基于标记窗的网页正文信息提取方法

被引：32

作者：

赵欣欣 ^{[1
]}

索红光 ^{[2
]}

刘玉树 ^{[2
]}

机构：

[1] 中国兵器工业计算机应用技术研究所

[2] 北京理工大学计算机科学技术学院计算机科学工程系

来源：

计算机应用研究 | 2007年 / 03期

关键词：

标记窗; 提取; 文档对象模型;

D O I：

暂无

中图分类号：

TP393.092 [];

学科分类号：

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。

引用

页码：144 / 145+180 +180

页数：3