论文部分内容阅读
Web数据抽取是当前的一个研究热点，目前还没有统一有效的抽取方法．在此提出一种研究思路，首先将Web页面的DOM树进行扩展，添加视觉特征和链接特征．然后计算多个相似页面的扩展DOM树中节点和子树的新颖度，接着由新颖度识别对象数据并且依据数据项角色抽取出数据，最后将对象数据保存为XML文档．通过实验分析，验证了这个方法具有较好的抽取效果．