正则表达式在批量新闻网页处理中的应用

• 作者: 唐壹勋
• 来源期刊: 福建电脑
• 学科: 工学
• 关键词: 网页清洗 正则表达式 批量网页文本
• 年，卷（期）: 2008,（3）
• 所属期刊栏目: 应用与开发
• 页码范围: 117-118
• 页数: 2页
• 分类号: TP3
• 字数: 2848字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-2782.2008.03.072

摘要

本文首先简要介绍了网页清洗技术,然后指出了新闻网页的特征并做了结构分析,在此基础上使用了正则表达式来解析批量新闻网页中的HTML代码,并最终获得新闻文本内容.本文研究所获取的实验数据可以为WEB中新闻的信息检索和挖掘工作服务.