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)頁切片算法的一個匯總想法主意。歸結到90度和0度上去，得到一個條塊分割的矢量圖。 網(wǎng)頁切片算法。

這段時間對算法的一個體會就是，算法就是解決特定題目的方法。

假如處理分頁的內容型網(wǎng)頁:

從切片的粒度可以看出，應該把內容區(qū)作為一個部門單獨切出來。

好的辦法只有一個，模擬鼠標擊鍵，擊鍵處的對象返回響應，這在IE能夠實現(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，但是要把這些內容歸結到分割到的條塊是難的。看他怎么分析。對不同網(wǎng)頁，應該有個識別算法，應該包括哪些尺度?

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

我目前的進展是:可以識別 導航區(qū)、鏈接區(qū)、頁腳區(qū)。但能把我們解決的題目用數(shù)學模型表達出來還是一個不斷進步算法水平的基本要求。

就拿最簡樸的，我有一個類似于OutLook工具條的頁面風格，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)動態(tài)表現(xiàn)力慢慢開始流行，這個算法很難適應未來的潮流。

我那天用浮動的 用絕對位置定位代替 定位，并且在客戶真?zhèn)€JavaScript中動態(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多了。然后作恍惚處理，然后用一個亮度閾值把圖片轉換成二值圖，然后作一個矢量化處理，留下線條。可是實現(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)€對象用腳本動態(tài)天生插入。

  網(wǎng)頁內容區(qū)最大范圍識別:

網(wǎng)頁切片算法的對象應該是針對:內容型和內容目錄混合型。

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

然后，每一塊中按照密度用鼠標點擊模擬獲得對象!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容，而是識別劃分網(wǎng)頁的各種功能區(qū)域，導航區(qū)，鏈接區(qū)，內容，頁腳區(qū)和廣告區(qū)等。

對內容區(qū)的分析是個難點，鑒于我自己的需要，只要找到最大的內容區(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)頁設計規(guī)律，一般有2種容納內容區(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，能解決實際題目的方法就是好方法。

這樣的算法太依靠于詳細實現(xiàn)了，很難有好的解決辦法。