论文部分内容阅读
网页信息自动提取是一种重要的网络应用技术，用于提取各类网页的专门信息。网页信息自动提取的设计基于网页的半结构化特征，其流程是先获取HTML源文件，然后去掉HTML标记和无关信息，再进行语义匹配，提取信息到特定的数据结构，进行CSV格式化输出，就可以得到所需的信息。在网站企业化、网店普遍化和网络购物盛行的背号下，推广和应用网页信息自动提取技术，有着重要的经济价值和意义。