论文部分内容阅读
提出基于delphi的Web文本获取方法，从网页中获取Web页面格式的源文件(.html文件)，分析它的结构信息，处理它的控制符，通过分析过滤源文件的格式来提取网页中的文本信息。利用标点符号对文本信息进行章节、段落、句子等预处理，将文本信息转换成句子序列，让用户快速地定位到需要了解的内容，从而让用户远离钓鱼网站、恶意广告、欺诈信息以及在浏览网页内容时产生的骚扰，提高互联网体验。