Web内容抽取及其数据管理方法

被引：16

作者：

张成洪

肖军建

张诚

机构：

[1] 复旦大学管理学院!上海

来源：

复旦学报(自然科学版) | 2001年 / 02期

关键词：

数据抽取; 网页包装; 规则表达式; 半(非)结构化; 模式匹配;

D O I：

10.15943/j.cnki.fdxb-jns.2001.02.012

中图分类号：

TP393 [计算机网络];

学科分类号：

081201 ; 1201 ;

摘要：

随着Internet及其相关技术的飞速发展 ,WWW已成为最大的信息集散地 .无论对企业还是个人 ,Web逐渐成为最主要的信息来源 .然而由于网站数量过多以及由此带来的信息泛滥 ,使得有用信息的获取越来越困难 .搜索引擎只能提供信息的查找范围 ,而具体的内容还要靠详细搜查 .而且网页信息都是非结构化或半结构化的 ,无法直接利用分析工具进行分析 .所以有必要提供一种网页内容自动抽取及使网页数据结构化的方法 ,来简化信息获取的过程和方便信息分析处理

引用

页码：177 / 183

页数：7