正则表达式与XML配置文件相结合的数据提取

摘要：

针对特定搜索引擎的实际需求,需要从网站中提取有效的数据作为它的数据源.本文通过对网页内部结构的分析,利用正则表达式与XML配置文件相结合的方法,建立了基于特定网页的框架和规则的数据内容提取方法,并加以实现.该方法成功运用到多个信息提取系统中,实现了高效、准确的数据提取.

关键词：网页框架、正则表达式、数据提取、XML

分类号：TP393(计算技术、计算机技术)

在线出版日期：2009-11-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：30-31,35