什么算法有助于识别DOM中的重复序列?

“相关”是一个非常笼统的术语,因为它在很大程度上取决于实际数据是什么,以及您试图推断的关系是什么。我不太明白你为什么说“重复序列”是“关联性”的衡量标准。严格地说,DOM中并没有真正的“序列”——它是一棵树,所以您只能讨论父/子关系或兄弟关系的排序(因此也就是排序)。我不确定你是不是指这些。

也就是说,关于DOMs,你可以说一些事情。它们是树,所以你基本上是在寻找形状相似的子树,我猜?

你可以采取的一种方法是采用两个这样的DOM,通过添加边(使整个事物成为一个连通图),尝试将相似的节点(例如,具有已知属性或特定节点的节点)关联起来,然后计算 clique .

除此之外,如果没有更完整的问题描述,我不确定有没有更具体的方法可以推荐。

你只需要选择一个“绝对有趣”的节点,并创造一个良好的相似关系;那么所有相似的节点都会很有趣。相似性可能基于以下因素:到根的路径高度、属性值、标记名、兄弟节点之间的位置,以及多个级别的父节点的所有这些因素。我使用了这种方法,效果出人意料地好。