Webページにおけるレイアウト情報を考慮したDOMの拡張

抄録

DOMはWebページを構成するHTML要素を操作するAPIである．DOMの問題点として，Webページにおけるレイアウト情報を参照できないことが挙げられる．例えば，TABLE要素は表を構成する以外に，ページのレイアウトを整形する目的で使われる．この場合，DOMにアクセスするアプリケーションは，TABLE要素がどちらの用途で使われているか判断できない．本研究では，DOM木を拡張し，Webページにおけるレイアウト情報が参照可能な構造へ変換する．拡張したDOM木を用いることで，HTML文書から抽出が困難な要素同士の位置関係，および要素の分類を参照することができる．