JP6915322B2 - ウェブサイト比較処理プログラム、ウェブサイト比較方法およびウェブサイトを比較する装置 - Google Patents

Description

本発明の実施形態は、ウェブサイト比較処理プログラム、ウェブサイト比較方法およびウェブサイトを比較する装置に関する。

従来、観光スポットなどの情報は、インターネット上の様々なウェブサイトより配信されている。これら様々なウェブサイトのウェブページ（コンテンツ）を収集して観光スポットなどを調査する場合、ユーザは、幾つかのウェブサイトのコンテンツを並べて比較する。

このコンテンツの比較については、遷移元画面に設定されたデータを遷移先画面に転記する技術や、様々な種別のデータを一つの比較装置で比較する技術が提案されている。

特開２００３−２３３５０１号公報 特開平７−２６２０６１号公報

しかしながら、比較対象のウェブサイトを並べて比較する場合には、比較対象のウェブサイト間のデザインの相違などにより、互いに対応する項目同士の比較が判りづらいという問題がある。

１つの側面では、ウェブサイト同士を分かり易く比較できるウェブサイト比較処理プログラム、ウェブサイト比較方法およびウェブサイトを比較する装置を提供することを目的とする。

第１の案では、ウェブサイト比較処理プログラムは、受け付ける処理と、取得する処理と、表示する処理とをコンピュータに実行させる。受け付ける処理は、比較対象の複数のウェブサイトの指定を受け付ける。取得する処理は、ウェブサイトに含まれる所定の複数の項目のそれぞれに対応付いたデータの定義情報を記憶する記憶部を参照し、指定された比較対象の複数のウェブサイトのそれぞれについて、所定の複数の項目のそれぞれに対応付いたデータを取得する。表示する処理は、取得したデータを、所定の複数の項目毎に、指定された複数のウェブサイトについて対比可能に表示する。

本発明の１実施態様によれば、ウェブサイト同士を分かり易く比較できる。

図１は、実施形態にかかる情報処理装置の構成の一例を示すブロック図である。 図２は、対象記憶部の一例を示す図である。 図３は、項目記憶部の一例を示す図である。 図４は、ページ記憶部の一例を示す図である。 図５は、抽出データ記憶部の一例を示す図である。 図６は、実施形態にかかる情報処理装置の動作例を示すフローチャートである。 図７は、ウェブページの比較表示を説明する説明図である。 図８は、ウェブページの比較表示を説明する説明図である。 図９は、ウェブサイト比較処理プログラムを実行するコンピュータの一例を示す図である。

以下、図面を参照して、実施形態にかかるウェブサイト比較処理プログラム、ウェブサイト比較方法およびウェブサイトを比較する装置を説明する。実施形態において同一の機能を有する構成には同一の符号を付し、重複する説明は省略する。なお、以下の実施形態で説明するウェブサイト比較処理プログラム、ウェブサイト比較方法およびウェブサイトを比較する装置は、一例を示すに過ぎず、実施形態を限定するものではない。また、以下の各実施形態は、矛盾しない範囲内で適宜組みあわせてもよい。

図１は、実施形態にかかる情報処理装置の構成の一例を示すブロック図である。図１に示す情報処理装置１００は、例えば、ネットワークＮを介してインターネットに接続され、管理者に指定されたインターネット上のＷｅｂサイト３００を巡回する。次いで、情報処理装置１００は、Ｗｅｂサイト３００で公開されているＷｅｂ（ウェブ）ページを取得してデータベースに蓄積する。このように、情報処理装置１００は、ウェブサイトで公開されているウェブページをデータクロールにより予め取得しておく。この情報処理装置１００は、ウェブサイトを比較する装置の一例である。

情報処理装置１００は、例えば、ある地域の観光情報を取得するために、観光スポットのサイトや都道府県が設けた観光情報サイトを巡回して、各観光スポットの住所、電話番号、説明文等のデータを取得する。

このとき、各観光スポットのサイトや観光情報サイトでは、各種データのフォーマットが統一されていない場合が多い。このため、情報処理装置１００は、取得するデータ項目の定義を予め生成し、定義に基づいて各サイトからデータを取得する。

すなわち、情報処理装置１００は、特定のＵＲＬに対応付けられ、タグの構造情報を含む文書における抽出対象部分の文書に含まれるタグの階層構造上の位置を特定し、該階層構造上の位置を登録することを許容する。また、情報処理装置１００は、定期的または不定期に、特定のＵＲＬに対応付けられた文書にアクセスして、登録されたタグの階層構造上の位置に対応するデータを抜き出して、出力する。これにより、情報処理装置１００は、各種データのフォーマットが異なるサイトの文書について、固有のタグ情報がなくても対象部分のデータを抜き出して出力できる。

ここで、タグの構造情報を含む文書としては、例えば、マークアップ言語で記述された文書が挙げられ、例えばＨＴＭＬ（HyperText Markup Language）文書、ＸＭＬ（Extensible Markup Language）文書等が挙げられる。なお、以下の説明では、一例として、ＨＴＭＬ文書を用いたホームページを巡回する場合について説明する。

次に、情報処理装置１００の構成について説明する。図１に示すように、情報処理装置１００は、入力部１０１と、出力部１０２と、通信部１１０と、記憶部１２０と、制御部１３０とを有する。なお、情報処理装置１００は、図１に示す機能部以外にも既知のコンピュータが有する各種の機能部を有することとしてもかまわない。

入力部１０１は、例えば、キーボードやマウス等の入力デバイスであり、情報処理装置１００の管理者から各種情報の入力を受け付ける。例えば、入力部１０１は、情報処理装置１００の管理者により、巡回するサイトのＵＲＬ、取得するデータ項目、比較対象とするＷｅｂサイト３００等が入力され、入力結果を制御部１３０に出力する。また、入力部１０１は、例えば、ＳＤ（Secure Digital）メモリカード等のリーダライタであってもよい。入力部１０１は、例えば、ＳＤメモリカードから読み込んだ、巡回するサイトのＵＲＬ、取得するデータ項目、比較対象とするＷｅｂサイト３００等を制御部１３０に出力する。なお、入力部１０１は、入力デバイスとＳＤメモリカード等のリーダライタとの双方を有してもよい。

出力部１０２は、例えば、各種情報を表示するための表示デバイスである。出力部１０２は、例えば、表示デバイスとして液晶ディスプレイ等によって実現される。また、出力部１０２は、ＳＤメモリカード等のリーダライタであってもよい。出力部１０２は、制御部１３０から出力データが入力されると、出力データについて表示又はメモリカードへの書き込みを行う。なお、入力部１０１および出力部１０２は、一体化されてもよく、例えば、ＳＤメモリカード等のリーダライタのように、双方の機能を有するデバイスであってもよい。また、出力部１０２は、例えば、表示デバイスとＳＤカードリーダライタの双方を有してもよい。

通信部１１０は、例えば、ＮＩＣ（Network Interface Card）等によって実現される。通信部１１０は、ネットワークＮを介して、例えばインターネットと有線又は無線で接続され、インターネット上のＷｅｂサイト３００のサーバとの間で情報の通信を司る通信インタフェースである。通信部１１０は、インターネット上のＷｅｂサイト３００からウェブページの内容、例えば、ＨＴＭＬ文書、画像ファイル等を受信する。通信部１１０は、受信したウェブページ内容を制御部１３０に出力する。また、通信部１１０は、制御部１３０から入力されたページ要求等をインターネット上のＷｅｂサイト３００に送信する。

記憶部１２０は、例えば、ＲＡＭ（Random Access Memory）、フラッシュメモリ（Flash Memory）等の半導体メモリ素子、ハードディスクや光ディスク等の記憶装置によって実現される。記憶部１２０は、対象記憶部１２１と、項目記憶部１２２と、ページ記憶部１２３と、抽出データ記憶部１２４とを有する。また、記憶部１２０は、制御部１３０での処理に用いる情報を記憶する。

対象記憶部１２１は、データを取得するクロール処理の対象となるサイトのＵＲＬ（以下、対象ＵＲＬという）と、ＨＴＭＬ文書における抽出対象部分の位置特定情報とを対応付けて記憶する。すなわち、対象記憶部１２１は、対象ＵＲＬの定義を記憶する。この対象記憶部１２１における対象ＵＲＬと、その定義については、入力部１０１を介した管理者からの入力により、予め設定されている。

図２は、対象記憶部１２１の一例を示す図である。図２に示すように、対象記憶部１２１は、「ＵＲＬＩＤ」、「対象ＵＲＬ」、「抽出対象部分の位置特定情報」といった項目を有する。また、「抽出対象部分の位置特定情報」は、「タイトル」、「住所」といった項目を有する。なお、抽出対象部分の位置特定情報は、図示はしないが、他にも、電話番号、更新日、位置情報、説明文といった項目を有する。対象記憶部１２１は、例えば、１つの対象ＵＲＬごとに１レコードとして記憶する。

「ＵＲＬＩＤ」は、対象ＵＲＬを識別する。「対象ＵＲＬ」は、クロール処理でアクセスする対象となるＨＴＭＬ文書のＵＲＬを示す。対象ＵＲＬは、例えば、管理者によって入力部１０１の入力デバイスにより入力される。「抽出対象部分の位置特定情報」は、対象ＵＲＬのＨＴＭＬ文書内における抽出対象部分の位置を特定するための情報を示す。「タイトル」は、対象となるＨＴＭＬ文書内のタイトルについて、タグの名称、タグの文書内における順番およびタグの階層構造のうち１つ以上を組み合わせて、タグの階層構造上の位置を示す。「住所」は、対象となるＨＴＭＬ文書内の住所について、タグの名称、タグの文書内における順番およびタグの階層構造のうち１つ以上を組み合わせて、タグの階層構造上の位置を示す。

図２の１行目の例では、ＵＲＬＩＤが「１」の対象ＵＲＬ「http://aaaa.bbb.ccc/ddd/eee/001.html」のＨＴＭＬ文書内における、タイトルおよび住所の位置特定情報を示す。タイトルの位置特定情報は、例えば、「<DIV class="title"> </DIV>,順番：1,/title/」と表現される。「<DIV class="title"> </DIV>」は、例えば、ＣＳＳ（Cascading Style Sheets）セレクタを用いて抽出したタイトルを示すタグの名称を示す。「順番：1」は、当該ＨＴＭＬ文書内のタイトルを示すタグのうち、１番目のタグを示す。「/title/」は、当該ＨＴＭＬ文書のタイトルを示すタグの階層構造を示す。なお、当該ＨＴＭＬ文書からタイトルとして抜き出されるデータは、ＤＩＶタグに囲まれた部分となる。

同様に、住所の位置特定情報は、例えば、「<DIV class="address"> </DIV>,順番：1,/info/address/」と表現される。「<DIV class="address"> </DIV>」は、例えば、ＣＳＳセレクタを用いて抽出した住所を示すタグの名称を示す。「順番：1」は、当該ＨＴＭＬ文書内の住所を示すタグのうち、１番目のタグを示す。「/info/address/」は、当該ＨＴＭＬ文書の住所を示すタグの階層構造を示す。なお、当該ＨＴＭＬ文書から住所として抜き出されるデータは、ＤＩＶタグに囲まれた部分となる。また、抽出対象部分の位置特定情報は、タグの名称、タグの順番、及び、タグの階層構造のうち１つ以上を用いて特定してもよい。

また、タグの名称は、正規表現を用いて表してもよい。図２の２行目の例では、住所を示すタグの名称を「/<DIV.*>(.+)</DIV>/ /住所：(.+)$/」と表現している。正規表現では、ＤＩＶタグに囲まれた箇所、又は、「住所：」の後ろに続く箇所が、住所として抜き出されるデータとなる。さらに、抽出対象部分の位置特定情報は、ＣＳＳセレクタと正規表現を組み合わせてもよい。

また、図２の３行目の例のように、抽出対象部分の位置特定情報は、切り出し手法を用いて表現してもよい。この場合には、タイトルの位置特定情報は、例えば、ＣＳＳセレクタを用いて「div#left h2,順番：3,/tps/table/」と表現される。また、住所の位置特定情報は、例えば、ＣＳＳセレクタと正規表現とを用いて「#infoContent @<h3>所在地</h3>\s+?<p>(.+?)</p>@is,順番：5,/info/address/」と表現される。

図１の説明に戻り、項目記憶部１２２は、対象ＵＲＬのページ内容から抽出するデータ項目の定義を記憶する。すなわち、項目記憶部１２２は、ウェブサイトに含まれる項目のそれぞれに対応づいたデータの定義情報を記憶する記憶部の一例である。この項目記憶部１２２における定義情報は、入力部１０１を介した管理者からの入力により、予め設定されている。

図３は、項目記憶部１２２の一例を示す図である。図３に示すように、項目記憶部１２２は、「項目ＩＤ」、「データ名」、「データ型」、「切り出し手法」といった項目を有する。項目記憶部１２２は、例えば、１つのデータ名ごとに、１レコードとして記憶する。

「項目ＩＤ」は、データ項目、すなわちデータ名を識別する。「データ名」は、抽出するデータの名前を示す。データ名は、例えば、タイトル、住所、電話番号、更新日、位置情報、説明文といったデータが挙げられる。「データ型」は、抽出したデータを抽出データ記憶部１２４に記憶する際の当該データの型を示す。データ型は、例えば、文字、数字、日付、緯度経度といった型が挙げられる。「切り出し手法」は、対象ＵＲＬのページ内容からデータを切り出す、つまり抜き出す手法を示す。切り出し手法は、例えば、ＣＳＳセレクタ、正規表現といった手法が挙げられる。

図１の説明に戻り、ページ記憶部１２３は、対象ＵＲＬについて、クロール処理でアクセスして取得したページ内容、すなわち、ＨＴＭＬ文書、画像ファイル等を記憶する。

図４は、ページ記憶部１２３の一例を示す図である。図４に示すように、ページ記憶部１２３は、「ＵＲＬＩＤ」、「対象ＵＲＬ」、「記憶領域」といった項目を有する。ページ記憶部１２３は、例えば、１つの対象ＵＲＬごとに１レコードとして記憶する。

「ＵＲＬＩＤ」は、対象ＵＲＬを識別する。「対象ＵＲＬ」は、クロール処理でアクセスしたＨＴＭＬ文書のＵＲＬを示す。「記憶領域」は、取得したＨＴＭＬ文書や画像ファイル等を記憶した記憶領域を示す。記憶領域は、例えば、記憶部１２０のファイルシステムのディレクトリを記憶し、対応するディレクトリにＨＴＭＬ文書や画像ファイル等を記憶する。なお、ページ記憶部１２３は、記憶領域に、取得したＨＴＭＬ文書や画像ファイルを直接記憶するようにしてもよい。

図１の説明に戻り、抽出データ記憶部１２４は、ＨＴＭＬ文書から抽出された、抽出対象部分のデータを記憶する。すなわち、抽出データ記憶部１２４は、クロール処理によって収集されたデータを格納するデータベースである。

図５は、抽出データ記憶部１２４の一例を示す図である。図５に示すように、抽出データ記憶部１２４は、「ＵＲＬＩＤ」、「タイトル」、「住所」、「電話番号」、「更新日」、「位置情報」、「説明文」といった項目を有する。抽出データ記憶部１２４は、例えば、１つのＵＲＬＩＤごとに１レコードとして記憶する。

「ＵＲＬＩＤ」は、対象ＵＲＬを識別する。「タイトル」は、対象ＵＲＬのＨＴＭＬ文書から抽出されたデータ項目の１つであり、対象ＵＲＬのＨＴＭＬ文書のタイトルを示す。「住所」は、対象ＵＲＬのＨＴＭＬ文書から抽出されたデータ項目の１つであり、対象ＵＲＬのＨＴＭＬ文書内に記載された住所を示す。「電話番号」は、対象ＵＲＬのＨＴＭＬ文書から抽出されたデータ項目の１つであり、対象ＵＲＬのＨＴＭＬ文書内に記載された電話番号を示す。「更新日」は、対象ＵＲＬのＨＴＭＬ文書から抽出されたデータ項目の１つであり、対象ＵＲＬのＨＴＭＬ文書内に記載された更新日を示す。「位置情報」は、緯度経度を示す。緯度経度は、対象ＵＲＬのＨＴＭＬ文書から抽出された住所に基づいて、例えば、外部のＡＰＩ（Application Programming Interface）サービスを利用することで取得される。なお、位置情報は、ＨＴＭＬ文書内に緯度経度の記載があれば、当該緯度経度であってもよい。「説明文」は、対象ＵＲＬのＨＴＭＬ文書から抽出されたデータ項目の１つであり、例えば、対象ＵＲＬのＨＴＭＬ文書が観光スポットに関する文書であれば、文書内の観光スポットに関する説明文を示す。なお、住所は、ＨＴＭＬ文書内に記載がない場合には、例えば、タイトルに記載された観光スポット名を用いて、外部のＡＰＩサービスを利用することで取得された住所であってもよい。

図１の説明に戻り、制御部１３０は、例えば、ＣＰＵ（Central Processing Unit）やＭＰＵ（Micro Processing Unit）等によって、内部の記憶装置に記憶されているプログラムがＲＡＭを作業領域として実行されることにより実現される。また、制御部１３０は、例えば、ＡＳＩＣ（Application Specific Integrated Circuit）やＦＰＧＡ（Field Programmable Gate Array）等の集積回路により実現されるようにしてもよい。制御部１３０は、クロール部１３１と、抽出部１３２と、受付部１３３と、取得部１３４と、出力制御部１３５とを有し、以下に説明する情報処理の機能や作用を実現または実行する。なお、制御部１３０の内部構成は、図１に示した構成に限られず、後述する情報処理を行う構成であれば他の構成であってもよい。

クロール部１３１は、対象記憶部１２１を参照して、対象ＵＲＬを含むホームページ、例えば、ある観光情報を公開するＷｅｂサイト３００のトップページにアクセスする。すなわち、クロール部１３１は、あるＷｅｂサイト３００のサーバに対して通信部１１０を介してページ要求を送信し、当該サーバから通信部１１０を介してページ内容を受信する。

クロール部１３１は、例えば、定期的または不定期に、つまり予め管理者によって指定された間隔又は任意のタイミングで、対象ＵＲＬを含むホームページにアクセスする。指定された間隔は、例えば、１日、１週間、１ヶ月等のように任意の間隔とすることができる。

クロール部１３１は、対象記憶部１２１を参照して、ホームページ内の全リンクのうち、ページ内容を取得する対象ＵＲＬを選定する。クロール部１３１は、例えば、観光スポットごとのページの対象ＵＲＬを選定する。クロール部１３１は、選定した対象ＵＲＬからページ内容を取得する。クロール部１３１は、取得したページ内容をページ記憶部１２３に記憶する。また、クロール部１３１は、ページ内容の取得が完了したことを示す取得完了情報を抽出部１３２に出力する。

抽出部１３２は、クロール部１３１から取得完了情報が入力されると、対象記憶部１２１の抽出対象部分の位置特定情報を参照して、ページ記憶部１２３に記憶された対象ＵＲＬのページ内容から、抽出対象部分のデータ項目のデータを抽出する。抽出部１３２は、抽出したデータをＵＲＬＩＤと対応付けて、項目記憶部１２２のデータ項目の定義に従って、抽出データ記憶部１２４に記憶する。

抽出部１３２は、抽出対象部分のデータ項目のデータを抽出する場合に、項目記憶部１２２の切り出し手法で指定された手法を用いて抽出する。抽出部１３２は、例えば、住所を示すタグの階層が「/info/address/」で定義され、例えば「.address」と記述されたＣＳＳセレクタを用いることで住所を抽出する。この場合には、抽出部１３２は、例えば、タグ内に「address」を含む項目を、住所として切り出すことができる。

また、抽出部１３２は、例えば、１行目に「.info」と記述され、２行目に「/<DIV.*>(.+)</DIV>/」と記述され、３行目に「/住所：(.+)$/」と記述された正規表現を用いることで住所を抽出する。この場合には、抽出部１３２は、例えば、ＤＩＶタグのクラスが「info」であるタグに含まれる階層から、「住所：」の文字列の後に続く文字列を住所として切り出すことができる。

このように、抽出部１３２は、項目記憶部１２２を参照し、クロール部１３１が取得したウェブサイトそれぞれについて、項目のそれぞれに対応付いたデータを取得する取得部の一例である。

受付部１３３は、管理者などのユーザより入力部１０１を介して比較対象の複数のＷｅｂサイト３００の指定を受け付ける。具体的には、取得部１３４は、比較対象とするＷｅｂサイト３００のウェブページのＵＲＬなどを、ユーザによる入力部１０１の入力操作より受け付ける。受付部１３３は、ユーザより受け付けた、比較対象の複数のＷｅｂサイト３００のＵＲＬを取得部１３４へ出力する。

取得部１３４は、データクロールによるデータが格納された記憶部１２０を参照し、受付部１３３で指定された比較対象の複数のＷｅｂサイト３００それぞれのコンテンツを取得する。具体的には、取得部１３４は、比較対象の複数のＷｅｂサイト３００のＵＲＬをもとに対象記憶部１２１を参照し、比較対象の複数のＷｅｂサイト３００それぞれのＵＲＬＩＤを取得する。次いで、取得部１３４は、取得したＵＲＬＩＤをもとに抽出データ記憶部１２４を参照し、比較対象の複数のＷｅｂサイト３００それぞれより取得したコンテンツ（ウェブベージ）を検索する。

また、取得部１３４は、比較対象の複数のＷｅｂサイト３００それぞれより取得したコンテンツについて、比較対象の複数のＷｅｂサイト３００の間でコンテンツ名（タイトル名）または位置情報が同じコンテンツを抽出する。

具体的には、取得部１３４は、抽出データ記憶部１２４の「タイトル」をもとに、比較対象の複数のＷｅｂサイト３００それぞれより取得したコンテンツの中から互いにコンテンツ名（タイトル名）が同じ（同一）コンテンツを抽出する。タイトル名が異なっている場合、取得部１３４は、抽出データ記憶部１２４の「位置情報」をもとに、比較対象の複数のＷｅｂサイト３００それぞれより取得したコンテンツの中から互いに位置情報が同じ（同一）コンテンツを抽出する。

なお、「コンテンツ名が同じ（同一）」については、一部の名称が同じ場合や、言い換えなどの、互いに類似するコンテンツ名称を許容するものとする。例えば、タイトルが「○×国道」と「○×国道○○号」とでは、一部の名称が同じコンテンツであり、コンテンツ名が同じものとして許容される。また、タイトルが「○×国道」と「ルート○×」とでは、互いに言い換えた名称であり、コンテンツ名が同じものとして許容される。同様に、「位置情報が同じ（同一）」については、１００ｍ程度の誤差を許容するものとする。

次いで、取得部１３４は、比較対象の複数のＷｅｂサイト３００それぞれより取得したコンテンツについて抽出データ記憶部１２４を参照し、「タイトル」、「住所」、「電話番号」、「更新日」、「位置情報」、「説明文」などのデータ項目ごとのデータ抽出を行う。取得部１３４は、比較対象の複数のＷｅｂサイト３００それぞれより取得したコンテンツについて抽出したデータを出力制御部１３５へ出力する。

なお、本実施形態では、データクロール時に、抽出部１３２が項目記憶部１２２を参照し、クロール部１３１が取得したウェブサイトそれぞれについて、項目のそれぞれに対応付いたデータを取得して抽出データ記憶部１２４に格納している。しかしながら、項目記憶部１２２を参照して項目のそれぞれに対応付いたデータを取得する処理は、データクロール時に行うものではなく、取得部１３４がデータを取得する際に実行してもよい。すなわち、抽出部１３２と、取得部１３４とを統合した機能構成であってもよい。

出力制御部１３５は、比較対象の複数のＷｅｂサイト３００それぞれより取得したコンテンツについて、データ項目ごとに抽出されたデータを取得部１３４より受け付けると、抽出されたデータを出力データとして出力部１０２に出力して表示させる。具体的には、出力制御部１３５は、データ項目ごとに抽出されたデータを、項目ごとに、比較対象の複数のＷｅｂサイト３００について対比可能に出力部１０２に表示させる。一例として、出力制御部１３５は、比較対象の複数のＷｅｂサイト３００より抽出したデータを、項目ごとに横に並べた対比表として出力部１０２に表示させる。

このように、項目ごとに、比較対象の複数のＷｅｂサイト３００について対比可能な対比表を表示出力することで、ユーザは、比較対象のＷｅｂサイト３００のコンテンツ同士で互いに対応する項目の比較が容易となり、Ｗｅｂサイト３００同士を分かり易く比較できる。

図６は、実施形態にかかる情報処理装置１００の動作例を示すフローチャートである。図６に示すように、処理が開始されると、受付部１３３は、比較対象の複数のＷｅｂサイト３００についてのウェブページの指定を入力部１０１を介して受け付ける（Ｓ１）。

次いで、取得部１３４は、抽出データ記憶部１２４を参照し、比較対象の複数のＷｅｂサイト３００それぞれについて、指定されたウェブベージ（コンテンツ）を検索する（Ｓ２）。次いで、取得部１３４は、比較対象の複数のＷｅｂサイト３００の間でコンテンツ名（タイトル名）または位置情報が同じコンテンツを抽出する（Ｓ３）。

具体的には、取得部１３４は、抽出データ記憶部１２４の「タイトル」をもとに、比較対象の複数のＷｅｂサイト３００の間でタイトル名が同じコンテンツを抽出する。タイトル名が異なっている場合、取得部１３４は、抽出データ記憶部１２４の「位置情報」をもとに、比較対象の複数のＷｅｂサイト３００の間で位置情報が同じコンテンツを抽出する。

次いで、取得部１３４は、抽出したコンテンツ、すなわち比較対象の複数のＷｅｂサイト３００の間でタイトル名または位置情報が同じコンテンツについて、抽出データ記憶部１２４を参照し、データ項目ごとのデータ抽出を行う（Ｓ４〜Ｓ７）。具体的には、「タイトル」、「住所」、「電話番号」、「更新日」、「位置情報」、「説明文」などのデータ項目ごとのデータ抽出を順次行う。

より具体的には、取得部１３４は、抽出データ記憶部１２４を参照して処理対象のデータ項目が一致する情報の有無を判定する（Ｓ４）。「タイトル」、「住所」、「電話番号」、「更新日」、「位置情報」、「説明文」などのデータ項目に対応した情報がある場合（Ｓ４：ＹＥＳ）、取得部１３４は、抽出データ記憶部１２４よりデータ項目ごとのデータ抽出を行う（Ｓ５）。データ項目に対応した情報がない場合（Ｓ４：ＮＯ）、取得部１３４はＳ５の処理をスキップする。

次いで、取得部１３４は、全てのデータ項目の処理が完了したか否かを判定する（Ｓ６）。完了していない場合（Ｓ６：ＮＯ）、取得部１３４は、「タイトル」、「住所」、「電話番号」、「更新日」、「位置情報」、「説明文」などのデータ項目の中で次のデータ項目を処理対象とし（Ｓ７）、Ｓ４へ処理を戻す。

Ｓ４〜Ｓ７に次いで、完了した場合（Ｓ６：ＹＥＳ）、取得部１３４は、比較対象の複数のＷｅｂサイト３００それぞれより取得したコンテンツについて抽出したデータを出力制御部１３５へ出力する。出力制御部１３５は、比較対象の複数のＷｅｂサイト３００のコンテンツについて抽出したデータを、項目ごとに並べた対比表を出力部１０２より表示出力する（Ｓ８）。

以上のように、情報処理装置１００は、比較対象の複数のＷｅｂサイト３００の指定を受け付ける。また、情報処理装置１００は、Ｗｅｂサイト３００に含まれる所定の複数の項目のそれぞれに対応付いたデータの定義情報を記憶する記憶部１２０を参照し、指定された比較対象の複数のウェブサイトのそれぞれについて、所定の項目のそれぞれに対応付いたデータを取得する。また、情報処理装置１００は、取得したデータを、所定の複数の項目毎に、指定された複数のウェブサイトについて対比可能に出力部１０２より表示する。したがって、情報処理装置１００では、Ｗｅｂサイト３００同士を分かり易く比較できる。

図７、図８は、ウェブページの比較表示を説明する説明図である。図７に示すように、タイトルが「○×国道」、「○×国道○○号」などの、比較対象のＷｅｂサイト３００のサイト画面Ｇ１Ａ、Ｇ１Ｂを並べて比較する場合は、デザインの相違などにより、互いに対応する項目同士の比較が判りづらくなる。

これに対し、本実施形態では、図８に示すように、比較対象のＷｅｂサイト３００のコンテンツについて、項目ごとにデータを並べた対比表の画面Ｇ２が出力部１０２より表示される。これにより、情報処理装置１００では、互いに対応する項目の比較が容易となり、比較対象の複数のＷｅｂサイト３００同士を分かり易く比較できる。

また、図示した各部の各構成要素は、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各部の分散・統合の具体的形態は図示のものに限られず、その全部又は一部を、各種の負荷や使用状況等に応じて、任意の単位で機能的又は物理的に分散・統合して構成することができる。例えば、抽出部１３２と、取得部１３４とを統合して、取得部としてもよい。

さらに、各装置で行われる各種処理機能は、ＣＰＵ（又はＭＰＵ、ＭＣＵ（Micro Controller Unit）等のマイクロ・コンピュータ）上で、その全部又は任意の一部を実行するようにしてもよい。また、各種処理機能は、ＣＰＵ（又はＭＰＵ、ＭＣＵ等のマイクロ・コンピュータ）で解析実行されるプログラム上、又はワイヤードロジックによるハードウェア上で、その全部又は任意の一部を実行するようにしてもよいことは言うまでもない。

ところで、上記の実施例で説明した各種の処理は、予め用意されたプログラムをコンピュータで実行することで実現できる。そこで、以下では、上記の実施例と同様の機能を有するプログラムを実行するコンピュータの一例を説明する。図９は、ウェブサイト比較処理プログラムを実行するコンピュータの一例を示す図である。

図９が示すように、コンピュータ２００は、各種演算処理を実行するＣＰＵ２０１と、データ入力を受け付ける入力装置２０２と、モニタ２０３とを有する。また、コンピュータ２００は、記憶媒体からプログラム等を読み取る媒体読取装置２０４と、各種装置と接続するためのインタフェース装置２０５と、他の情報処理装置等と有線又は無線により接続するための通信装置２０６とを有する。また、コンピュータ２００は、各種情報を一時記憶するＲＡＭ２０７と、ハードディスク装置２０８とを有する。また、各装置２０１〜２０８は、バス２０９に接続される。

ハードディスク装置２０８には、図１に示したクロール部１３１、抽出部１３２、受付部１３３、取得部１３４および出力制御部１３５の各処理部と同様の機能を有するウェブサイト比較処理プログラムが記憶される。また、ハードディスク装置２０８には、対象記憶部１２１、項目記憶部１２２、ページ記憶部１２３、抽出データ記憶部１２４およびウェブサイト比較処理プログラムを実現するための各種データが記憶される。入力装置２０２は、入力部１０１と同等の機能を有し、例えば、コンピュータ２００の管理者から、対象ＵＲＬ、定義、管理情報等の各種情報の入力を受け付ける。モニタ２０３は、出力部１０２と同等の機能を有し、例えば、コンピュータ２００の管理者に対して管理情報の画面、受付画面、データ表示画面等の各種画面を表示する。インタフェース装置２０５は、例えば、印刷装置等が接続される。通信装置２０６は、例えば、図１に示した通信部１１０と同様の機能を有し、ネットワークＮと接続され、インターネット上のＷｅｂサイト３００と各種情報をやりとりする。

ＣＰＵ２０１は、ハードディスク装置２０８に記憶された各プログラムを読み出して、ＲＡＭ２０７に展開して実行することで、各種の処理を行う。また、これらのプログラムは、コンピュータ２００を図１に示したクロール部１３１、抽出部１３２、受付部１３３、取得部１３４および出力制御部１３５として機能させることができる。

なお、上記のウェブサイト比較処理プログラムは、必ずしもハードディスク装置２０８に記憶されている必要はない。例えば、コンピュータ２００が読み取り可能な記憶媒体に記憶されたプログラムを、コンピュータ２００が読み出して実行するようにしてもよい。コンピュータ２００が読み取り可能な記憶媒体は、例えば、ＣＤ−ＲＯＭやＤＶＤディスク、ＵＳＢ（Universal Serial Bus）メモリ等の可搬型記録媒体、フラッシュメモリ等の半導体メモリ、ハードディスクドライブ等が対応する。また、公衆回線、インターネット、ＬＡＮ等に接続された装置にこのウェブサイト比較処理を記憶させておき、コンピュータ２００がこれらからウェブサイト比較処理を読み出して実行するようにしてもよい。

以上の実施形態に関し、さらに以下の付記を開示する。

（付記１）比較対象の複数のウェブサイトの指定を受け付け、
ウェブサイトに含まれる所定の複数の項目のそれぞれに対応付いたデータの定義情報を記憶する記憶部を参照し、指定された前記比較対象の複数のウェブサイトのそれぞれについて、前記所定の複数の項目のそれぞれに対応付いたデータを取得し、
取得した前記データを、前記所定の複数の項目毎に、指定された前記複数のウェブサイトについて対比可能に表示する、
処理をコンピュータに実行させることを特徴とするウェブサイト比較処理プログラム。

（付記２）前記データは、指定された前記比較対象の複数のウェブサイトのそれぞれにおいて、位置情報が同一であるコンテンツのそれぞれに対応づいたデータを含む、
ことを特徴とする付記１に記載のウェブサイト比較処理プログラム。

（付記３）前記データは、指定された前記比較対象の複数のウェブサイトのそれぞれにおいて、コンテンツ名が同一であるコンテンツのそれぞれに対応づいたデータを含む、
ことを特徴とする付記１に記載のウェブサイト比較処理プログラム。

（付記４）前記受け付ける処理は、クロールによって前記記憶部に定義情報が記憶されたウェブサイトの中から前記指定を受け付ける、
ことを特徴とする付記１乃至３のいずれか一に記載のウェブサイト比較処理プログラム。

（付記５）前記表示する処理は、前記所定の複数の項目毎に、指定された前記複数のウェブサイトより取得した前記データを並べた対比表を表示する、
ことを特徴とする付記１乃至４のいずれか一に記載のウェブサイト比較処理プログラム。

（付記６）比較対象の複数のウェブサイトの指定を受け付け、
ウェブサイトに含まれる所定の複数の項目のそれぞれに対応付いたデータの定義情報を記憶する記憶部を参照し、指定された前記比較対象の複数のウェブサイトのそれぞれについて、前記所定の複数の項目のそれぞれに対応付いたデータを取得し、
取得した前記データを、前記所定の複数の項目毎に、指定された前記複数のウェブサイトについて対比可能に表示する、
処理をコンピュータが実行することを特徴とするウェブサイト比較方法。

（付記７）前記データは、指定された前記比較対象の複数のウェブサイトのそれぞれにおいて、位置情報が同一であるコンテンツのそれぞれに対応づいたデータを含む、
ことを特徴とする付記６に記載のウェブサイト比較方法。

（付記８）前記データは、指定された前記比較対象の複数のウェブサイトのそれぞれにおいて、コンテンツ名が同一であるコンテンツのそれぞれに対応づいたデータを含む、
ことを特徴とする付記６に記載のウェブサイト比較方法。

（付記９）前記受け付ける処理は、クロールによって前記記憶部に定義情報が記憶されたウェブサイトの中から前記指定を受け付ける、
ことを特徴とする付記６乃至８のいずれか一に記載のウェブサイト比較方法。

（付記１０）前記表示する処理は、前記所定の複数の項目毎に、指定された前記複数のウェブサイトより取得した前記データを並べた対比表を表示する、
ことを特徴とする付記６乃至９のいずれか一に記載のウェブサイト比較方法。

（付記１１）比較対象の複数のウェブサイトの指定を受け付ける受付部と、
ウェブサイトに含まれる所定の複数の項目のそれぞれに対応付いたデータの定義情報を記憶する記憶部を参照し、指定された前記比較対象の複数のウェブサイトのそれぞれについて、前記所定の複数の項目のそれぞれに対応付いたデータを取得する取得部と、
取得した前記データを、前記所定の複数の項目毎に、指定された前記複数のウェブサイトについて対比可能に表示させる出力制御部と、
を有することを特徴とするウェブサイトを比較する装置。

（付記１２）前記データは、指定された前記比較対象の複数のウェブサイトのそれぞれにおいて、位置情報が同一であるコンテンツのそれぞれに対応づいたデータを含む、
ことを特徴とする付記１１に記載のウェブサイトを比較する装置。

（付記１３）前記データは、指定された前記比較対象の複数のウェブサイトのそれぞれにおいて、コンテンツ名が同一であるコンテンツのそれぞれに対応づいたデータを含む、
ことを特徴とする付記１１に記載のウェブサイトを比較する装置。

（付記１４）前記受付部は、クロールによって前記記憶部に定義情報が記憶されたウェブサイトの中から前記指定を受け付ける、
ことを特徴とする付記１１乃至１３のいずれか一に記載のウェブサイトを比較する装置。

（付記１５）前記出力制御部は、前記所定の複数の項目毎に、指定された前記複数のウェブサイトより取得した前記データを並べた対比表を表示させる、
ことを特徴とする付記１１乃至１４のいずれか一に記載のウェブサイトを比較する装置。

１００…情報処理装置
１０１…入力部
１０２…出力部
１１０…通信部
１２０…記憶部
１２１…対象記憶部
１２２…項目記憶部
１２３…ページ記憶部
１２４…抽出データ記憶部
１３０…制御部
１３１…クロール部
１３２…抽出部
１３３…受付部
１３４…取得部
１３５…出力制御部
２００…コンピュータ
２０１…ＣＰＵ
２０２…入力装置
２０３…モニタ
２０４…媒体読取装置
２０５…インタフェース装置
２０６…通信装置
２０７…ＲＡＭ
２０８…ハードディスク装置
２０９…バス
３００…Ｗｅｂサイト
Ｇ１Ａ、Ｇ１Ｂ…サイト画面
Ｇ２…画面
Ｎ…ネットワーク

Claims (6)

1. クロールの対象となるウェブサイトごとに、当該ウェブサイトにおける抽出対象部分が示された対象情報に基づき、前記クロールの対象となるウェブサイトそれぞれから抽出したデータをページ記憶部に記憶し、
   比較対象の複数のウェブサイトの指定を受け付け、
   ウェブサイトに含まれる所定の複数の項目のそれぞれに対応付いたデータ名、データ型および切り出し手法の定義情報を記憶する記憶部を参照し、指定された前記比較対象の複数のウェブサイトのそれぞれについて、前記ページ記憶部に記憶されたデータの中から前記所定の複数の項目のそれぞれに対応付いたデータ名、データ型および切り出し手法に基づくデータを取得し、
   取得した前記データを、前記所定の複数の項目毎に、指定された前記複数のウェブサイトについて対比可能に表示する、
   処理をコンピュータに実行させることを特徴とするウェブサイト比較処理プログラム。
2. 前記データは、指定された前記比較対象の複数のウェブサイトのそれぞれにおいて、位置情報が同一であるコンテンツのそれぞれに対応づいたデータを含む、
   ことを特徴とする請求項１に記載のウェブサイト比較処理プログラム。
3. 前記データは、指定された前記比較対象の複数のウェブサイトのそれぞれにおいて、コンテンツ名が同一であるコンテンツのそれぞれに対応づいたデータを含む、
   ことを特徴とする請求項１に記載のウェブサイト比較処理プログラム。
4. 前記表示する処理は、前記所定の複数の項目毎に、指定された前記複数のウェブサイトより取得した前記データを並べた対比表を表示する、
   ことを特徴とする請求項１乃至３のいずれか一項に記載のウェブサイト比較処理プログラム。
5. クロールの対象となるウェブサイトごとに、当該ウェブサイトにおける抽出対象部分が示された対象情報に基づき、前記クロールの対象となるウェブサイトそれぞれから抽出したデータをページ記憶部に記憶し、
   比較対象の複数のウェブサイトの指定を受け付け、
   ウェブサイトに含まれる所定の複数の項目のそれぞれに対応付いたデータ名、データ型および切り出し手法の定義情報を記憶する記憶部を参照し、指定された前記比較対象の複数のウェブサイトのそれぞれについて、前記ページ記憶部に記憶されたデータの中から前記所定の複数の項目のそれぞれに対応付いたデータ名、データ型および切り出し手法に基づくデータを取得し、
   取得した前記データを、前記所定の複数の項目毎に、指定された前記複数のウェブサイトについて対比可能に表示する、
   処理をコンピュータが実行することを特徴とするウェブサイト比較方法。
6. クロールの対象となるウェブサイトごとに、当該ウェブサイトにおける抽出対象部分が示された対象情報に基づき、前記クロールの対象となるウェブサイトそれぞれから抽出したデータをページ記憶部に記憶するクロール部と、
   比較対象の複数のウェブサイトの指定を受け付ける受付部と、
   ウェブサイトに含まれる所定の複数の項目のそれぞれに対応付いたデータ名、データ型および切り出し手法の定義情報を記憶する記憶部を参照し、指定された前記比較対象の複数のウェブサイトのそれぞれについて、前記ページ記憶部に記憶されたデータの中から前記所定の複数の項目のそれぞれに対応付いたデータ名、データ型および切り出し手法に基づくデータを取得する取得部と、
   取得した前記データを、前記所定の複数の項目毎に、指定された前記複数のウェブサイトについて対比可能に表示する表示部と、
   を有することを特徴とするウェブサイトを比較する装置。

Images