网页文本数据自动采集方法综述

• 作者: 王益强 赵静
• 来源期刊: 信息与电脑：理论版
• 学科: 工学
• 关键词: 深层网页 数据采集 DEEPWEB 网络爬虫
• 年，卷（期）: xxydnllb_2012,（9）
• 页码范围: 81-82
• 页数: 2页
• 分类号: TP393.092

摘要

随着互联网的快速发展,网页中的文本数据越来越丰富,人们对互联网数据的自动获取的需求也变得越来越高。例如,各大网站最新新闻、股票信息、天气信息、交通信息、商品信息、博客和微博信息等等。但是,由于网页开发技术的发展,往往通过传统的直接下载网页的方法很难获得所需要的数据。需要针对不同网页的具体特点,设计相应的数据采集方法。本文首先从文本数据采集的角度,对网页类型进行了划分;然后基于这个划分,归纳和整理了相应的数据采集方法;最后对这些方法进行综合对比分析。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王益强	山西省电力公司检修公司	2	5	1.0	2.0
2	赵静		1	0	0.0	0.0