基于XML的Web数据抽取研究

• 作者: 余丽 吕锋
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: XML Web 数据抽取
• 年，卷（期）: 2007,（6）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 53-55
• 页数: 3页
• 分类号: TP274+.2
• 字数: 2520字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2007.06.016

摘要

文中介绍了三种常用的Web数据抽取的方法:直接解析HTML文档的方法,基于XML的方法(也称作为分析HTML层次结构的方法)以及基于概念建模的方法.重点研究其中的基于XML的数据抽取方法,基本做法是将原始的HTML文档通过一个过滤器检查并修改HTML文档的语法结构,从而形成一篇基于XML的XHTML,然后利用XML工具来处理这些HTML文档.实现了从非结构化的HTML文档向结构化的XML文档转化的预处理过程,给在Web挖掘中使用传统的数据抽取方法进行数据抽取创造了有利条件.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吕锋		83	920	15.0	27.0
2	余丽		5	35	3.0	5.0