针对模板生成网页的一种数据自动抽取方法

• 作者: 杨少华 林海略 韩燕波
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: Web 自动数据抽取 信息抽取 模板发现 Wrapper生成
• 年，卷（期）: 2008,（2）
• 所属期刊栏目: Deep Web数据集成
• 页码范围: 209-223
• 页数: 15页
• 分类号: TP311
• 字数: 2483字
• 语种: 中文
• DOI: 10.3724/SP.J.1001.2008.00209

摘要

当前,Web上的很多网页是动态生成的,网站根据请求从后台数据库中选取数据并嵌入到通用的模板中,例如电子商务网站的商品描述网页.研究如何从这类由模板生成的网页中检测出其背后的模板,并将嵌入的数据(例如商品名称、价格等等)自动地抽取出来.给出了模板检测问题的形式化描述,并深入分析模板产生网页的结构特征.提出了一种新颖的模板检测方法,并利用检测出的模板自动地从实例网页中抽取数据.与其他已有方法相比,该方法能够适用于"列表页面"和"详细页面"两种类型的网页.在两个第三方的测试集上进行了实验,结果表明,该方法具有很高的抽取准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韩燕波		2	148	2.0	2.0