基于增量式爬取和非文本內容評估的網站無障礙檢測系統(tǒng).pdf

1、無障礙檢測是保障網頁內容無障礙訪問的基礎。在對政府網站的檢測過程中，我們發(fā)現(xiàn)曾經達到無障礙訪問要求的網站中，部分網頁新增了存在障礙的內容，例如圖片沒有替代文本。因此，為了保障檢測結果的正確性，需要檢測系統(tǒng)能夠及時地對網站新增的內容進行檢測。
　　對于這種情況，傳統(tǒng)的檢測方法是抓取整個網站進行無障礙檢測，但是，在一段時間內，政府機構網站新增加的網頁數(shù)量有限，遠低于網站總網頁數(shù)目，將整個網站的數(shù)據(jù)抓取下來進行檢測不僅費時費力，而且，短

2、期內抓取眾多的政府網站的數(shù)據(jù)也是不現(xiàn)實的。針對上述問題，本文提出了一種基于網頁分類的增量式網頁抓取方法。它是通過分析網頁的內容特征和結構特征，采用機器學習的分類方法將網頁分成索引頁面和內容頁面，進而通過索引頁面發(fā)現(xiàn)新增網頁的方法。
　　另外，通過分析我們抓取的網頁發(fā)現(xiàn)政府網站使用的網頁模板是相對固定的，而引起網站訪問障礙的大部分是網站中的非文本內容，因此對網頁中非文本內容的檢測成為無障礙檢測的重點。本文通過分析非文本內容的替代內容