注结果间的映射关系；

根据所述第二学习组件，学习所述归因数据与所述页面白屏事件处理方式间的映射关系；

基于所述第三学习组件，学习所述白屏图片与所述标注结果间的映射关系；

根据所述归因数据与所述标注结果间的映射关系、所述归因数据与所述页面白屏事件处理方式间的映射关系、所述白屏图片与所述标注结果间的映射关系，构建页面白屏事件知识图谱；

将所述页面白屏事件知识图谱部署到所述机器学习模型中，获得所述页面白屏事件处理模型。

5.根据权利要求1所述的页面白屏事件处理方法，其特征在于，所述根据预设的截屏组件对目标页面进行截屏处理，获得待检测图片的步骤，具体包括：

步骤501，根据预设的系统时间提取组件，提取所述页面切换操作对应的当前系统时间；

步骤502，根据预设的延迟时间和所述当前系统时间，设置所述截屏组件的截屏操作时间；

步骤503，基于所述系统时间提取组件，提取当前系统时间；

步骤504，识别所述当前系统时间是否达到了所述截屏操作时间；

步骤505，若所述当前系统时间未达到所述截屏操作时间，则继续执行步骤503至步骤504；

步骤506，若所述当前系统时间达到了所述截屏操作时间，则启动所述截屏组件对目标页面进行截屏处理，获得待检测图片。

6.根据权利要求2所述的页面白屏事件处理方法，其特征在于，在执行所述将所述待检测图片输入所述页面白屏事件处理模型，识别所述待检测图片是否为白屏图片的步骤之前，所述方法还包括：

将所述图片色彩检测组件作为前置处理组件，部署到所述页面白屏事件处理模型内；

所述将所述待检测图片输入所述页面白屏事件处理模型，识别所述待检测图片是否为白屏图片的步骤，具体包括：

根据所述图片色彩检测组件中的色彩提取点对所述待检测图片进行色彩提取，获取图片色彩检测结果；

通过所述图片色彩检测结果，识别所有色彩提取点对应的色彩提取结果是否一致；

若所述所有色彩提取点对应的色彩提取结果一致，则所述待检测图片是全屏型白屏图片；

若所述所有色彩提取点对应的色彩提取结果不一致，则所述待检测图片不是全屏型白屏图片；

根据所述色彩分析策略，分析所述待检测图片是否为局部型白屏图片或骨架型白屏图片；

若所述待检测图片不是所述局部型白屏图片或骨架型白屏图片，则所述待检测图片不是白屏图片；

若所述待检测图片是所述局部型白屏图片或骨架型白屏图片，则所述待检测图片是白屏图片。

7.根据权利要求2所述的页面白屏事件处理方法，其特征在于，所述根据所述页面白屏事件处理模型对当前页面白屏事件进行处理的步骤，具体包括：

根据所述页面白屏事件知识图谱，识别当前页面白屏事件产生时，所述白屏图片对应的标注结果、所述标注结果对应的归因数据，以及所述归因数据对应的页面白屏事件处理方式；

采用所述页面白屏事件处理方式对当前页面白屏事件进行处理；

在执行所述根据所述页面白屏事件处理模型对当前页面白屏事件进行处理的步骤之后，所述方法还包括：

根据所述截屏组件对当前页面进行截屏处理，获得待检测图片；

根据所述图片色彩检测组件和所述待检测图片进行处理结果检测，检测当前页面白屏事件是否被成功处理；

若当前页面白屏事件被成功处理，则向所述目标监测端发送页面切换成功的状态码；

若当前页面白屏事件未被成功处理，则向预设的人工处理端发送处理提示。

8.一种页面白屏事件处理装置，其特征在于，包括：

数据库数据获取模块，用于获取目标数据库中页面历史白屏事件的归因数据及白屏图片；

处理日志数据获取模块，用于根据历史处理日志，获取所述归因数据对应的页面白屏事件处理方式；

白屏图片标注模块，用于根据白屏类型的不同对所述白屏图片进行标注，获得标注结果；

模型学习模块，用于将所述归因数据、所述页面白屏事件处理方式、所述白屏图片和所述标注结果，输入预构建的机器学习模型，进行机器学习，获得页面白屏事件处理模型；

页面切换操作识别模块，用于根据预设的监测组件，识别目标APP内是否产生了页面切换操作；

待检测图片获得模块，用于若所述目标APP内产生了页面切换操作，则根据预设的截屏组件对目标页面进行截屏处理，获得待检测图片；

模型识别模块，用于将所述待检测图片输入所述页面白屏事件处理模型，识别所述待检测图片是否为白屏图片；

页面切换成功处理模块，用于若所述待检测图片不是白屏图片，则向目标监测端发送页面切换成功的状态码；

白屏事件处理模块，用于若所述待检测图片是白屏图片，则根据所述页面白屏事件处理模型对当前页面白屏事件进行处理。

9.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现如权利要求1至7中任一项所述的页面白屏事件处理方法的步骤。

10.一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可读指令，所述计算机可读指令被处理器执行时实现如权利要求1至7中任一项所述的页面白屏事件处理方法的步骤。