基于分块的网页内容提取算法的研究

• 作者: 杨丽萍
• 来源期刊: 数字技术与应用
• 学科: 工学
• 关键词: 网页正文提取 分块 网页标题 网页
• 年，卷（期）: 2012,（12）
• 页码范围: 99-100
• 分类号: TP301.6
• 字数: 3234字
• 语种: 中文

摘要

目前针对于网页分块的正文提取方法很多.一些学者提出,利用标签的数量来判断目标网页采用何种标签对网页进行结构布局,然后针对某一单一标签,对网页进行分块,这种方法针对与大多数利用标准化XHTML排版的网页是可行的,但是对于很多利用松散标准的HTML网页,其排版布局的标签分布不均,很难准确的提取正文内容;利用预先设置的搜索窗口,准确的分离正文段落和相邻的非正文段落.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨丽萍		8	10	2.0	3.0