藏文网页抓取及编码统一转换的系统研究

• 作者: 于洪志 李永宏 陈琪
• 来源期刊: 西北民族大学学报（自然科学版）
• 学科: 工学
• 关键词: 藏文网页 抓取 编码识别 编码转换
• 年，卷（期）: 2009,（2）
• 所属期刊栏目: 计算机应用
• 页码范围: 22-26
• 页数: 5页
• 分类号: TP393.02
• 字数: 3464字
• 语种: 中文
• DOI: 10.3969/j.issn.1009-2102.2009.02.006

摘要

藏文文本资源的收集对藏语信息处理研究有着至关重要的作用.文章在分析国内外藏文网页主要编码方式的基础上,提出了藏文网页的编码识别、自动获取与过滤,文本编码统一转换的算法.系统主要包括网页编码识别网页、自动获取、文本过滤、编码转换等几个模块.在windows平台下对系统的测试结果良好,为藏语电子文本的收集和整理提供了方便、快捷的平台.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李永宏	西北民族大学中国民族信息技术研究院	58	236	8.0	12.0
2	于洪志	西北民族大学中国民族信息技术研究院	157	612	12.0	16.0
3	陈琪	西北民族大学中国民族信息技术研究院	15	35	3.0	5.0