论文部分内容阅读
当前，Web上的很多网页是动态生成的＇网站根据请求从后台数据库中选取数据并嵌入到通用的模板中，例如电子商务网站的商品描述网页．研究如何从这类由模板生成的网页中检测出其背后的模板，并将嵌入的数据（例如商品名称、价格等等）自动地抽取出来．给出了模板检测问题的形式化描述，并深入分析模板产生网页的结构特征．提出了一种新颖的模板检测方法，并利用检测出的模板自动地从实例网页中抽取数据与其他已有方法相比，该方法能够适用于“列表页面”乖“详细页面”两种类型的网页．在两个第三方的测试集上进行了实验，结果表明，该方法具有很高