文档对象模型总结

文档对象模型—简介

文档对象模型（Document Object
Model，简称DOM），是W3C组织推荐的处理可扩展置标语言的标准编程接口。它是一种与平台和语言无关的应用程序借口 (API),它可以动态地访问程序和脚本,更新其内容、结构和WWW文档的风格(目前,HTML和XML文档是通过说明部分定义的)。文档可以进一步被处理，处理的结果可以加入到当前的页面。DOW是一种基于树的API文档，它要求在处理过程中整个文档都表示在处理器中。另外一种简单的API是基于事件的SAX，它可以用于处理很大的XML文档，由于大，所以不适合全部放在存储器中处理。

DOM树结点语义扩展

为了增加DOM树结点与页面主题信息相关程度的语义信息，计算结点内容的重要度，将HTML标签的类别（Category），非连接文字数（WordNum），超连接数（LinkUum），属性集（Attibution）和影响因子（Influence）等属性添加到结点中，扩展其语义。HTML标签依据其作用可分为5类：

描述标题及页面概要信息的标签如

规划网页布局的标签:如〈table〉、〈tr〉、〈td〉、〈p〉、〈div〉等，其作用是描述网页内容的布局结构。

描述显示特点的标签:如〈b〉、〈I〉、〈strong〉、〈h1〉-〈h6〉等，其作用是强调重点内容，引起人们注意。

超链接相关的标签，表示网页间的内容相关性信息。

其他标签，如设置图像的标签〈img〉，在文本提取时将忽略这类标签