基于DOM的Web信息提取

CORC > 软件研究所 > 软件所图书馆 > 期刊论文

	基于DOM的Web信息提取
	李效东 ; 顾毓清
刊名	计算机学报
	2002
卷号	25 期号:5 页码:526-533
关键词	归纳学习文档对象模型路径表达式 XML 信息提取提取规则浏览器归纳学习算法重要构件语言页面信息信息抽取数据交换基础设计机器处理获取信息规则生成对象模型层次结构数据源包装器半自动坐标组成
ISSN号	0254-4164
其他题名	dom-based information extraction for the web sources
中文摘要	当前,Web已经成为人们获取信息的主要渠道之一.然而,用于表达Web页面信息的HTML语言存在着与生俱来的缺点.HTML的"标记"只是告诉浏览器软件如何显示所定义的信息,却不包含任何语义.因此由HTML语言所表述的Web页面经过浏览器分析后只适合人们浏览,不适合作为一种数据交换的方式由机器处理.该文以文档对象模型DOM为基础,把所要提取的信息在DOM层次结构中的路径作为信息抽取的"坐标",并以这个基本原理为基础设计了一种归纳学习算法来半自动地生成提取规则,然后根据提取规则生成Java类.生成的Java类可
收录类别	wanfang
语种	中文
公开日期	2011-07-29
内容类型	期刊论文
源URL	[http://124.16.136.157/handle/311060/13360]
专题	软件研究所_软件所图书馆_期刊论文
推荐引用方式 GB/T 7714	李效东,顾毓清. 基于DOM的Web信息提取[J]. 计算机学报,2002,25(5):526-533.
APA	李效东,&顾毓清.(2002).基于DOM的Web信息提取.计算机学报,25(5),526-533.
MLA	李效东,et al."基于DOM的Web信息提取".计算机学报 25.5(2002):526-533.