基于HTML Parser的BBS信息抽取系统的设计与实现

• 作者: 宫哲 蒋琴琴 辛阳
• 来源期刊: 自动化技术与应用
• 学科: 工学
• 关键词: HTML Parser 正则匹配 爬虫 BBS 信息抽取
• 年，卷（期）: 2012,（1）
• 所属期刊栏目: 计算机应用
• 页码范围: 32-37
• 分类号: TP393.02
• 字数: 5075字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-7241.2012.01.010

摘要

针对目前BBS信息爬取时网页噪声严重的特点,研究BBS信息抽取的实现.应用HTML Parser平台以及正则匹配技术,实现BBS信息的抽取、存储.设计建立了包含网页抽取模块、网页解析模块、数据库存储模块组成的信息抽取系统.实验结果表明,此方法能有效抽取BBS信息,减少网页噪声的干扰.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	辛阳	北京邮电大学网络与交换技术国家重点实验室信息安全中心	67	425	12.0	16.0
2	宫哲	北京邮电大学网络与交换技术国家重点实验室信息安全中心	4	33	3.0	4.0
3	蒋琴琴	北京邮电大学网络与交换技术国家重点实验室信息安全中心	2	33	2.0	2.0