论文部分内容阅读
在目前的web信息提取技术中，很多都是基于HTML结构的，由于HTML结构的经常变化，使提取模板需要经常更新，而提取模板的更新需要很多领域知识。本文提出一种基于分类算法的web信息提取方法，通过将网页文本按照其显示属性的不同进行分组，以显示属性值为基础对Web页面文本进行分类，获取所关注文本，从而完成对Web页面的信息提取。这种提取方法操作简单，易于实现，对网页结构的依赖性小。