基于XPath比较的Web数据抽取方法

• 作者: 张凌 董守斌 陈晓锋
• 来源期刊: 郑州大学学报（理学版）
• 学科: 工学
• 关键词: Web数据抽取 XPath比较 XERG 正则表达式
• 年，卷（期）: 2007,（2）
• 页码范围: 161-166
• 页数: 6页
• 分类号: TP3
• 字数: 4293字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-6841.2007.02.038

摘要

研究了从包含多个数据块的页面中抽取数据的方法.通过对比各个数据块的XPath,发现这些数据块具有相似的XPath,提出一种基于XPath比较的数据块抽取规则生成算法XERG.得到各个数据块抽取规则之后,块内的信息可以使用相对XPath或者正则表达式的方法来进行抽取.实验结果表明,该方法能够准确地获得各个数据块,正确抽取块内信息.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张凌	华南理工大学广东省计算机网络重点实验室	142	1178	18.0	28.0
2	董守斌	华南理工大学广东省计算机网络重点实验室	60	696	10.0	25.0
3	陈晓锋	华南理工大学广东省计算机网络重点实验室	1	11	1.0	1.0