DIV CSS 佈局教程網

您现在的位置: DIV+CSS佈局教程網 >> 網頁腳本 >  >> WEB網站前端 >> 關於網頁技巧
網頁切片算法研究中的幾個關鍵難題
編輯:關於網頁技巧     

這是對網頁切片(分塊)算法的一份階段性思考整理,接續先前那篇談「面向搜索引擎的網頁分塊與切片原理、實作與演示」的文章。隨研究深入,幾個問題逐漸浮上來。

粒度的拿捏

切片的目的不是精準定位某段文字,而是把頁面切成有意義的功能區塊:導覽區、連結區、內文區、頁腳區、廣告區。粒度太細會切得零碎失去語意,太粗則等於沒切。這個分寸怎麼定,是整個演算法的起點。

對象的界定

網路上的頁面大致可分目錄型與內容型兩類。隨著搜尋引擎發展,站點結構愈來愈扁平,內容與目錄混雜的頁面比例上升——大型入口與數位媒體的頁面就是典型。演算法的主要目標應該放在「內容型」與「內容目錄混合型」,但首先要有一套頁面類型識別機制,而它的判定標準是什麼,仍需歸納。

內文區最大範圍的認定

從粒度出發,內文區必須能獨立切出來。依一般設計慣例,容納內文的方式有兩種:包含型(例如部落格,正文被單一容器完整包住)與並列型(例如論壇主題,內文由多個並列區塊組成)。兩者的判定策略顯然不同。

分頁內容的處理

為改善閱讀體驗與增加頁面瀏覽量,多數站點會把長文分頁,這層結構需要被識別出來,否則切片結果會把同一篇文章切成互不相關的碎片。

視覺分析的極限

文獻裡有 VIPS 這類「基於視覺的頁面分頁演算法」,理論上證明了路徑可行,實作上障礙不少。有人提出過很直接的挑戰:用絕對定位取代常態流排版、再由客戶端 JavaScript 動態排列節點,視覺分析就無從下手了。

更根本的困難在於:視覺分析只能處理靜態畫面。切出區塊不難,簡單的膨脹—縮小、模糊化、亮度門檻二值化再向量化,就能把留白與線條分離出來,得到接近九十度與零度的區塊切分圖。難的是把內容「歸屬」到正確的區塊——尤其當整塊畫面都是腳本生成的時候。

一種可行方向是模擬滑鼠點擊,由點擊位置回傳所命中的物件,在 IE 上確實做得到,這樣才能補上區塊與物件的對應關係。但這種做法太綁實作,換個瀏覽器或換種框架就失效,很難有通用解。

目前的進度與一點體會

现阶段可穩定識別導覽區、連結區與頁腳區;內文區仍是難點,受限於自身需求,只要抓出面積最大的內容區即可。

這段時間最大的收穫是:演算法就是解決特定問題的方法。教科書上的演算法多是通用、常見情境的說明,而實際場域髒亂得多。能解決問題的方法就是好方法——但同時,若能把問題抽象成數學模型來描述,仍是提升演算法水準的基本功。

XML學習教程| jQuery入門知識| AJAX入門| Dreamweaver教程| Fireworks入門知識| SEO技巧| SEO優化集錦|
Copyright © DIV+CSS佈局教程網 All Rights Reserved