2010年09 期
标题
网页信息自动抽取技术的研究(19 卷)
英文标题
Research on automatic extraction technology of Web information
摘要
在网络舆情分析中,经常要从大量的网页信息中抽取出有用的数据。但一般的网页信息抽取技术都是基于对HTML文档的分析。本文提出网页信息自动抽取的方法,可以滤除网页噪声,快速准确地获取所需要的网页信息。该方法首先将HTML转换为结构化的XML文档,然后结合DOM4J和XPath语言
作者
新闻作者:胡少荣,孟嗣仪,刘 云,张彦超,丁 飞
关键字