JP2001243219A - 不完全な形式のｈｔｍｌ文書の記述構造 - Google Patents

Abstract

(57)【要約】 （修正有） 【課題】 入力ＨＴＭＬ文書を再構成し、正確なＨＴＭ
Ｌにする方法を開示する。 【解決手段】入力ＨＴＭＬ文書から階層ツリー構造表現
を作成し、ツリー構造表現内の要素のための現在の挿入
位置を保持する。走査中、正確なＨＴＭＬに違反する入
力ＨＴＭＬ文書の要素（２０８）を識別し、各要素は、
次に、最初に現在挿入位置からツリー構造を逆戻りする
ことにより個別に処理され、識別された要素が従属する
ことができる更なる挿入位置を識別する。続いて、ツリ
ー構造表現の更なる挿入位置において、新しい要素を作
成し、逆戻り中に通過したこれらの新要素に対応する。
新しい要素は、逆戻り中に出会った要素に対して逆順で
作成し、識別された要素は、次に、新しい要素の末尾の
１つに追加される。こうして、ツリー構造表現は、出力
ＨＴＭＬ文書に変換する。

Description

【発明の詳細な説明】

【０００１】

【著作権に関して】本特許明細書は、著作権保護を受け
る資料を含む。著作権者は、審査の目的で関連する特許
庁のファイルから本特許明細書又は関係資料を複製する
ことに異議はないが、それ以外では全ての著作権を所有
する。

【０００２】

【発明の属する技術分野】本発明は電子文書内の構造化
に関し、特にマークアップ言語などのコンピュータ言語
内の構造化形式及びそれらから形成される文書に関す
る。

【０００３】

【従来の技術】コンピュータ符号化の分野は、多様な符
号化方式及びプログラム方式を取り扱っているが、それ
らの方式の全てが特定の符号化方式を規定するある種の
規則を取り入れており、結果を得るためには、通常、そ
のような方式のユーザは、方式を固守する必要がある。
例えば、パスカル言語でプログラミングを行なう人は、
パスカル言語のプログラムを動作させるためには、コー
ドが適正なパスカル構文に一致することを確実にする必
要がある。コードが構文に従っていない場合、プログラ
ムのコンパイル時に「構文誤り」が発生する。

【０００４】高度構造化言語でのプログラミングとは対
照的に、最近ではいわゆる「マークアップ言語」を使用
して文書の変更又は作成を行なうのが一般的になってき
ており、文書の内容がある特定の環境において、通常、
表示画面又はプリンタ上で提示される機構を提供する。
この一例としてはＨＴＭＬ（Hypertext Mark-up Langua
ge）があり、別の例としてはＸＭＬ（Extended Mark-up
Language）がある。このようなマークアップ言語の目
的は、作成者の望むように内容が表示又は提示されるよ
うに、表示又は提示したい内容に対して付加的な表記法
を提供することである。

【０００５】ＨＴＭＬ文書形式は、インターネット及び
ＷＷＷ（World Wide Web）において広く普及している。
実際、ＨＴＭＬのマーク付けで構築される文書は、文書
作成時に機能する特定の国際的に認められたＨＴＭＬ標
準に従っていないという点で誤っていることが多い。本
特許明細書の作成時点での最新のＨＴＭＬ標準は、htt
p://www.w3c.org及びhttp://www.w3c.org/TR/REC-htm14
0/で得ることができるだろう。

【０００６】ＨＴＭＬ文書の現在の標準は、そのような
文書がツリーとして表現されることを要求している。ツ
リーのような構造では、文書の各要素は別の要素に完全
に含まれることが要求されるので、要素同士は重なって
はいけない。表面的にＨＴＭＬに類似するが、実際は、
ＨＴＭＬ標準により設定されたツリー状階層構造に違反
する文書を生成し易いことは、多くの経験から明らかで
ある。さらに、そのような誤った文書を人間が解釈すれ
ば曖昧性を解決できる可能性が高いが、現在の標準に従
った場合の意味をなすことと、ＨＴＭＬ文書の作成者が
実際に意図していることには不一致が生じることが多
い。

【０００７】ＨＴＭＬを読込むコンピュータアプリケー
ションは、そのような問題に数多くの異なった方法で取
り組んでいる。アプリケーションには、不正なＨＴＭＬ
構造を受け付けず、内容を省くか又は非直観的な方法で
内容を表現するものもある。その例として、「ＯＰＥＲ
Ａ」やより配布数の少ないインターネットブラウザが数
多くあり、より正確な挙動により一部のユーザに支持さ
れている。その他のアプリケーションでは、ＨＴＭＬソ
ースに厳密な誤りが含まれているにもかかわらず、ユー
ザが意図しそうなことに合わせようと試みている。これ
らの例として、Microsoft Corporationの「Internet Ex
plorer」（商標）、Netscape Corporationの「Netscape
Navigator」（商標）及びCanon Inc.の「WebRecord」
（商標）がある。Internet Explorer及びNetscape Navi
gatorが、厳密なＨＴＭＬからの変化をどのように扱う
のかを判定するためにかなり努力したにもかかわらず、
本発明者等は、これらの製品が曖昧なＨＴＭＬ又は誤っ
たＨＴＭＬを明白に解決する方法を判定することができ
なかった。

【０００８】このようにＨＴＭＬ標準に従わないことに
より生じる重大な問題は、ＨＴＭＬ文書と対話するその
他の言語及びツールが存在することであり、例えば、Ｊ
ＡＶＡ（登録商標）スクリプトのようなスクリプト言語
及びＣＳＳ２（カスケードスタイルシート２）のような
書式付け言語がある。このようなツールは、ＨＴＭＬ文
書に正確なツリー構造があることを予期していて、その
結果、不完全に形成されたＨＴＭＬ文書を解釈する際に
は規定された挙動を行なわないことが多い。従って、作
成結果を保証することができない。

【０００９】

【課題を解決するための手段】本発明の目的は、既存の
構成の１つ以上の問題点をほぼ解決するか又は少なくと
も改善することである。

【００１０】本発明の第１の面によれば、入力ＨＴＭＬ
文書を正確なＨＴＭＬとなるように再構成する方法であ
って、(a) 階層ツリー構造表現を作成するために、前
記入力ＨＴＭＬ文書を直線的に走査し、前記走査では、
前記ツリー構造表現における要素のための現在の挿入位
置を保持し、(b) 前記走査の間、前記入力ＨＴＭＬ文
書において正確なＨＴＭＬに違反する要素を識別し、前
記識別された要素の各々に対し、(b)(i) 前記現在の挿
入位置から前記ツリー構造を逆戻りし、前記識別された
要素が従属することができる更なる挿入位置を識別し、
前記逆戻りでは、前記逆戻り中に通過した前記識別され
た要素の各親要素を記録し、(b)(ii) 前記逆戻り中に
通過したこれらの前記親要素に対応する前記ツリー構造
表現の前記更なる挿入位置において新しい要素を作成
し、前記新しい要素を前記逆戻り中に出会った順とは逆
順で作成し、(b)(iii) 前記識別された要素を前記新し
い要素の末尾の１つに追加し、(c) 前記ツリー構造表
現を出力ＨＴＭＬ文書に変換することを含む方法が提供
される。

【００１１】本発明の別の面であって、前記方法を実現
する装置が提供される。本発明のさらに別の面におい
て、上記方法を実現するためのコンピュータプログラム
を記録したコンピュータ可読媒体を含むコンピュータプ
ログラム製品が提供される。本発明のその他の面も開示
されている。

【００１２】

【発明の実施の形態】次に本発明の複数の実施形態に関
し、図面を参照しながら説明する。

【００１３】以下に記載する好適な実施形態は、該し
て、コンピュータネットワークのブラウジングアプリケ
ーションへ適用される。しかしながら、説明の簡略化の
ために、好適な実施形態は、ＨＴＭＬ、及び、ＷＷＷ
（World Wide Web）及びこれに適用可能な規格上で機能
するブラウザに関して説明する。しかしながら、本発明
は記載された方法のみに限定されるものではない。例え
ば、本発明は、ＸＭＬアプリケーションに対する誤り訂
正及びデータ修復のような、他の規格環境において適用
してもよい。

【００１４】本実施形態について説明する前に、対象と
する規格の問題について説明する。例えば、ＨＴＭＬ中
の要素は、開始タグ及び終了タグを有する。正確なＨＴ
ＭＬの文法によれば、太字テキストからなる２つの段落
を有する文書は、以下のコードＡで示した様式で表現さ
れ得る。

【００１５】コードＡ ＜BODY＞ ＜P＞＜B＞The first paragraph.＜/B＞＜/P＞ ＜P＞＜B＞The second paragraph.＜/B＞＜/P＞ ＜/BODY＞ コードＡは、コードの要素である本文（body）に関する
識別子で始まり、段落の開始を示す第１のサブタグＰが
続く。このタグには、サブタグＢが続く。このタグは、
これに続く要素について、太字機能に有効に「スイッ
チ」する。コードＡでは次に、文書の第１の段落のテキ
スト内容が記述されており、この内容は太字を解除する
スイッチ及び段落を終了するスイッチで締めくくられ
る。第２の段落も段落開始タグを用いることで始まり、
太字へスイッチするタグが続いている。第２の段落のテ
キストが続いた後、太字を解除するタグ及び段落の終了
タグが来る。その後、本文は適切な様式で終了する。

【００１６】コードＡでは正確なＨＴＭＬが記述されて
いるが、ＨＴＭＬ規格ではショートカットや省略形を許
容している。コードＡは、以下のコードＢにより次に示
されるように略記することもできる。

【００１７】コードＢ ＜BODY＞ ＜P＞＜B＞The first paragraph.＜/B＞ ＜P＞＜B＞The second paragraph.＜/B＞ ＜/BODY＞ コードＢでは、各段落の終了タグが省略されているのが
わかる。これがＨＴＭＬにおいて許されているのは、第
１の段落の場合、段落開始タグが続くからである。ＨＴ
ＭＬは、段落のネスティングを許容しないので、新しい
段落の開始は、前の段落の終了を要求するものとして直
ちに解決される。本文の終了に関しても同様である。

【００１８】ＨＴＭＬの記述における一般的な誤りは、
正確な解釈では要求される必要なタグを省略してしまう
ことである。この例をコードＣで示す。コードＣでは、
第１の段落における太字の解除タグ及び第２の段落にお
ける太字のタグが省略されている。このような変則が生
じるのは、多くの作成者がこの構文は、太字が第２の段
落まで及ぶことを意味しているものと考えてしまうため
である。

【００１９】コードＣ ＜BODY＞ ＜P＞＜B＞The first paragraph. ＜P＞The second paragraph. ＜/BODY＞ 上記コードＣで表わされる状況では、１つの要素（この
場合、太字）が２つの親を共有するという不可能な状況
になる。この場合、太字の要素は、第１の段落で開始
し、第２の段落で終了する。この解釈は、太字の要素の
親として、両方の段落要素をもっている。

【００２０】ＨＴＭＬにおける１つの段落を別の段落内
にネストすることはできないので、新しい段落の開始に
より前の段落は終了し、第１の段落の子である要素は全
て終了させる必要がある。

【００２１】以下のコードＤのように、ＨＴＭＬ文書に
おいて生じ得る同様な別の誤りもある。

【００２２】コードＤ ＜BODY＞ ＜P＞＜B＞The first paragraph.＜/P＞ ＜P＞The second paragraph. ＜/BODY＞ コードＤの場合、第１の段落の終了は明示されている
が、太字の要素の終了は未だ曖昧である。

【００２３】本実施形態及び上述した例によれば、上述
したＨＴＭＬの文法の誤りは、第２の段落の開始により
終了する全ての要素をノートすること、及び、第１の段
落中の初めの要素へリンクバックする子ノード（すなわ
ち、ＨＴＭＬに直接割当てられていない特別なノード）
を第２の段落中に作成すること、により解決される。コ
ードＤの場合、第１の段落の終了が明示されているの
で、本実施形態では、次の適切な包含要素へのリンクバ
ックを作成するための命令として、太字の要素の予定さ
れていない終了を用いる。

【００２４】図１は、上述したコードＡの正確なＨＴＭ
Ｌのツリー構造を示す。図１において、本文（body)１
０２は、ＨＴＭＬ文書を形成する表現ツリーのルートノ
ードである。第１の段落１０４は、第１の子ノードとし
て記述され、そこから太字スイッチ１０６が従属し、第
１の段落のテキスト１０８が続く。同様に、第２の段落
は、第２の子１１０として記述され、対応する太字スイ
ッチ１１２及び対応する第２の段落のテキスト１１４が
それに続く。ツリー１００のＨＴＭＬ走査において、走
査は、ルートノード１０２で開始し、次に第１の分岐に
沿って第１の子１０４まで進む。ツリー１００の第１の
分岐の終了の要素まで進むためには、テキスト１０８に
対して作用する太字のスイッチ１０６を通過する必要が
ある。第２の分岐を処理するためには、ルートノード１
０２を中継して第２の子ノード１１０に至る前に、処理
は第１の分岐に沿って逆戻りし、太字１０６を解除し、
第１の段落１０４を終了する必要がある。

【００２５】コードＣの誤った表現において、対応する
ツリーは、テキスト１０８が太字１０６を通過せずに段
落１０４まで直接戻る点で不完全である。正確なＨＴＭ
Ｌの解釈及び限定的な誤り訂正の実行のもとでは、この
ような表現は、第２の段落を太字ではなく普通の形式で
表示するであろう。この例において、本実施形態により
与えられる１つの解決策は、正しいＨＴＭＬの解釈が行
われるように、第１の太字スイッチ１０６へ戻るリンク
１２０を、第２の太字スイッチ１１２に対して与えるた
めに、誤りの形式を認識することにある。しかしなが
ら、そのようなリンクに対するＨＴＭＬ規格の表現はな
い。代わりに、それを補う親ノードから所望の構造がコ
ピーされる。

【００２６】これらの問題に対応するために、好適な実
施形態では、ＨＴＭＬ文書を直線的に読み出し、そのＨ
ＴＭＬ文書のツリー構造を再構成する。具体的に言う
と、そのような再構成において、ノード中の各タグはツ
リーに対して、例えば、ノードの開始又は終了のような
何かを行なう。各ノードは、１つ前のノードの子として
作成される。誤りは、段落内のネスティングが不完全な
場合に生じる。１つの解決法は、ツリーを走査し、新し
いノードを作成すると共に、何が走査されたかを記憶し
て、残りのノードを訂正するためにツリーをトレースバ
ックすることができるようにすることである。そのよう
な整理の結果として、図１に示すように、誤ったＨＴＭ
Ｌは、第２の太字スイッチ１１２から第１の太字スイッ
チ１０６に戻る直感的なリンク１２０を作成することに
より訂正され得る。

【００２７】上述のコードＣの誤ったコードに関して、
そのような解決策の具体的な例が、図２Ａから図２Ｆに
示されている。また、この例は、図４Ａから図４Ｄのフ
ローチャートに示す方法４００を参照して説明する。

【００２８】図２Ａは、図４Ａのステップ４０２に対応
するツリー構造の始端を示している。ステップ４０２で
は、タグ「body」により識別されるルートノード２００
から成る最小のツリーが形成されている。ステップ４０
２でルートノード２００と結合しているのは、子ノード
が従属する位置を示す挿入位置２０２である。ツリー構
造の作成は、新しい要素のストリームを供給するＨＴＭ
Ｌパーサなどの処理により起動する。ここでの新しい要
素とは、入力ストリームからのタグに対応したツリーに
追加され得る新しいノードである。これらは、開始タグ
及び終了タグを含むことができるが、テキストは、上述
した目的のための開始タグとしてとして機能する。

【００２９】方法４００における次のステップ４０４
は、次の、又は、新しい要素（ＮＥ）の取得であり、続
くステップ４０６では、その要素をツリーへ挿入する処
理を見越して、再現リスト（ＲＬ）は空にされる。続く
ステップ４０８は、処理中のものが「終了タグ」かどう
かを判定するためのテストを行なう。これは、ＨＴＭＬ
コードから直接判定される。コードＣは、ここでは開始
タグ＜Ｐ＞を含んでいるので、ステップ４０８は「Ｎ
ｏ」を返す。制御は、次に、図４Ｃのステップ４１２に
進む。

【００３０】ステップ４１２は、開始タグとツリーの挿
入位置（ＩＰ）２０２とを一致させる挿入規則を判定す
るプロセスを開始する。プロセスは、挿入位置２０２が
新しい要素にとって適しているかどうかの判定を行なう
ステップ４１４を含む。コードＣにおいては、新しい要
素は、本文ノード２００に追加するのに適していると判
定される段落であるので、ステップ４１４は成立する。
次に、ステップ４１６では、段落２０４は挿入位置２０
２における子ノードとしてツリーに追加される。これ
は、図２Ｂにおいて明らかである。次に、ステップ４１
８（図４Ｃ）では、挿入されたばかりの新しい要素（す
なわち、段落２０４）が挿入位置において使用されるの
が適しているかどうかを判定する。適している場合、段
落２０４の場合と同様にステップ４２０が実行され、挿
入位置２０６は、新しい要素（すなわち、段落２０４）
を参照するように設定される。新しい要素が、挿入位置
として適していない場合、ステップ４２０を通らず、制
御は図４Ｂのステップ４２８に進む。ステップ４２８
は、再現リスト中の参照をもとにして挿入位置２０６の
下にリンクバックノードを作成し、この前の新しいノー
ドを現在の挿入位置とする。制御は続いてステップ４０
４に戻り、次の要素を取得する。

【００３１】図２Ｃも同様に続き、太字スイッチに対応
する次のノード２０８は、第１の子ノード２０４に追加
され、新しい挿入位置２１０が作成される。

【００３２】図２Ｄは、第１の段落のテキスト２１２の
包含及びそのテキストが挿入位置２１０に従属している
ことを示す。なお、図２Ｄにおいて、挿入位置２１０が
太字ノード２０８に従属したままであるのは、ＨＴＭＬ
規則のもとでは、テキストは他のタグ（ツリー中の追加
ノード）の容器として考えることはできないからであ
る。この点に関し、テキストは、内容を表現する様態を
マークアップするものとは対照的に、文書の具体的な内
容である。この点に関し、上述の図４Ａ及び図４Ｃの方
法ステップが、ステップ４１８に到達するまで再度たど
られ、「Ｎｏ」が返される。続いて、ステップ４２８で
は、段落が挿入位置として適していないため、太字ノー
ド２０８を現在の挿入位置２１０として保持する。

【００３３】制御は、再度ステップ４０４及びステップ
４０６に戻り、コードＣの更なる構文解析により第２の
段落用の開始タグが現れる。コードＣの第２の段落が、
現在の挿入位置２１０に追加されたとすると、段落を相
互にネストさせることができないＨＴＭＬに違反するこ
とになる。本実施形態では、挿入位置２１０は、新しい
段落を追加可能な位置までツリーを逆戻りする。具体的
にいうと、ステップ４６０（図４Ｄ）とステップ４１２
（図４Ｃ）との間のループ内で生じるトレースバックに
おいては、太字ノード２０８が再現されることになって
おり、それは後述のステップ４４８及びステップ４５０
の操作の結果として起こるということに留意すべきであ
る。挿入位置は、次に段落２０４まで進む。走査は、続
いてルートノード２００に戻り、新しい段落をルートノ
ードに追加してもよいと判定される（すなわち、ステッ
プ４１２及びステップ４１４）。ルートノード２００に
追加される段落２１４の作成とともに、第２の段落の作
成に対する新しい命令が図２Ｅに示されている（すなわ
ち、ステップ４１６）。新しい挿入位置２１６が作成さ
れる（すなわち、ステップ４１９及びステップ４２
０）。

【００３４】記載した各例に関する種々の訂正は、表形
式で以下のように要約することもできる。表中、括弧内
の数字は、関係する判定が行なわれる方法４００中のス
テップを表わす。

【００３５】

【表１】

【００３６】

【表２】

【００３７】各ＨＴＭＬタグを各別のＨＴＭＬタグに関
連付けることを要求する更なる規則を開発してもよい
が、この規則は特定のアプリケーションにとって必要と
される修正機能を実行するために作用する。それが適正
であるか又は必要とされれば、規則を複数のグループに
分類し、いかなる例外も記録するようにしてもよい。

【００３８】このプロセスは、ステップ４０８、４１２
及び４１４を介して起こる。ステップ４１４は「Ｎｏ」
を返すが、それはある段落は他の段落の子にはなれない
からである。ステップ４２１（図４Ｃ）が次に実行さ
れ、新しい要素が破棄されるかどうかを判定する。破棄
は、テキスト及び関連タグが表及び制御の具合の悪い箇
所にある少数の例において起こる。例えば、ＢＯＬＤ及
びＩＴＡＬＩＣのようなタグは、テキストの内容にのみ
関係があり、表などの他の内容には関係がない。本例で
は、新しい要素は破棄されず、ステップ４２２が続き、
挿入位置により識別される現在のノードの親ノードがテ
ストされる。本例のように親が有効の場合、ステップ４
４８のテストが次に行われる。本例では、上記の規則表
は、親が保存される可能性のあることを示している。ス
テップ４５０は、続いて挿入位置２１０への参照を再現
リストに追加する。ステップ４５２は、ツリーの頂上に
到達したかどうかを判定する。本例の場合は、これには
あてはまらないので、続くステップ４５４では、ノード
の親（すなわち、図２Ｄの段落２０４）に新しい挿入位
置を作成する。これらのステップは、挿入位置がルート
ノード、すなわち、この場合では本文ノード２００に逆
戻りするまで繰り返される。そうなると、ステップ４１
４は、挿入位置が新しい要素に適していると判定するこ
とができ、前回同様、第２の段落２１４は、本体ノード
に追加され、挿入位置は２１６に更新されて、図２Ｅの
構成となる。

【００３９】処理の次のステップは、新しい命令が追加
されるのに先立って、ツリーの第１の分岐において通過
した要素の各々を再現することである。結果は図２Ｆに
示されるが、ここで段落２１４に追加されるのは、ツリ
ーの第１の分岐で走査した太字要素２０８に対応する太
字要素２１８である。挿入位置は、第２の段落のテキス
ト２２０が追加される位置である太字２２２へと更新さ
れる。

【００４０】このプロセスは、再度フローチャートを参
照することにより理解されるだろう。フローチャートで
は、コードＣの更なる構文解析により第２の段落のテキ
スト内容が次の要素であることが示されている。ステッ
プ４０４、４０８及び４１２は、コードＣの更なる構文
解析に基づいて行われるが、この場合においてもテキス
トは開始タグとして解釈する。前回同様、ステップ４１
４、４１６及び４１８が続く。再現リストに保存された
挿入位置が、太字２１０に追加されたままの場合（上述
のステップ４５０から）、ステップ４２０が次に行わ
れ、ステップ４２８が続く。ステップ４２８において
は、リンクバックノード２１８が再現リストより確立さ
れ、既存の挿入位置２１６に従属する。ノード２１８
は、図２Ｆに示すリンク２２４を形成する。リンクは太
字ノード２０８を指し示すので、リンクバックノード２
１８は太字ノードとして動作する。これは、挿入位置が
更新されて、ステップ４２８に従ってリンクバックノー
ド２１８と結合する位置２２２になることを規定してい
る。

【００４１】コードＣを更に構文解析すると終了タグ＜
／ＢＯＤＹ＞が現れるので、ステップ４０８の次にはス
テップ４２４が続く。この場合、終了タグは本文に関係
し、第２の段落に結びついた挿入位置を終了させる訳で
はない。従って、ステップ４３０が続き、タグと挿入位
置とを一致させる終了規則を判定する。ステップ４３２
は、終了タグを無視する規則を提示する。表のノード
は、このように終了タグを吸収する場合がしばしばあ
り、このことは終了タグの適用範囲を制限するが、ＨＴ
ＭＬの幾分か偶発的な発展から生じる歴史的及び／又は
任意の理由により行われる。

【００４２】本例においては、このようなことは適正で
はなく、親ノードが保存されるステップ４３４が続く。
これは実行が可能であるので、ステップ４３６は、挿入
位置に参照を追加する。ステップ４３８は、挿入位置が
本文ノード２００まで逆戻りする原因となり、ツリーの
頂上に到達すると、ステップ４４０が実行され、終了タ
グの破棄という結果になる。これは、内容を本文タグの
末尾の後にもってきて、故意に間違えるようなことをし
た場合でも、終了タグの後の内容はまだ追加することが
できるということを意味する。好適な実施形態では、追
加のノードが、例えば、単に元のノードよりコピーされ
たような同種の他のノードであるよりは、元のノードに
リンクバックすることの方が重要である。その理由は、
言語により情報とＨＴＭＬ文書の構造に従ったノードと
を結び付けることは可能であり、それはコードのセクシ
ョンをコピーする「粗暴な」方法よりも簡潔で計算上融
通性の高い解決法であるからである。ここで、以下のコ
ードＥは、親の第１の子である段落の子の太字要素の色
を設定するＣＳＳ２コードの構成要素を取り入れてい
る。

【００４３】 Code E ＜HEAD＞ ＜STYLE＞ } P:first-child B{color:red} } CSS2 code ＜/STYLE＞ } ＜BODY＞ ＜P＞＜B＞The first paragraph. ＜P＞The second paragraph. ＜/BODY＞ コードＥの目的と認識されるのは、段落を赤色で色付け
することである。誤ったＨＴＭＬにより表現されている
ものとして、このようなコードで通例予期される挙動
は、第２の段落も赤で色付けされることである。本実施
形態による構造上の訂正が、完全に独立した太字要素を
第２の段落中に置くことと同等であった場合、その第２
の太字要素は、赤色を適用した規則のセレクタと一致し
なかったであろう。このような表現を実現する好適な方
法は、走査を進めるのと並行して表現ツリーを構成する
元のＨＴＭＬソース文書を読み進めることである。ツリ
ーに対する現在の挿入位置の概念は、ツリーが形成され
る際に保持されている。ツリーの入力は、２種類の命令
に分けられるが、１つは、新しいノードを作成する命令
であり（新しい要素タグ又はテキスト内容のため）、も
う１つは、終了タグが存在するためであるが、ノードを
終了させる命令である。新しい要素のツリーへの追加を
試みた場合、その新しい要素は検査され、現在の挿入位
置においてネストが許される種類であるかどうかを判定
する。新しい要素が許容される場合、その新しい要素は
ツリーに追加され、その要素がツリー中で常に葉ノード
である必要がある種類でない限り、新しい挿入位置が作
成される。現在の挿入位置に新しい要素を追加すること
が許容されない場合、本実施形態では、新しいノードに
おけるリンクバックノードとして再現されることが必要
な親ノードを記録しながら、親ノードを通って引き返
す。許容される親ノードが識別される場合、新しい要素
ノードが作成され、リンクバックノードが新しい要素ノ
ードに追加される。終了タグに出会った場合、リンクバ
ックする必要があるノードを順番に記録しながら、挿入
位置から祖先を通って逆方向にツリーを走査する。これ
は、要素が終了を必要とすると識別されるまで進められ
る。今度は、終了させられた要素の親が、新しいリンク
バックノードが追加される新しい挿入位置になる。各リ
ンクバックノードが作成されると、そのノード自体が挿
入位置になる。従って、複数のリンクバックノードがあ
れば、その各々は明らかに先行するリンクバックの子と
して作成されるだろう。

【００４４】上述のコードＥに示すＣＳＳ２コード及び
図２Ａから図２Ｆに記述された方法のステップに戻って
説明すると、ＣＳＳ２情報を適正に処理するためには、
選択可能な２つの方法がある。第１の方法は、全てのＣ
ＳＳ２情報を取得するためにツリー上の第１のパスを行
なうことであり、ＣＳＳ２情報を取得するために追加文
書の取得を必要とする。ノードが配置される度にＣＳＳ
情報が当てはまるかどうかに関してチェックを行なって
判定することができ、当てはまる場合はノードに当ては
められるように、この情報はメモリ上に保存される。し
かしながら、このような方法は、動的ＨＴＭＬの場合、
効果がない。これに対する解決法は、もう１つの方法で
あり、その方法において、図２Ｆに記述されるステップ
のように、第２の太字ノード２１８と元の太字ノード２
０８との間でリンクバックするベクトルが形成される。
リンクは、ＣＳＳ情報が元のノードからコピーすること
ができるように元のノードから作成されるが、図２Ｆに
おいて、リンク２２４として示される。

【００４５】図２Ａから図２Ｆの再構成の方法及び本明
細書で全般的に記述される方法は、図３に示されるよう
な従来の汎用コンピュータシステム３００を用いて実施
されるのが好ましい。このようなシステムでは、再構成
のプロセスはコンピュータシステム３００内で実行され
るアプリケーションプログラムなどのソフトウェアとし
て実現される。特に、再構成の方法のステップは、コン
ピュータにより実行されるソフトウェア中の命令により
達成される。ソフトウェアは、再構成の方法を実行する
部分と、コンピュータとユーザとのユーザインタフェー
スを管理する部分の２つの別々の部分に分割してもよ
い。ソフトウェアは、例えば、以下に記載の記憶装置を
含むコンピュータ読み取り可能な媒体に格納してもよ
い。ソフトウェアは、コンピュータ読み取り可能な媒体
からコンピュータにロードされ、コンピュータにより実
行される。そのようなソフトウェア又はコンピュータプ
ログラムが記録されたコンピュータ読み取り可能な媒体
は、コンピュータプログラム製品である。コンピュータ
におけるコンピュータプログラム製品の使用は、本発明
の実施形態によるＨＴＭＬ文書を再構成するのに好都合
な装置を達成する。

【００４６】コンピュータシステム３００は、コンピュ
ータモジュール３０１、キーボード３０２及びマウス３
０３などの入力装置、プリンタ３１５及び表示装置３１
４などを含む出力装置を備える。変復調器（モデム）ト
ランシーバ装置３１６は、例えば、電話回線３２１又は
その他の機能媒体を介して接続可能な通信網３２０と通
信を行なうためにコンピュータモジュール３０１により
使用される。モデム３１６は、インターネット及び構内
通信網（ＬＡＮ）又は広域網（ＷＡＮ）などのその他の
ネットワークシステムへのアクセスを得るために使用す
ることができる。

【００４７】コンピュータモジュール３０１は、通常、
少なくとも１つの処理ユニット３０５、例えば、半導体
のランダムアクセスメモリ（ＲＡＭ）及び読出し専用記
憶素子（ＲＯＭ）などから形成したメモリユニット３０
６、ビデオインタフェース３０７ならびにキーボード３
０２、マウス３０３、及びオプションとしてジョイステ
ィック（不図示）用の入出力インタフェース３１３を含
む入出力インタフェース及びモデム３１６用のインタフ
ェース３０８を含む。記憶装置３０９も提供され、通
常、ハードディスク装置３１０、フロッピー（登録商
標）ディスク装置３１１を含む。磁気テープ装置（不図
示）も使用してよい。ＣＲ−ＲＯＭ装置３１２は、通
常、不揮発性データ源として設けられる。コンピュータ
モジュール３０１の構成要素３０５から３１３は、通
常、相互接続バス２０４を介し、当業者に公知のコンピ
ュータシステム３００の従来型の動作モードと結果的に
同じ様式で通信を行なう。実施形態を実施することが可
能なコンピュータの例としてＩＢＭのＰＣ及び互換機、
Sun Sparcstation又はそこから派生する同様のコンピュ
ータシステムがあげられる。

【００４８】通常、本実施形態のアプリケーションプロ
グラムは、ハードディスク装置３１０に常駐しており、
実行時にプロセッサ３０５により読み出され、制御され
る。プログラムの中間記憶領域及びネットワーク３２０
から取得したいかなるデータも半導体メモリ３０６を用
いて、あるいはハードディスク装置３１０とともに用い
て達成してもよい。好適な実施形態によるツリーの再構
成は、メモリ３０６中で行なってもよい。幾つかの例に
おいては、アプリケーションプログラムは、ＣＤ−ＲＯ
Ｍ又はフロッピーディスクに記録してユーザに供給し、
対応する装置３１２又は３１１を介して読み出すか、あ
るいはモデム装置３１６を介してユーザがネットワーク
３２０から読み出してもよい。さらに、ソフトウェア
は、磁気テープと、ＲＯＭ又は集積回路と、光磁気ディ
スクと、コンピュータモジュール３０１と別の装置との
間の無線又は赤外線の伝送チャネルと、ＰＣＭＣＩＡカ
ードなどのコンピュータ読み取り可能なカードと、電子
メール伝送及びウェブサイト上などで記録された情報を
含むインターネット及びイントラネットとを含むその他
のコンピュータ読み取り可能な媒体からコンピュータシ
ステム３００にロードすることも可能である。これまで
の説明は、関連するコンピュータ読み取り可能な媒体の
ただの例示である。その他のコンピュータ読み取り可能
な媒体も、本発明の趣旨から逸脱することなく実施する
ことができる。

【００４９】上述の再構成の方法は、不完全に形成され
たＨＴＭＬがＨＴＭＬ標準と一致する構文へと再構成さ
れるように解釈されるのを可能にする。その結果、再構
成された構文は、ブラウジングアプリケーションにより
解釈されてもよく、ＨＴＭＬ標準に従って一貫した再現
が可能になる。

【００５０】本実施形態に関連して上述された例は、テ
キスト、段落及び太字演算子に関係するが、ＨＴＭＬ標
準において広く普及している別のスイッチや内容などの
解釈を通しても同様の事が生じる可能性がある。

【００５１】本発明の実施形態は、コンピュータ産業及
びデータ処理産業に適用可能であり、特に特定の基準と
一致していると称しているが、必ずしもその基準に準拠
していない幅広い書類に触れさせられる可能性のあるコ
ンピュータネットワークブラウジングソフトウェアアプ
リケーションに適用可能であることは、上述から明らか
である。

【００５２】これまでの記述では、本発明の一実施形態
のみを説明しており、本発明の趣旨から逸脱することな
く変形及び／又は変更が可能であるが、実施形態は例証
するものであり、制限するものではない。

【図面の簡単な説明】

【図１】ＨＴＭＬ文書のツリー構造を示す図である。

【図２Ａ】不完全に形成されたＨＴＭＬを訂正するため
の処理段階を示す図である。

【図２Ｂ】不完全に形成されたＨＴＭＬを訂正するため
の処理段階を示す図である。

【図２Ｃ】不完全に形成されたＨＴＭＬを訂正するため
の処理段階を示す図である。

【図２Ｄ】不完全に形成されたＨＴＭＬを訂正するため
の処理段階を示す図である。

【図２Ｅ】不完全に形成されたＨＴＭＬを訂正するため
の処理段階を示す図である。

【図２Ｆ】不完全に形成されたＨＴＭＬを訂正するため
の処理段階を示す図である。

【図３】本発明の実施形態の実施が可能な汎用コンピュ
ータの概略ブロック図である。

【図４Ａ】各処理段階を表わすフローチャートである。

【図４Ｂ】各処理段階を表わすフローチャートである。

【図４Ｃ】各処理段階を表わすフローチャートである。

【図４Ｄ】各処理段階を表わすフローチャートである。

Claims (24)

【特許請求の範囲】
1. 【請求項１】 入力ＨＴＭＬ文書を正確なＨＴＭＬとな
   るように再構成する方法であって、 (a) 階層ツリー構造表現を作成するために、前記入力
   ＨＴＭＬ文書を直線的に走査し、前記走査では、前記ツ
   リー構造表現における要素のための現在の挿入位置を保
   持し、 (b) 前記走査の間、前記入力ＨＴＭＬ文書において正
   確なＨＴＭＬに違反する要素を識別し、 前記識別された要素の各々に対し、 (b)(i) 前記現在の挿入位置から前記ツリー構造を逆戻
   りし、前記識別された要素が従属することができる更な
   る挿入位置を識別し、前記逆戻りでは、前記逆戻り中に
   通過した前記識別された要素の各親要素を記録し、 (b)(ii) 前記逆戻り中に通過したこれらの前記親要素
   に対応する前記ツリー構造表現の前記更なる挿入位置に
   おいて新しい要素を作成し、前記新しい要素を前記逆戻
   り中に出会った順とは逆順で作成し、 (b)(iii) 前記識別された要素を前記新しい要素の末尾
   の１つに追加し、 (c) 前記ツリー構造表現を出力ＨＴＭＬ文書に変換す
   ることを含む方法。
2. 【請求項２】 前記工程(b)(iii)は、前記追加・識別さ
   れた要素から前記逆戻り中に出会った第１の前記親要素
   へ至るリンクを作成することを特徴とする請求項１に記
   載の方法。
3. 【請求項３】 前記リンクはベクトルであることを特徴
   とする請求項２に記載の方法。
4. 【請求項４】 前記工程(b)(iii)は、前記逆戻り中に出
   会った第１の前記親要素の構文を前記追加・識別された
   要素にコピーすることを特徴とする請求項１に記載の方
   法。
5. 【請求項５】 １つ以上の前記要素は、それの関連情報
   を含み、 前記方法は前記工程(a)の前に、更に、 前記関連情報を有する前記要素を識別するために、前記
   入力ＨＴＭＬ文書の初期パスを行い、各要素及び対応す
   る前記関連情報の記録を保持し、前記要素が前記ツリー
   構造表現に配置される度に前記対応する関連情報を結び
   付けることを特徴とする請求項１に記載の方法。
6. 【請求項６】 更に、 (d) 前記出力ＨＴＭＬ文書を、再現することを特徴と
   する請求項１に記載の方法。
7. 【請求項７】 前記出力ＨＴＭＬ文書をビデオディスプ
   レイを使用して再現することを特徴とする請求項６に記
   載の方法。
8. 【請求項８】 前記出力ＨＴＭＬ文書をプリンタを使用
   して再現することを特徴とする請求項６に記載の方法。
9. 【請求項９】 入力ＨＴＭＬ文書を正確なＨＴＭＬとな
   るように再構成するための装置であって、 階層ツリー構造表現を作成するために、前記入力ＨＴＭ
   Ｌ文書を直線的に走査し、前記走査では、前記ツリー構
   造表現における要素のための現在の挿入位置を保持する
   手段と、 前記走査の間、前記入力ＨＴＭＬ文書において正確なＨ
   ＴＭＬに違反する要素を識別する手段と、 前記現在の挿入位置から前記ツリー構造表現を逆戻りし
   て前記識別された要素が従属することができる更なる挿
   入位置を識別し、前記逆戻りでは、前記逆戻り中に通過
   した前記識別された要素の各親要素を記録する手段と、 前記逆戻り中に通過したこれらの前記親要素に対応する
   前記ツリー構造表現の前記更なる挿入位置において新し
   い要素を作成し、前記新しい要素を前記逆戻り中に出会
   った順とは逆順で作成する手段と、 前記識別された要素を前記新しい要素の末尾の１つに追
   加する手段と、 前記ツリー構造表現を出力ＨＴＭＬ文書に変換する手段
   と、を備えたことを特徴とする装置。
10. 【請求項１０】 前記追加する手段は、前記追加・識別
    された要素から前記逆戻り中に出会った第１の前記親要
    素へ至るリンクを作成することを特徴とする請求項９に
    記載の装置。
11. 【請求項１１】 前記リンクはベクトルであることを特
    徴とする請求項１０に記載の装置。
12. 【請求項１２】 前記追加する手段は、前記逆戻り中に
    出会った第１の前記親要素の構文を前記追加・識別され
    た要素にコピーすることを特徴とする請求項９に記載の
    装置。
13. 【請求項１３】 １つ以上の前記要素は、それの関連情
    報を含み、 前記装置は、更に、 前記関連情報を有する前記要素を識別するための、前記
    入力ＨＴＭＬ文書の初期パスを行い、各要素及び対応す
    る前記関連情報の記録を保持し、前記要素が前記ツリー
    構造表現に配置される度に前記対応する関連情報を結び
    付ける手段を備えたことを特徴とする請求項９に記載の
    装置。
14. 【請求項１４】 更に、 前記出力ＨＴＭＬ文書を再現する手段を備えたことを特
    徴とする請求項９に記載の装置。
15. 【請求項１５】 前記出力ＨＴＭＬ文書を再現する手段
    はビデオディスプレイであることを特徴とする請求項１
    ４に記載の装置。
16. 【請求項１６】 前記出力ＨＴＭＬ文書を再現する手段
    はプリンタであることを特徴とする請求項１４に記載の
    装置。
17. 【請求項１７】 入力ＨＴＭＬ文書を正確なＨＴＭＬに
    する手順をコンピュータに実行させるプログラムを記録
    したコンピュータ可読媒体であって、 前記プログラムは、 前記入力ＨＴＭＬ文書を直線的に走査して階層ツリー構
    造表現を作成し、前記走査が前記ツリー構造表現におけ
    る要素のための現在の挿入位置を保持するコードと、 前記走査中、前記入力ＨＴＭＬ文書において正確なＨＴ
    ＭＬに違反する要素を識別するコードと、 前記現在の挿入位置から前記ツリー構造表現を逆戻りし
    て前記識別された要素が従属することができる更なる挿
    入位置を識別し、前記逆戻りでは、前記逆戻り中に通過
    した前記識別された要素の各親要素を記録するコード
    と、 前記ツリー構造表現の前記更なる挿入位置において、新
    しい要素を作成し、前記新しい要素が、前記逆戻り中に
    通過したこれらの前記親要素に対応し、前記新しい要素
    が、前記逆戻り中に出会った順とは逆入力順で作成され
    るコードと、 前記識別された要素を前記新しい要素の末尾の１つに追
    加するコードと、 前記ツリー構造表現を出力ＨＴＭＬ文書に変換するコー
    ドと、を含むことを特徴とするコンピュータ可読媒体。
18. 【請求項１８】 前記追加するコードは、前記追加・識
    別された要素から前記逆戻り中に出会った第１の前記親
    要素へ至るリンクを作成するコードを含むことを特徴と
    する請求項１７に記載のコンピュータ可読媒体。
19. 【請求項１９】 前記リンクはベクトルであることを特
    徴とする請求項１８記載のコンピュータ可読媒体。
20. 【請求項２０】 前記追加するコードは、前記逆戻り中
    に出会った第１の前記親要素の構文を前記追加・識別さ
    れた要素にコピーするコードを含むことを特徴とする請
    求項１７に記載のコンピュータ可読媒体。
21. 【請求項２１】 １つ以上の前記要素は、それの関連情
    報を含み、 前記プログラムは、更に、 前記関連情報を有する前記要素を識別するために、前記
    入力ＨＴＭＬ文書の初期パスを行い、各要素及び対応す
    る前記関連情報の記録を保持し、前記要素が前記ツリー
    構造表現に配置される度に前記対応する関連情報が前記
    要素に結び付けるコードを含むことを特徴とする請求項
    １７に記載のコンピュータ可読媒体。
22. 【請求項２２】 更に、 前記出力ＨＴＭＬ文書を再現するコードを含むことを特
    徴とする請求項１７記載のコンピュータ可読媒体。
23. 【請求項２３】 前記出力ＨＴＭＬ文書をビデオディス
    プレイを使用して再現することを特徴とする請求項２２
    記載のコンピュータ可読媒体。
24. 【請求項２４】 前記出力ＨＴＭＬ文書をプリンタを使
    用して再現することを特徴とする請求項２２記載のコン
    ピュータ可読媒体。