正则表达式与XML配置文件相结合的数据提取

• 作者: 楼新远 苏秀芝
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 网页框架 正则表达式 数据提取 XML
• 年，卷（期）: 2009,（9）
• 所属期刊栏目: 数据处理
• 页码范围: 30-31,35
• 页数: 3页
• 分类号: TP393
• 字数: 1446字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2009.09.009

摘要

针对特定搜索引擎的实际需求,需要从网站中提取有效的数据作为它的数据源.本文通过对网页内部结构的分析,利用正则表达式与XML配置文件相结合的方法,建立了基于特定网页的框架和规则的数据内容提取方法,并加以实现.该方法成功运用到多个信息提取系统中,实现了高效、准确的数据提取.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	楼新远	西南交通大学信息科学与技术学院	38	293	9.0	15.0
2	苏秀芝	西南交通大学信息科学与技术学院	1	6	1.0	1.0