資源描述：
《基于網頁結構的web數據抽取方法研究》由會員上傳分享，免費在線閱讀，更多相關內容在學術論文-天天文庫。
1、武漢科技大學碩士學位論文基于網頁結構的Web數據抽取方法研究姓名：朱漢超申請學位級別：碩士專業(yè)：計算機應用技術指導教師：張曉龍20090420武漢科技大學碩士學位論文第1頁摘要隨著互聯(lián)網的飛速發(fā)展，目前Web上的數據泛濫，在海量的數據中人們無法快速準確地找到需要的數據，如何快速準確地得到這些數據是亟待解決的問題。Web數據抽取技術已成為當今研究的一個熱點。利用Web數據抽取技術，通過對特定網站或網頁中數據的結構進行分析，設定特定的抽取規(guī)則，可以將感興趣的信息從中抽取出來，并保存到數據庫或其他格式文
2、件中，以供SQL或XML查詢語言查詢，或者供其他應用程序使用。論文從研究Web數據抽取基礎開始，建立了Web數據抽取模型。首先采用Java語言設計了一個原型系統(tǒng)，使用基于HTML的方法進行了抽取，由于不涉及HTML文檔的層次結構，該系統(tǒng)在抽取結果上不是很符合需求；然后通過分析HTML層次結構，利用基于XML的技術，使用XSLT文件映射的方法，可以產生針對特定網頁格式良好的抽取結果，但該方法的通用性不是很好，對網頁的結構的要求也比較嚴格；最后本文提出了一種針對特定內容的Web數據抽取方法，將半自動產
3、生的XSLT中間表示文件與DOM相結合實現(xiàn)對相似內容的XML文件進行映射抽取。該方法在一定程度上滿足了通用性，并以針對特定內容(新聞網)為例進行了分析，實驗結果表明該方法具有一定的可行性。關鍵詞：Web數據抽取；HTML層次結構；XSLT：DOMAbstractAstherapiddevelopmentofIntemet，thedataonthewebspreadwithoutrestriction,onecan’tfindtherequireddataquicklyandaccuratelyfr
4、ommasswebdata,howtoquicklyandaccuratelyobtainthesedataisaurgentproblemneedtoresolve．Webdataextractiontechnologyhasbecomeahotresearch．ThroughanalyzingthestructureofthedatawhichWasgotfromaparticularwebsiteorwebpage,settingparticularextractedrules，wecall
5、extractinterestinginformation，andsaveintodatabaseorotherformattedfilesforSQLorXMLquerylanguagetoquery,orprovidingforotherapplications．ThisthesisintroducestheWebdataextractionresearchandtheWebdataextractionmodel．AprototypesystemwasdesignedwithJavaandus
6、edtodoextractiondatabasedonHTML．SincenotreferringtothearrangementstructureofHTMLdocuments，thesystemcan’tmeettheextractionrequirement．ThroughanalyzingthearrangementstructureofHTML，amethodthatusingXSLTfilestomapcouldmakewell．formedresultforspecialwebpag
7、es．Butthecommonalityofthemethodisn’tSOgood，andrequiresthestructureofwebpagesstrictly．Finally,thisthesisproposesamethodofWebdataextractionforspecialcontent，usesparsingalgorithmcombinedwithDOMtoselectspecialnodesandmappingwithXSLTfiles．Toacertainextentt
8、hemethodmeetsthecommonality,andmakesanalyzingforspecialcontent(NewsWeb)，theexperimentalresultsshowthatthemethodisfeasibleinacertaindegree．Key-words：WebDataExtraction,ArrangementStructureofHTML，XSLT，DOM武漢科技大學研究生學位論文創(chuàng)新性聲明本人鄭重聲明：所呈交的學位論文是本人在導師指導下
