基于Web内容的一种数据自动抽取方法

• 作者: 朱永生 王军
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: Web抽取 html 锚 变换 Asp. Net
• 年，卷（期）: 2012,（5）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 87-89,93
• 分类号: TP301
• 字数: 3906字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2012.05.022

摘要

Web的迅速发展,使其日益成为人们查找有用数据的重要来源,但是Web站点主题各异、形式多样、结构不同,其页面组织结构很难用系统的方法来有效抽取目标数据.文中将使用Asp.Net技术开发一种基于Web内容的数据自动抽取方法.首先选择目标数据源并自动调用获取其静态htnl文档内容,然后根据约定规则生成网页描述文件,分析html文档,设定目标锚,最后利用正则表达式和c#技术自动抽取目标数据并生成所需Web页面.这种数据自动抽取方法可以使Web用户快捷地从结构化、半结构化网页中抽取其所需的数据信息.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王军	南京信息工程大学网络信息中心	65	243	8.0	12.0
2	朱永生	南京信息工程大学网络信息中心	5	25	3.0	5.0