本發(fā)明涉及網(wǎng)頁審計技術(shù)領(lǐng)域，更具體地說，涉及一種網(wǎng)頁關(guān)鍵字審計的方法及裝置。

背景技術(shù)：

現(xiàn)有的網(wǎng)頁瀏覽審計方案是報文經(jīng)過網(wǎng)絡(luò)設(shè)備的應(yīng)用識別引擎進(jìn)行深度檢測，識別出網(wǎng)頁瀏覽協(xié)議后進(jìn)入網(wǎng)頁瀏覽審計框架，通過分析報文提取出所訪問網(wǎng)頁的HOST(主機(jī))及URL，并分析網(wǎng)頁的URL過濾掉圖片、動畫、flash、腳本等信息，并使用gzip解壓縮算法或修改用戶訪問網(wǎng)頁所請求的報文頭獲取網(wǎng)頁標(biāo)題。將獲取的HOST和URL組織成一個完整的網(wǎng)址發(fā)送到設(shè)備上已便管理員查看。在獲取標(biāo)題時使用了兩種方法，gzip解壓縮方法就是對每個會話上用戶訪問的網(wǎng)頁內(nèi)容進(jìn)行g(shù)zip解壓縮，在解壓完后的內(nèi)容中查找網(wǎng)頁標(biāo)題；修改用戶訪問網(wǎng)頁請求報文頭意思就是當(dāng)用戶訪問網(wǎng)頁時網(wǎng)頁瀏覽審計框架獲取用戶訪問網(wǎng)頁的請求頭，通過修改請求頭中的參數(shù)，讓服務(wù)器采用明文方式傳輸網(wǎng)頁內(nèi)容這樣設(shè)備就可以獲取到網(wǎng)頁標(biāo)題。

但是，在網(wǎng)頁的關(guān)鍵字審計中，尤其是在不同編碼格式的網(wǎng)頁中，存在的同一關(guān)鍵字的不同編碼格式，會導(dǎo)致關(guān)鍵字的識別精準(zhǔn)度很低。

技術(shù)實現(xiàn)要素：

本發(fā)明要解決的技術(shù)問題在于，針對現(xiàn)有技術(shù)中網(wǎng)頁關(guān)鍵字識別精度低的缺陷，提供一種網(wǎng)頁關(guān)鍵字審計的方法及裝置。

本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是：

構(gòu)造一種網(wǎng)頁關(guān)鍵字審計的方法，包括：

將預(yù)設(shè)的關(guān)鍵字轉(zhuǎn)換成多種編碼格式；

將所述多種編碼格式組成關(guān)鍵字策略并生成多模自動機(jī)；

使用所述多模自動機(jī)對網(wǎng)頁內(nèi)容進(jìn)行關(guān)鍵字審計匹配；

將所述關(guān)鍵字審計匹配的審計結(jié)果轉(zhuǎn)換成NCR編碼并顯示，從而將多種編碼格式的內(nèi)容顯示于同一界面。

在本發(fā)明所述的方法中，所述多種編碼格式包括：GB2312、GB18030、UTF-8、GBK、unicode-16、BIG5、BIG5HKSCS、EUC、Shift-JIS、NCR、Windows-1256、ISO-8859-6、CP874、EUC-KP、CP1258。

在本發(fā)明所述的方法中，所述將所述多種編碼格式組成關(guān)鍵字策略并生成多模自動機(jī)的步驟包括：

將所述多種編碼格式組成關(guān)鍵字策略；

依據(jù)所述關(guān)鍵字策略生成多模自動機(jī)。

在本發(fā)明所述的方法中，所述使用所述多模自動機(jī)對網(wǎng)頁內(nèi)容進(jìn)行關(guān)鍵字審計匹配的步驟包括：

依據(jù)預(yù)設(shè)的關(guān)鍵字從網(wǎng)頁的第一個字符開始匹配；

依據(jù)所述關(guān)鍵字將所匹配的網(wǎng)頁內(nèi)容生成一條關(guān)鍵字策略并對其進(jìn)行審計。

在本發(fā)明所述的方法中，所述將所述關(guān)鍵字審計匹配的審計結(jié)果轉(zhuǎn)換成NCR編碼并顯示包括：

將所述關(guān)鍵字審計匹配的審計結(jié)果存儲于存儲器中；

將所述審計結(jié)果轉(zhuǎn)換成NCR編碼；

獲取所述NCR編碼并將其顯示于同一界面。

另一方面，提供一種網(wǎng)頁關(guān)鍵字審計的裝置，包括：

編碼格式轉(zhuǎn)換單元，用于將預(yù)設(shè)的關(guān)鍵字轉(zhuǎn)換成多種編碼格式；

多模自動機(jī)生成單元，用于將所述多種編碼格式組成關(guān)鍵字策略并生成多模自動機(jī)；

審計匹配單元，用于使用所述多模自動機(jī)對網(wǎng)頁內(nèi)容進(jìn)行關(guān)鍵字審計匹配；

轉(zhuǎn)換顯示單元，用于將所述關(guān)鍵字審計匹配的審計結(jié)果轉(zhuǎn)換成NCR編碼并顯示。

在本發(fā)明所述的裝置中，所述多種編碼格式包括：GB2312、GB18030、UTF-8、GBK、unicode-16、BIG5、BIG5HKSCS、EUC、Shift-JIS、NCR、Windows-1256、ISO-8859-6、CP874、EUC-KP、CP1258。

在本發(fā)明所述的裝置中，所述多模自動機(jī)生成單元包括：

關(guān)鍵字組成模塊，用于將所述多種編碼格式組成關(guān)鍵字策略；

生成模塊，依據(jù)所述關(guān)鍵字策略生成多模自動機(jī)。

在本發(fā)明所述的裝置中，所述審計匹配單元包括：

匹配模塊，用于依據(jù)預(yù)設(shè)的關(guān)鍵字從網(wǎng)頁的第一個字符開始匹配；

審計模塊，用于依據(jù)所述關(guān)鍵字將所匹配的網(wǎng)頁內(nèi)容生成一條關(guān)鍵字策略并對其進(jìn)行審計。

在本發(fā)明所述的裝置中，所述轉(zhuǎn)換顯示單元包括：

存儲模塊，用于將所述關(guān)鍵字審計匹配的審計結(jié)果存儲于存儲器中；

轉(zhuǎn)換模塊，用于將所述審計結(jié)果轉(zhuǎn)換成NCR編碼；

顯示模塊，用于獲取所述NCR編碼并將其顯示于同一界面。

上述公開的一種網(wǎng)頁關(guān)鍵字審計的方法及裝置具有以下有益效果：通過多編碼對網(wǎng)頁的審計匹配，使網(wǎng)頁關(guān)鍵字識別精度高，識別速度快。

附圖說明

圖1為本發(fā)明提供的一種網(wǎng)頁關(guān)鍵字審計的方法流程圖；

圖2為本發(fā)明提供的多模自動機(jī)的原理示意圖；

圖3為本發(fā)明提供的一種網(wǎng)頁關(guān)鍵字審計的裝置框圖。

具體實施方式

為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖及實施例，對本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實施例僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

本發(fā)明提供一種網(wǎng)頁關(guān)鍵字審計的方法及裝置，其目的在于，使用多種編碼對網(wǎng)頁進(jìn)行匹配審計，從而最大限度的提高審計的精確性。

參見圖1，圖1為本發(fā)明提供的一種網(wǎng)頁關(guān)鍵字審計的方法流程圖，該網(wǎng)頁關(guān)鍵字審計的方法包括：

S1、將預(yù)設(shè)的關(guān)鍵字轉(zhuǎn)換成多種編碼格式；例如，在審計系統(tǒng)中，下發(fā)個關(guān)鍵字“新聞”。所述多種編碼格式包括：GB2312(GB2312編碼適用于漢字處理、漢字通信等系統(tǒng)之間的信息交換)、GB18030(該編碼格式適用于漢字處理、漢字通信等系統(tǒng)之間的信息交換)、UTF-8(8-bit Unicode Transformation Format)、GBK(Chinese Internal Code Specification)、unicode-16(統(tǒng)一碼)、BIG5(大五碼)、BIG5HKSCS(大五碼)、EUC(Extended Unix Code)、Shift-JIS(一個日本電腦系統(tǒng)常用的編碼表)、NCR(數(shù)字字符引用)、Windows-1256(Windows編碼格式)、ISO-8859-6(ISO編碼格式)、CP874(泰文編碼格式)、EUC-KP(Extended Unix Code)、CP1258(外文編碼格式)等等。例如，將關(guān)鍵字“新聞”轉(zhuǎn)換成GB2312、GB18030、UTF-8、GBK、unicode-16、BIG5、BIG5HKSCS、EUC、Shift-JIS、NCR、Windows-1256、ISO-8859-6、CP874、EUC-KP、CP1258等的編碼格式，然后組成一條含有多種編碼關(guān)鍵字的策略。

S2、將所述多種編碼格式組成關(guān)鍵字策略并生成多模自動機(jī)；將所有的策略關(guān)鍵字生成一個多模自動機(jī)。匹配的內(nèi)容生成一條一條的策略，快速高效的完成審計。該步驟S2包括以下子步驟：

S21、將所述多種編碼格式組成關(guān)鍵字策略；

S22、依據(jù)所述關(guān)鍵字策略生成多模自動機(jī)。

S3、使用所述多模自動機(jī)對網(wǎng)頁內(nèi)容進(jìn)行關(guān)鍵字審計匹配；數(shù)據(jù)包進(jìn)入多模自動機(jī)后，從網(wǎng)頁的第一個字符開始匹配，直到自動機(jī)完成匹配工作。該步驟S3包括以下子步驟：

S31、依據(jù)預(yù)設(shè)的關(guān)鍵字從網(wǎng)頁的第一個字符開始匹配；參見圖2，圖2為本發(fā)明提供的多模自動機(jī)的原理示意圖。圖中，關(guān)鍵字1為abcd，關(guān)鍵字2為bfi，關(guān)鍵字3為d。網(wǎng)頁初始位置為O，關(guān)鍵字4為a，關(guān)鍵字5為ab，關(guān)鍵字6為abc，關(guān)鍵字1為abcd，故通過關(guān)鍵字4，5，6即可匹配至關(guān)鍵字1；同理，關(guān)鍵字7為b，關(guān)鍵字8為bf，關(guān)鍵字2為bfi；關(guān)鍵字3為d。

S32、依據(jù)所述關(guān)鍵字將所匹配的網(wǎng)頁內(nèi)容生成一條關(guān)鍵字策略并對其進(jìn)行審計。例如，獲取一整個網(wǎng)頁所有的內(nèi)容，匹配完該整個網(wǎng)頁的所有內(nèi)容，通過如圖2所示的多模自動機(jī)對其進(jìn)行審計。

S4、將所述關(guān)鍵字審計匹配的審計結(jié)果轉(zhuǎn)換成NCR編碼并顯示，從而將多種編碼格式的內(nèi)容顯示于同一界面。審計結(jié)果轉(zhuǎn)換為NCR編碼保存在存儲器中，審計系統(tǒng)獲取這種編碼格式的數(shù)據(jù)顯示，達(dá)到多種編碼格式內(nèi)容正確顯示于一個界面。該步驟S4包括以下子步驟：

S41、將所述關(guān)鍵字審計匹配的審計結(jié)果存儲于存儲器中；

S42、將所述審計結(jié)果轉(zhuǎn)換成NCR編碼；

S43、獲取所述NCR編碼并將其顯示于同一界面。即將多種編碼格式的內(nèi)容顯示于一個界面中。

由于網(wǎng)頁存在不同的內(nèi)容編碼格式，為了最大限度的提高審計的精確性，關(guān)鍵字多語言匹配的方法在內(nèi)容審計關(guān)鍵字設(shè)置時，分別將內(nèi)容關(guān)鍵字轉(zhuǎn)換為GB2312、GB18030、UTF-8、BIG5、NCR的數(shù)據(jù)格式同時進(jìn)行審計匹配，高速精準(zhǔn)的匹配關(guān)鍵字。在混合多種編碼格式的網(wǎng)頁中，為避免原始網(wǎng)頁中內(nèi)容編碼與審計系統(tǒng)中界面編碼沖突，所有審計結(jié)果轉(zhuǎn)換為NCR編碼顯示。

參見圖3，圖3為本發(fā)明提供的一種網(wǎng)頁關(guān)鍵字審計的裝置100框圖，該裝置100包括：

編碼格式轉(zhuǎn)換單元1，用于將預(yù)設(shè)的關(guān)鍵字轉(zhuǎn)換成多種編碼格式；

多模自動機(jī)生成單元2，用于將所述多種編碼格式組成關(guān)鍵字策略并生成多模自動機(jī)；

審計匹配單元3，用于使用所述多模自動機(jī)對網(wǎng)頁內(nèi)容進(jìn)行關(guān)鍵字審計匹配；

轉(zhuǎn)換顯示單元4，用于將所述關(guān)鍵字審計匹配的審計結(jié)果轉(zhuǎn)換成NCR編碼并顯示。

優(yōu)選的，所述多種編碼格式包括：GB2312、GB18030、UTF-8、GBK、unicode-16、BIG5、BIG5HKSCS、EUC、Shift-JIS、NCR、Windows-1256、ISO-8859-6、CP874、EUC-KP、CP1258。

優(yōu)選的，所述多模自動機(jī)生成單元2包括：

關(guān)鍵字組成模塊，用于將所述多種編碼格式組成關(guān)鍵字策略；

生成模塊，依據(jù)所述關(guān)鍵字策略生成多模自動機(jī)。

優(yōu)選的，所述審計匹配單元3包括：

匹配模塊，用于依據(jù)預(yù)設(shè)的關(guān)鍵字從網(wǎng)頁的第一個字符開始匹配；

審計模塊，用于依據(jù)所述關(guān)鍵字將所匹配的網(wǎng)頁內(nèi)容生成一條關(guān)鍵字策略并對其進(jìn)行審計。

優(yōu)選的，所述轉(zhuǎn)換顯示單元4包括：

存儲模塊，用于將所述關(guān)鍵字審計匹配的審計結(jié)果存儲于存儲器中；

轉(zhuǎn)換模塊，用于將所述審計結(jié)果轉(zhuǎn)換成NCR編碼；

顯示模塊，用于獲取所述NCR編碼并將其顯示于同一界面。

上面結(jié)合附圖對本發(fā)明的實施例進(jìn)行了描述，但是本發(fā)明并不局限于上述的具體實施方式，上述的具體實施方式僅僅是示意性的，而不是限制性的，本領(lǐng)域的普通技術(shù)人員在本發(fā)明的啟示下，在不脫離本發(fā)明宗旨和權(quán)利要求所保護(hù)的范圍情況下，還可做出很多形式，這些均屬于本發(fā)明的保護(hù)之內(nèi)。