網(wǎng)頁切片的粒度題目:

之前我寫過:一種面向搜索引擎的網(wǎng)頁分塊、切片的原理，實(shí)現(xiàn)和演示，跟著工作的深入，逐漸遇到以下題目:

這是我研究網(wǎng)頁切片算法的一個(gè)匯總想法主意。歸結(jié)到90度和0度上去，得到一個(gè)條塊分割的矢量圖。 網(wǎng)頁切片算法。

這段時(shí)間對算法的一個(gè)體會(huì)就是，算法就是解決特定題目的方法。

假如處理分頁的內(nèi)容型網(wǎng)頁:

從切片的粒度可以看出，應(yīng)該把內(nèi)容區(qū)作為一個(gè)部門單獨(dú)切出來。

好的辦法只有一個(gè)，模擬鼠標(biāo)擊鍵，擊鍵處的對象返回響應(yīng)，這在IE能夠?qū)崿F(xiàn)的。

干嗎要分析HTML呢?情況多得很，根天職析不外來。

視覺分析只能落腳到視覺上，只能對頁面的靜態(tài)畫面作分析才能得到準(zhǔn)確的條塊分割，分割條塊是輕易的簡樸算法就能做到，但是要把這些內(nèi)容歸結(jié)到分割到的條塊是難的?？此趺捶治觥Σ煌W(wǎng)頁，應(yīng)該有個(gè)識別算法，應(yīng)該包括哪些尺度?

互連網(wǎng)紗功能的網(wǎng)頁大概有2種類型，目錄型和內(nèi)容型;跟著搜索引擎的發(fā)展，網(wǎng)站結(jié)構(gòu)逐漸向扁平化的方向發(fā)展，車東 對此也做出了數(shù)據(jù)驗(yàn)證，而且跟著顯示器分辨率的不斷進(jìn)步，內(nèi)容和目錄結(jié)合型的網(wǎng)頁呈增加趨勢，天極的網(wǎng)頁涉及，可以說是其中的典范。

我目前的進(jìn)展是:可以識別 導(dǎo)航區(qū)、鏈接區(qū)、頁腳區(qū)。但能把我們解決的題目用數(shù)學(xué)模型表達(dá)出來還是一個(gè)不斷進(jìn)步算法水平的基本要求。

就拿最簡樸的，我有一個(gè)類似于OutLook工具條的頁面風(fēng)格，都是腳本天生的，我看他怎么分析!

況且，現(xiàn)在依靠客戶端腳本展現(xiàn)動(dòng)態(tài)表現(xiàn)力慢慢開始流行，這個(gè)算法很難適應(yīng)未來的潮流。

我那天用浮動(dòng)的 用絕對位置定位代替 定位，并且在客戶真?zhèn)€JavaScript中動(dòng)態(tài)排列。

我怎么想都覺得我的簡樸算法都要比文中的算法強(qiáng)多了。然后作恍惚處理，然后用一個(gè)亮度閾值把圖片轉(zhuǎn)換成二值圖，然后作一個(gè)矢量化處理，留下線條。可是實(shí)現(xiàn)起來有良多障礙，正如這位所說的:

現(xiàn)在大多數(shù)網(wǎng)站為了改善用戶體驗(yàn)和增加頁面展示次數(shù)的需要，對網(wǎng)頁做了分頁處理，這部門需要設(shè)別出來。教科書上的算法大都是最一般性，常用性的方法的說明。客戶真?zhèn)€對象用腳本動(dòng)態(tài)天生插入。

  網(wǎng)頁內(nèi)容區(qū)最大范圍識別:

網(wǎng)頁切片算法的對象應(yīng)該是針對:內(nèi)容型和內(nèi)容目錄混合型。

無意間看到了:VIPS:基于視覺的Web頁面分頁算法 ，從理論上證實(shí)了這種方法的可行性。

然后，每一塊中按照密度用鼠標(biāo)點(diǎn)擊模擬獲得對象!這樣就可以完成了條塊歸納了。

  網(wǎng)頁切片的網(wǎng)頁對象:

網(wǎng)頁切片算法的目的不是精確找到所需要的內(nèi)容，而是識別劃分網(wǎng)頁的各種功能區(qū)域，導(dǎo)航區(qū)，鏈接區(qū)，內(nèi)容，頁腳區(qū)和廣告區(qū)等。

對內(nèi)容區(qū)的分析是個(gè)難點(diǎn)，鑒于我自己的需要，只要找到最大的內(nèi)容區(qū)就可以了。這樣才能取得分割好條塊后的對象歸屬。根據(jù)一般的網(wǎng)頁設(shè)計(jì)規(guī)律，一般有2種容納內(nèi)容區(qū)的方式:1、包含型(如blog ) 2、并列型(如bbs帖子)。

視覺依賴畫面分割條塊，很簡樸，對空缺進(jìn)行膨脹-縮小算法，這樣留白就能逐漸清楚出來，文字就恍惚了。

套句俗話，能解決實(shí)際題目的方法就是好方法。

這樣的算法太依靠于詳細(xì)實(shí)現(xiàn)了，很難有好的解決辦法。