Web信息抽取系统的设计

• 作者: 刘斌 张晓婧
• 来源期刊: 微型电脑应用
• 学科: 工学
• 关键词: Web信息抽取 主题精选 DOM树 XPath XSLT
• 年，卷（期）: 2013,（3）
• 所属期刊栏目: 研究与设计
• 页码范围: 8-10
• 页数: 3页
• 分类号: TP311
• 字数: 2777字
• 语种: 中文

摘要

为了获取分散Web页面中隐含信息,设计了Web信息抽取系统.该系统首先使用一种改进的HITS主题精选算法进行信息采集；然后对Web页面的HTML结构进行文档的数据预处理；最后,基于DOM树的XPath绝对路径生成算法来获取被标注结点的XPath表达式,并使用XPath语言结合XSLT技术来编写抽取规则,从而得到结构化的数据库或XML文件,实现了Web信息的定位和抽取.通过一个购物网站的抽取实验证明,该系统的抽取效果良好,可以实现相似Web页面的批量抽取.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘斌	陕西科技大学电气与信息工程学院	53	113	5.0	9.0
2	张晓婧	陕西科技大学电气与信息工程学院	4	4	1.0	2.0