基于重复模式的Web信息抽取

摘要：

网页中的大量数据记录往往以重复的HTML结构进行有规律的组织,从而形成一致的表现形式.根据这一特征,本文给出一种基于重复模式的Web内容抽取方法.通过使用一种叫做后缀树的数据结构,分析页面结构中所包含的重复模式,进而从模式的实例中抽取出对应的数据记录.

关键词：Web信息抽取、重复模式、后缀树

所属期刊栏目：34

分类号：TP3(计算技术、计算机技术)

在线出版日期：2007-05-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：210-212,221