基于网页Title标签的正文提取方法

• 作者: 苏秀芝
• 来源期刊: 福建电脑
• 关键词: DOM 相关度 标签
• 年，卷（期）: 2016,（4）
• 所属期刊栏目: 基金项目论文
• 页码范围: 43-44
• 页数: 2页
• 字数: 1802字
• 语种: 中文
• DOI: 10.16707/j.cnki.fjpc.2016.04.018

摘要

随着信息技术的飞速发展，Web页面复杂多样的特点越来越明显，传统网页正文提取方法比较复杂。针对这种情况，提出一种简单的基于网页Title标签的正文提取方法。该算法首先对网页进行预处理，然后提取出网页的标题，再把网页转换为DOM树，统计各项值，通过计算相关度实现网页正文提取。实验结果表明，该方法能够高效地提取复杂页面的正文信息。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	苏秀芝		24	26	2.0	4.0