xScraper:基于Web-Harvest技术批量与深度获取无结构化Web信息

• 作者: 朱凯 朱焱
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: Web信息提取 xScraper系统 Web-Harvest内核技术
• 年，卷（期）: 2012,（12）
• 所属期刊栏目: 数据库与数据挖掘
• 页码范围: 145-148
• 页数: 4页
• 分类号: TP393.4
• 字数: 5214字
• 语种: 中文

摘要

通过分析Web-Harvest数据提取规则的设计原理,设计实现了一个xScraper系统.该系统的主要功能有:(1)定制设计满足不同需求的Web数据提取规则模板,驱动Web-Harvest内核进行无结构化信息提取；(2)批量可控提取同一网址中的Web信息(含图像)；(3)跨网站深度提取主题相关信息；(4)提取Web信息元数据并将其转换为XML标签；(5)实现无结构化多媒体信息的数据库管理.应用结果表明,系统提供了超出Web-Harvest的加值功能,可满足不同的信息提取需求,其简单实用,便于扩展.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱焱	西南交通大学信息科学与技术学院	33	248	8.0	14.0
2	朱凯	西南交通大学信息科学与技术学院	4	1	1.0	1.0