1. 制定背景
    中央政府門戶網(wǎng)站內(nèi)容主要來源于國務院辦公廳和地方政府網(wǎng)站、部門兩站。中央政府門戶網(wǎng)站獲取各級政府及部門網(wǎng)站內(nèi)容的形式主要有網(wǎng)上抓取、信息報送、網(wǎng)站鏈接和欄目共建等方式。其中網(wǎng)上抓取是中央政府門戶網(wǎng)站從各級政府及部門網(wǎng)站獲取信息的主要方式之一。
    網(wǎng)上抓取所面臨的問題是，各級政府及部門網(wǎng)站缺乏統(tǒng)一的內(nèi)容格式規(guī)范，不利于采集工具自動抓取和分析信息，部分屬性不易準確提取。為了更準確地采集和分析各級政府及部門網(wǎng)站信息，需要規(guī)范網(wǎng)站的頁面內(nèi)容格式。各級政府及部門網(wǎng)站按照統(tǒng)一要求經(jīng)過規(guī)范化修改后，中央政府門戶網(wǎng)站可以通過采集工具
實現(xiàn)準確的網(wǎng)上信息自動抓取。
    同時，為了構(gòu)建政府網(wǎng)站服務體系，實現(xiàn)政府網(wǎng)站群的聯(lián)合檢索功能，需要制定各級政府及部門網(wǎng)站檢索系統(tǒng)的接口規(guī)范。
2 名詞解釋
    服務系統(tǒng)：指各級政府及部門網(wǎng)站上提供的網(wǎng)上辦事服務系統(tǒng)、網(wǎng)上申報服務系統(tǒng)、網(wǎng)上數(shù)據(jù)查詢系統(tǒng)等網(wǎng)上應用服務系統(tǒng)。網(wǎng)上采集工具的目標不是把其中的數(shù)據(jù)內(nèi)容進行采集，而是從網(wǎng)站群上自動發(fā)現(xiàn)這些服務系統(tǒng)，獲取入口URL和相關描述信息，從而提供鏈接服務。
    聯(lián)合檢索：在中央政府門戶網(wǎng)站提供的聯(lián)合檢索功能指，系統(tǒng)能夠?qū)z索請求分發(fā)給各級政府及部門網(wǎng)站的站內(nèi)檢索系統(tǒng),并將各網(wǎng)站站內(nèi)檢索系統(tǒng)的結(jié)果統(tǒng)一合并處理后返回給查詢用戶。這樣，用戶得到的檢索結(jié)果是各級政府及部門網(wǎng)站檢索結(jié)果的合集。
3 制定目標
    為了實現(xiàn)各級政府及部門網(wǎng)站的網(wǎng)上信息抓取，制定政府網(wǎng)站的建設規(guī)范是關鍵環(huán)節(jié)。本規(guī)范圍繞信息采集和網(wǎng)頁分析功能，在保持現(xiàn)有網(wǎng)站建設模式、不增加信息通道的前提下，使符合規(guī)范的網(wǎng)站可被中央政府門戶網(wǎng)站采集工具程序自動識別，實現(xiàn)網(wǎng)站和網(wǎng)頁屬性自動標引，最大限度減少人工介入。
    本規(guī)范配合中央政府門戶網(wǎng)站采集工具的功能，實現(xiàn)以下目標:
    （1）收集并驗證網(wǎng)站信息；
    （2）準確收集各級政府及部門網(wǎng)站的政務信息；
    （3）自動發(fā)現(xiàn)并登記網(wǎng)上服務系統(tǒng)；
    （4）實現(xiàn)政府網(wǎng)站群聯(lián)合檢索；
    （5）準確分析網(wǎng)頁屬性信息。
    為實現(xiàn)上述目標，本規(guī)范制定了五方面條款，具體含義和作用說明如下:
    1．網(wǎng)站信息：用于標注網(wǎng)站和欄目的信息，比如名稱、行業(yè)、地區(qū)、欄目名稱、分類等。通過對網(wǎng)站信息的標注，不但可以使采集程序獲得網(wǎng)站的基本信息，更重要的是，可以把這些信息作為政府網(wǎng)站的檢驗標志之一，實現(xiàn)政府網(wǎng)站驗證校對。
    2．政務信息：指各級政府及部門網(wǎng)站發(fā)布的與政府業(yè)務相關的信息，包括但不限于機構(gòu)信息、法律法規(guī)、規(guī)范性文件、辦事指南等。政務信息是政府網(wǎng)站所發(fā)布的主要信息，在中央政府門戶網(wǎng)站建設中，需要將各級政府及部門網(wǎng)站所發(fā)布的政務信息進行匯總、分類，提供導航、檢索等服務。
    3．服務系統(tǒng)：在中央政府門戶網(wǎng)站建設中，需要提供網(wǎng)上服務系統(tǒng)的準確定位地址信息，方便公眾通過中央政府門戶網(wǎng)站查詢并快速到達該服務系統(tǒng)的入口網(wǎng)頁。
    4．檢索系統(tǒng)接口：許多政府網(wǎng)站提供站內(nèi)內(nèi)容檢索服務。但是網(wǎng)站所采用的檢索入口以及結(jié)果展示頁面各不相同，需要統(tǒng)一檢索系統(tǒng)接口，實現(xiàn)政府網(wǎng)站群的聯(lián)合檢索功能。
    5．網(wǎng)頁內(nèi)容：網(wǎng)頁中包含標題、正文、作者、發(fā)表日期、正文、來源等信息，但是如果沒有格式規(guī)范，網(wǎng)頁分析程序難以準確提取這些信息。通過制定統(tǒng)一的網(wǎng)頁內(nèi)容格式規(guī)范，可以實現(xiàn)網(wǎng)頁內(nèi)容的準確分析和提取。
    實現(xiàn)規(guī)范的基本方法是，在網(wǎng)頁HTML中，嵌入特定意義的標識信息，用于標注各項有意義的內(nèi)容，這些嵌入的標識信息采用HTML的meta置標，在實現(xiàn)屬性標注功能的同時，不影響網(wǎng)頁的顯示效果。
4 適用對象和范圍
    本規(guī)范適用于各級政府及部門網(wǎng)站的建設，包括國務院各部門網(wǎng)站，副省級以上地方政府網(wǎng)站。中央政府門戶網(wǎng)站采集工具將全面支持本規(guī)范，實現(xiàn)對符合規(guī)范的政府網(wǎng)站的準確數(shù)據(jù)采集。
5 制定原理和原則
5.1 制定原理
    構(gòu)成網(wǎng)頁的HTML文件邏輯上可以分為內(nèi)容（Content）和頁面展示（Style）兩部分，內(nèi)容部分包括網(wǎng)頁的標題、日期、正文、作者等數(shù)據(jù)元素，它決定了網(wǎng)頁所包含的信息；頁面展示部分包括每個元素的位置、字體、大小、顏色等，它決定了網(wǎng)頁在瀏覽器中的顯示效果。HTML文件能夠?qū)?nèi)容和頁面展示有機地結(jié)合為一體。
    本規(guī)范的制定主要從網(wǎng)頁內(nèi)容標注入手，從內(nèi)容層面對網(wǎng)頁進行標注，而忽略頁面展示層面。具體方法是，利用HTML文件的特性，在不影響網(wǎng)頁展示效果的前提下，加入各類屬性置標,規(guī)定網(wǎng)站發(fā)布內(nèi)容必須包含的信息。例如，在網(wǎng)頁中標注網(wǎng)站信息、欄目信息、標題、日期、作者、來源、服務系統(tǒng)等元數(shù)據(jù)內(nèi)容，從根本上保證其它應用對該網(wǎng)頁屬性的準確識別和提取。
5.2 規(guī)范制定原則
    各級政府及部門網(wǎng)站已經(jīng)經(jīng)歷了多年的建設，花費了設計和管理維護人員的大量心血。為了盡量減少網(wǎng)站的改動，規(guī)范制定過程中充分考慮了各級政府及部門網(wǎng)站的實際特點和改造難度，提供可行的操作規(guī)范。
5.2.1 可操作性
    規(guī)范條款簡單明了，貼近實際應用，提供明確的操作步驟，方便維護人員實施。
5.2.2 劃分等級
    為了使本規(guī)范具有更好的可行性，避免一刀切所帶來的網(wǎng)站改造壓力，采用了劃分等級的方法，方便分階段、分步驟實現(xiàn)對規(guī)范的支持。具體等級劃分和含義如下:
    ● 1級：重要程度高，實現(xiàn)緊急度高。
    ● 2級：重要程度中，實現(xiàn)緊急度高。
    ● 3級：重要程度高，實現(xiàn)緊急度低。
5.3 條款描述方法
    每項規(guī)范條款從以下方面給出描述:
    編號：規(guī)范條款編號。
    用途：給出規(guī)范條款的用途。
    等級：給出規(guī)范條款的等級。
    范圍：給出規(guī)范條款的影響范圍，范圍的描述方法包括:
        主頁：指各級政府及部門網(wǎng)站的主頁。
        欄目：指各級政府及部門網(wǎng)站上的欄目頁面。
        內(nèi)容頁：指非主頁、非欄目，包含政務信息等實際內(nèi)容的網(wǎng)頁。
        各級網(wǎng)頁：泛指各級政府及部門網(wǎng)站上的網(wǎng)頁。
        網(wǎng)頁索引文件：為向網(wǎng)站外部提供站內(nèi)網(wǎng)頁信息而專門設置的XML索引文件，它包含網(wǎng)站所發(fā)布網(wǎng)頁的索引信息。
        服務系統(tǒng)主頁：特指各個服務系統(tǒng)的入口網(wǎng)頁。
        系統(tǒng)接口：指系統(tǒng)可以提供某種形式的調(diào)用接口，實現(xiàn)請求的接收和執(zhí)行結(jié)果的返回。
    內(nèi)容：給出具體的規(guī)范內(nèi)容及標注方法。
5.4 其它說明
    規(guī)范條款描述中使用“*”號來區(qū)分必標注項和可選標注項，帶有“*”號的meta置標為必須標注項，不帶“*”號的屬性為可選項。
    條款中涉及“地區(qū)”屬性，應按照中國行政區(qū)劃中的規(guī)范地名名稱進行標注。省和市之間用半角“/”符號分隔，比如“山東省青島市”應標注為“山東省/青島市”。
    條款中涉及“行業(yè)”、“分類”等屬性，目前各單位可以自行填寫（或者暫時省略不填），在中央政府門戶網(wǎng)站制定統(tǒng)一的相關規(guī)范之后，再按統(tǒng)一規(guī)范執(zhí)行。分類標注可以支持多級，類和類之間采用半角“/”分隔。
    條款中有關“地區(qū)”、“分類”、“作者”等屬性，均可以填寫多值，多值之間采用半角分號“；”分隔。
    當有多項條款需要作用在一個網(wǎng)頁上時，把各項條款需要在網(wǎng)頁上所作的標注內(nèi)容進行簡單累加即可。
    為了滿足政府網(wǎng)站將來發(fā)展的需要，本規(guī)范中網(wǎng)頁置標的格式遵循XHTML規(guī)范，網(wǎng)頁標簽的元素和內(nèi)容全部采用英文小寫，并且網(wǎng)頁標簽閉合。
6 規(guī)范條款
6.1 網(wǎng)站信息規(guī)范
6.1.1 主頁標注
    編號：No.1
    說明：在各級政府及部門網(wǎng)站的主頁上給出網(wǎng)站名稱、主頁URL、行業(yè)、地域、分類等屬性。
    用途：該屬性是網(wǎng)站的一項重要屬性，用于標注網(wǎng)站的名稱和屬性。
    等級：1。
    范圍：主頁。
    內(nèi)容：在主頁（一般為index.html/index.htm/index.asp/index.jsp等）HTML文件中，在<head>區(qū)域內(nèi)用meta置標的方式給出網(wǎng)站名稱、主頁URL、行業(yè)、地區(qū)、分類。格式描述：
    *<meta name="sitename"content="[網(wǎng)站名稱]"/>
    *<meta name="siteurl"content="[URL地址]"/>
    <meta name="guild"content="[行業(yè)]"/>
    *<meta name="district"content="[地區(qū)]"/>
    <meta name="sitecatalog"content="[分類]"/>
    其中，“網(wǎng)站名稱”是指網(wǎng)站的正式名稱。例如：
    <meta name="sitename"content="中國農(nóng)業(yè)信息網(wǎng)"/>
    <meta name="siteurl"content="http://www.agri.gov.cn/"/>
    <meta name="guild"content="農(nóng)業(yè)"/>
    <meta name="district"content="北京市"/>
    <meta name="sitecatalog"content="農(nóng)業(yè)"/>
6.1.2 欄目標注
    編號：No.2
    說明：在各級政府及部門網(wǎng)站的欄目頁面上標注欄目屬性。
    用途：利用該標注可以獲得網(wǎng)頁所屬的欄目信息。
    等級：3。
    范圍：欄目。
    內(nèi)容：在欄目HTML文件中，在<head>區(qū)域內(nèi)用meta置標的方式標注欄目名稱。
    格式描述:
    *<meta name="channel"content="[欄目名稱]"/>
    *<meta name="chnlcatalog"content="[分類]"/>
    例如:
    <meta name="channel"content="三講教育"/>
    <meta name="chnlcatalog"content="政治/三講教育"/>
6.2 政務信息規(guī)范
6.2.1 政務信息標注（1）
    編號：No.3
    說明：在各級政府及部門網(wǎng)站的主頁上標注政務信息。
    用途：對網(wǎng)站的政務信息進行標注。
    等級：l。
    范圍：主頁。
    內(nèi)容：在主頁HTML文件中，用meta置標的方式，將包含政務信息的欄目列出，如果多個欄目中包含政務信息，則可以為每個欄目填寫一個meta置標。格式描述:
     *<meta name="serve"content="[欄目URL],[分類],[地區(qū)]"/>
    其中,“分類”是指政務信息的分類屬性，可以是法律法規(guī)、政策解釋、辦事指南等；“地區(qū)”是指政務信息的地域?qū)傩?；屬性之間用半角逗號“,”分隔。
    例如：
    <meta name="serve"content="http://www.beijing.gov.cn/fg/def
ault.htm,法律法規(guī),北京市"/>
6.2.2 政務信息標注（2）
    編號：No.4
    說明：在網(wǎng)頁中標注本網(wǎng)頁為一條政務信息。
    用途：用于對網(wǎng)站中政務信息網(wǎng)頁進行標注。
    等級：3。
    范圍：內(nèi)容頁。
    內(nèi)容：在內(nèi)容頁的HTML文件中，在<head>區(qū)域內(nèi)用meta置標的方式標注政務信息。格式描述：
    *<meta name="serve"content="[分類],[地區(qū)]"/>
    其中，“分類”是指政務信息的分類屬性,可以是法律法規(guī)、政策解釋、辦事指南等；“地區(qū)”是指政務信息的地域?qū)傩裕粚傩灾g用半角逗號“,”分隔。
    例如:
    <meta name="serve"content="法律法規(guī),北京市"/>
6.3 服務系統(tǒng)規(guī)范
6.3.1 服務系統(tǒng)標注
    編號：No.5
    說明：在各級政府及部門網(wǎng)站的主頁上給出所包含的服務系統(tǒng)信息。
    用途：對于包含應用系統(tǒng)（比如“機動車違章查詢系統(tǒng)”，“在線招投標系統(tǒng)”等）的網(wǎng)站，通過在主頁上對這些服務系統(tǒng)的基本信息進行標注，即可實現(xiàn)這些服務系統(tǒng)被自動收集和整合的目的。
    等級：1。
    范圍：主頁。
    內(nèi)容：在主頁的HTML文件中，在<head>區(qū)域內(nèi)用meta置標的方式給出本網(wǎng)站服務系統(tǒng)的基本信息。如果一個網(wǎng)站有多個服務系統(tǒng)，則可以為每個應用填寫一個meta置標。格式描述:
    *<meta name="services"content="[網(wǎng)上服務名稱],[服務入口URL],[分類],[地區(qū)]"/>
    屬性之間用半角逗號“,”分隔。例如:
    <meta name="services"content="北京市公安局公安交通管理局車輛違法查詢,http://www.bjjtgl.gov,cn,公安,北京市"/>
6.4 檢索系統(tǒng)規(guī)范
6.4.1 檢索系統(tǒng)接口
    編號：No.6
    說明：對各級政府及部門網(wǎng)站的站內(nèi)檢索服務提出規(guī)范化要求。
    用途：用于實現(xiàn)政府網(wǎng)站群聯(lián)合檢索。
    等級：2。
    范圍：系統(tǒng)接口。
    內(nèi)容：為了實現(xiàn)政府網(wǎng)站群的聯(lián)合檢索，對各級政府及部門網(wǎng)站目前的站內(nèi)檢索系統(tǒng)提出規(guī)范化要求?；舅枷胧?，各網(wǎng)站實現(xiàn)一套統(tǒng)一的檢索接口，包括能夠接受統(tǒng)一格式要求的HTTP檢索請求，并返回統(tǒng)一格式要求的檢索結(jié)果頁面。
    （1）接收統(tǒng)一的HTTP檢索請求:
    站點檢索系統(tǒng)能夠接收以下格式提交的檢索請求：
    http://[hostname]/[程序名]?query=[檢索條件]&page=[頁碼]&
count=[每頁數(shù)目]&export=xml
    其中，“程序名”、“檢索條件”、“頁碼”、“每頁數(shù)目”是可變參數(shù)，可由聯(lián)合檢索程序設置，分別表示調(diào)用的檢索程序名、檢索條件、取結(jié)果的頁碼編號、每頁包含的網(wǎng)頁數(shù)。
    “檢索條件”是gb18030（兼容gb2312和gbk）或utf-8兩種編碼之一；檢索的詞間關系支持“and”運算，使用半角空格分隔（比如“北京 美國”表示檢索“中國”和“美國”同時出現(xiàn)的文章）。頁碼取值范圍l—l0；每頁數(shù)目取值范圍10—20，一般取10或20，對于超出上述取值范圍的請求，檢索系統(tǒng)可以不支持。
    聯(lián)合檢索應用程序會將經(jīng)過URL編碼的請求發(fā)送給站點檢索系統(tǒng)。例如，檢索詞為“北京”的檢索請求可能為：
    http://www.xinhuanet.com/search?query=%B1%B1%BE%A9&page=l&count=20&export=xml
    為了實現(xiàn)站點檢索系統(tǒng)的安全調(diào)用，除了上述基本檢索方式之外，系統(tǒng)還提供一種安全檢索方式，對于對安全性有較高要求的網(wǎng)站，通過實現(xiàn)安全訪問接口，達到安全訪問的目的。
    安全調(diào)用的基本思路是，中央政府門戶網(wǎng)站的聯(lián)合檢索應用程序?qū)z索請求進行加密處理，各級政府及部門網(wǎng)站的站內(nèi)檢索系統(tǒng)對檢索請求進行解密，只有經(jīng)過正確解密的請求才被認為是合法的檢索請求，其它檢索請求不被響應。這樣可以屏蔽非法的檢索請求，減輕系統(tǒng)的運行壓力。
    具體做法是，利用RSA加密算法生成一對鑰匙——公鑰和私鑰，公鑰由中央政府門戶網(wǎng)站公開給各級政府及部門網(wǎng)站的站內(nèi)檢索系統(tǒng)使用，私鑰在中央政府門戶網(wǎng)站聯(lián)合檢索應用中使用。聯(lián)合檢索應用程序首先利用私鑰對正常檢索請求的URL串進行加密，形成一個加密的URL串，表現(xiàn)為:
    http://[hostname]/[程序名]?search=[加密字符串]
    其中，“加密字符串”為原表達式“query=[檢索條件]&page
=[頁碼]&count=[每頁數(shù)目]&export=xml”經(jīng)過私鑰加密后的字符串。
    聯(lián)合檢索應用程序?qū)ι鲜黾用?/span>URL進行URL編碼后發(fā)送給各級政府及部門網(wǎng)站的站內(nèi)檢索系統(tǒng)。
    站內(nèi)檢索系統(tǒng)接收到加密URL的檢索請求后，首先進行URL解碼，獲得加密的URL串，然后進行認證——使用公鑰對URL串進行解密，如果能夠正確還原出“query=[檢索條件]& page=[頁碼]&count=[每頁數(shù)目]&export=xml”這樣格式的字符串，則執(zhí)行檢索并返回檢索結(jié)果，否則，認證失敗，站內(nèi)檢索系統(tǒng)不執(zhí)行檢索操作。
                                                                                                                                                               轉(zhuǎn)載：西安市人民政府網(wǎng)