基于主题型页面的正文信息抽取技术研究 |
| |
引用本文: | 万文兵.基于主题型页面的正文信息抽取技术研究[J].计算机光盘软件与应用,2015(1):15-16. |
| |
作者姓名: | 万文兵 |
| |
作者单位: | 仪征技师学院,江苏仪征,211400 |
| |
摘 要: | Web页面信息通常包含大量无关结构和HTML标记,而页面主题信息通常淹没其中,如何快速获取Web页面主题信息。本文提出了一种抽取策略,首先判定是否为主题型页面,然后提取网页正文信息,最后利用正则表达式滤除内容块中HTML标记和无关文字。实验结果表明:该方法能准确地完成主题型网页的正文抽取任务。
|
关 键 词: | 主题型页面 网页标题 正文抽取 |
本文献已被 CNKI 万方数据 等数据库收录! |
|