Web内容抽取及其数据管理方法

• 作者: 张成洪 张诚 肖军建
• 来源期刊: 复旦学报(自然科学版)
• 学科: 社会科学
• 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
• 年，卷（期）: 2001,（2）
• 页码范围: 177-183
• 页数: 7页
• 分类号: C903.1
• 字数: 4972字
• 语种: 中文
• DOI: 10.3969/j.issn.0427-7104.2001.02.012

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张成洪	复旦大学管理学院	36	666	14.0	25.0
2	张诚	复旦大学管理学院	26	214	7.0	14.0
3	肖军建	复旦大学管理学院	2	72	2.0	2.0