【摘 要】
:
随着互联网的飞速发展,目前Web上的数据泛滥,在海量的数据中人们无法快速准确地找到需要的数据,如何快速准确地得到这些数据是亟待解决的问题。Web数据抽取技术已成为当今研
论文部分内容阅读
随着互联网的飞速发展,目前Web上的数据泛滥,在海量的数据中人们无法快速准确地找到需要的数据,如何快速准确地得到这些数据是亟待解决的问题。Web数据抽取技术已成为当今研究的一个热点。利用Web数据抽取技术,通过对特定网站或网页中数据的结构进行分析,设定特定的抽取规则,可以将感兴趣的信息从中抽取出来,并保存到数据库或其他格式文件中,以供SQL或XML查询语言查询,或者供其他应用程序使用。论文从研究Web数据抽取基础开始,建立了Web数据抽取模型。首先采用Java语言设计了一个原型系统,使用基于HTML的方法进行了抽取,由于不涉及HTML文档的层次结构,该系统在抽取结果上不是很符合需求;然后通过分析HTML层次结构,利用基于XML的技术,使用XSLT文件映射的方法,可以产生针对特定网页格式良好的抽取结果,但该方法的通用性不是很好,对网页的结构的要求也比较严格;最后本文提出了一种针对特定内容的Web数据抽取方法,将半自动产生的XSLT中间表示文件与DOM相结合实现对相似内容的XML文件进行映射抽取。该方法在一定程度上满足了通用性,并以针对特定内容(新闻网)为例进行了分析,实验结果表明该方法具有一定的可行性。
其他文献
随着科技的进步和人民生活水平的日益提高,人们将注意力越来越多地放在了他们的生活环境上,他们渴望更安全、更舒适、更便利的生活空间。家居安防系统利用计算机技术和网络技
钻机PLC控制系统的设计与应用是针对钻井生产的需要,将自动控制技术应用于钻机的电气控制系统中,实现了先进技术在钻井生产中的结合与应用。随着PLC控制技术的日趋成熟,将PLC
电磁炮是利用电磁力加速弹丸的新概念武器,具有炮口速度高、能量利用率高、性能优良和可控性好等远胜于传统火炮的优点。轨道炮和线圈炮是电磁炮的基本类型,但它们互有优劣,
<正>糖墩儿,有地方称糖葫芦,有的地方叫糖球。河北省任丘市吕公堡镇的后李花村每年的正月十五,都会举办糖墩儿节,且这一风俗习惯已被列入沧州市级非物质文化遗产保护项目名录
大山岩储层是一种特殊的油气储层。火山岩储层的发育在很大程度上依赖于储层的岩性岩相特征,主要为玄武岩、安山岩、以及自碎角砾熔岩,包括爆发相、溢流相、次火山岩相、火山通
<正>"学会学习首先要学会阅读,一个阅读能力不好的学生,就是一个潜在的差生。如果在小学里没有教会他阅读,那他日后在学习中就会遇到无法克服的困难。"苏霍姆林斯基的这番话,
学生学习数学的基础和最重要的组成部分就是小学数学,而新课改也要求在教学中要以培养学生的综合素质促进学生的全面发展为目标,小学数学教学中预设和生成性学习可以培养学生
<正>小学数学课程标准明确提出,在数学解题教学中要"综合运用所学的知识和技能解决问题,发展应用意识,形成解决问题的一些基本策略"。教师在小学数学应用题教学中,要加强对应
<正>现藏于北京故宫博物院的《清明上河图》,一直被冠以北宋风俗画的标签流传于世。它从问世以来,就受到无数文人学士的赏识和珍藏,辗转至今,已历时八九百年。围绕着这幅国宝
<正>《中国电影年鉴》是由中国电影家协会、中国电影集团公司、电影频道节目中心联合主办,国家广播电影电视总局电影事业管理局特别支持,中国电影年鉴社编纂、出版的大型专业