| 基于标记窗的网页正文信息提取方法* |
| |
| 引用本文： | 赵欣欣,索红光,刘玉树.基于标记窗的网页正文信息提取方法*[J].计算机应用研究,2007,24(3):144-145. |
| |
| 作者姓名： | 赵欣欣 索红光 刘玉树 |
| |
| 作者单位： | 1. 中国兵器工业,计算机应用技术研究所,北京,100089
2. 北京理工大学,计算机科学技术学院,计算机科学工程系,北京,100081 |
| |
| 摘 要： | 提出了基于标记窗的网页正文信息提取方法.该方法不仅适合于处理一个网页中所有正文信息均放在一个td 中的情况,也适合于处理网页正文放在多个td中的情况,还可以处理网页正文文字短到与网页其余部分文字(如广告、导航条、版权)长度相当的情况.尤其重要的是,它能够解决非Table 结构的网页正文提取问题.实验表明,该方法可以提高网页正文提取的准确率,适用性强.
|
| 关 键 词： | 标记窗 提取 文档对象模型 基于标记 网页 信息提取 方法 Window Based Method Information Extraction 适用性强 准确率 实验 问题 结构 Table 长度 版权 导航条 广告 文字 情况 |
| 文章编号： | 1001-3695（2007）03-0144-02 |
| 修稿时间： | 2006-01-182006-04-05 |
Web Content Information Extraction Method Based on Tag Window |
| |
| ZHAO Xin xin,SUO Hong guang,LIU Yu shu.Web Content Information Extraction Method Based on Tag Window[J].Application Research of Computers,2007,24(3):144-145. |
| |
| Authors: | ZHAO Xin xin SUO Hong guang LIU Yu shu |
| |
| Abstract: | This paper proposed a Web content information extraction method based on tag window, which could deal with some special circumstances, all the Web content information was put into one td or several tds, and the character numbers of Web content information was at most equal to that of the other information, navigation bars, advertisement, and the copyright, etc. Most especially, it could extract the Web content information which was not existed as the Table format. Experiments show that this method can improve the accuracy of the Web content information extraction and has a wide applicability. |
| |
| Keywords: | tag window extraction DOM |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
| 点击此处可从《计算机应用研究》浏览原始摘要信息 |
|
点击此处可从《计算机应用研究》下载全文 |
|
