摘要：Web页面信息通常包含大量无关结构和HTML标记，而页面主题信息通常淹没其中，如何快速获取Web页面主题信息。本文提出了一种抽取策略，首先判定是否为主题型页面，然后提取网页正文信息，最后利用正则表达式滤除内容块中HTML标记和无关文字。实验结果表明：该方法能准确地完成主题型网页的正文抽取任务。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
热门期刊
相关论文
期刊名称：计算机光盘软件与应用
计算机光盘软件与应用杂志紧跟学术前沿，紧贴读者，致力于创办以创新、准确、实用为特色，突出综述性、科学性、实用性，及时报道国内外计算机技术在科研、教学、应用方面的研究成果和发展动态，为国内计算机同行提供学术交流的平台。坚持指导性与实用性相结合的原则，创办于1998年，杂志在全国同类期刊中有很重的学术价值。
购物车(0)