HTML数据内容的抽取与集成

• 作者: 张礼平 欧建雄
• 来源期刊: 华东理工大学学报(自然科学版)
• 学科: 工学
• 关键词: XML HTML 数据抽取
• 年，卷（期）: 2003,（6）
• 所属期刊栏目: 研究论文
• 页码范围: 613-616
• 页数: 4页
• 分类号: TP312
• 字数: 2279字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-3080.2003.06.017

摘要

在XML基础上,利用HTML Tidy可实现轻量级的Web数据挖掘和转换.转换过程主要解决的是HTML文档及其集合要表达的模式信息的分离.转换步骤是利用HTML Tidy提供的标准类库,净化HTML文档,借助DOM生成树对HTML元素结构做进一步分析,最后通过XSL、XPATH等自动提取转换.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张礼平	华东理工大学计算机科学与工程系	13	239	10.0	13.0
2	欧建雄	华东理工大学计算机科学与工程系	5	102	4.0	5.0