论文部分内容阅读
通过对现有Web信息抽取方法和当前Web网页特点的分析，发现现有抽取技术存在抽取页面类型固定和抽取结果不准确的问题，为了弥补以上两个不足，文中提出了一种基于页面分类的Web信息抽取方法，此方法能够完成对互联网上主流信息的提取。通过对页面进行分类和对页面主体的提取，分别克服传统方法抽取页面类型固定和抽取结果不够准确的问题。文中设计了一个完整的Web信息抽取模型，并给出了各功能模块的实现方法。该模型包含页面主体提取、页面分类和信息抽取等模块，并利用正则表达式自动生成抽取规则．提高_r抽取方法的通用性和准确性。