过目不忘的网页识别能力在个人网盘笔记中的应用

• 作者: 丁小波 黄珊珊 莫崇楚 蔡茂贞
• 来源期刊: 数字化用户
• 关键词: 网页爬取 爬虫 识别
• 年，卷（期）: 2021,（47）
• 所属期刊栏目: 数字化应用
• 页码范围: 93-95
• 页数: 3页
• 语种: 中文

摘要

网页识别组件是实现网页搜索集子系统中根据url完成一篇见面爬取的线程。通过不同的命令标识符来表示不同的字体、颜色、位置等版式，爬取HTML文档，抛弃文章无关的链接，提取核心内容。