一种基于位置信息的Web页面分割方法

• 作者: 张世永 曾剑平 陈翰生
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 网页分割 HTML文档 网页浏览器 信息抽取
• 年，卷（期）: 2009,（7）
• 所属期刊栏目: 应用技术与研究
• 页码范围: 155-159
• 页数: 5页
• 分类号: TP3
• 字数: 5888字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386X.2009.07.052

摘要

提出并实现了一种针对HTML文档的页面分割方法,其目的是为了能有效提取新闻网页的正文以进行数据挖掘.基本思想是通过模拟网页浏览器的部分渲染工作,来还原HTML文档中每个标签在浏览器窗口上的显示位置,并以此对页面分割,用于提取一些重要区域的信息.在实验中,对10多个知名新闻站点如新浪、网易、TOM新闻等,利用这一方法提取其网页中的新闻正文,准确率在88.5%左右,表明了这一方法的有效性和可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张世永	复旦大学计算机与信息技术系	130	2402	24.0	46.0
2	曾剑平	复旦大学计算机与信息技术系	17	145	5.0	12.0
3	陈翰生	复旦大学计算机与信息技术系	1	8	1.0	1.0