基于标记窗的网页正文信息提取方法

• 作者: 刘玉树 索红光 赵欣欣
• 来源期刊: 计算机应用研究
• 关键词: 标记窗 提取 文档对象模型
• 年，卷（期）: 2007,（3）
• 所属期刊栏目: 信息安全
• 页码范围: 144-145,180
• 页数: 3页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2007.03.042

摘要

提出了基于标记窗的网页正文信息提取方法.该方法不仅适合于处理一个网页中所有正文信息均放在一个td 中的情况,也适合于处理网页正文放在多个td中的情况,还可以处理网页正文文字短到与网页其余部分文字(如广告、导航条、版权)长度相当的情况.尤其重要的是,它能够解决非Table 结构的网页正文提取问题.实验表明,该方法可以提高网页正文提取的准确率,适用性强.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘玉树	北京理工大学计算机科学技术学院	150	2634	25.0	46.0
2	索红光	北京理工大学计算机科学技术学院	10	380	6.0	10.0