基于XPath路径定位的HTML文档句子级智能标注方法及系统

本发明公开了基于XPath路径定位的HTML文档句子级智能标注方法及系统，涉及计算机文档处理与数据标注技术领域，构建“净化‑沙盒‑事件拦截”三层安全架构，通过DOMPurify净化、iframe沙盒隔离和事件拦截机制，为处理不可信HTML文档提供可靠保障；识别HTML文档中的句子边界，将标注粒度从传统的段落级提升至句子级；将XPath路径技术用于HTML文档句子级标注定位，通过生成精准且灵活的定位表达式，提升标注的定位精度与稳定性；设计XPath路径和文本摘要的联合索引机制，解决文档结构变化后标注易丢失的技术难题，提升标注恢复成功率。本发明实现了对HTML文档进行句子级精细化、安全化智能标注。