資源描述：
《基于web的企業(yè)產(chǎn)品信息抽取系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、電子科技大學(xué)UNIVERSITYOFELECTRONICSCIENCEANDTECHNOLOGYOFCHINA工程碩士學(xué)位論文ENGINEERINGMASTERDISSERTATION論文題目基于Web的企業(yè)產(chǎn)品信息抽取系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)工程領(lǐng)域指導(dǎo)教師作者姓名軟張件帆譚工博鋒程士學(xué)號(hào)200892330011分類號(hào)UDC注1密級(jí)學(xué)位論文基于Web的企業(yè)產(chǎn)品信息抽取系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)（題名和副題名）譚鋒（作者姓名）指導(dǎo)教師姓名張帆博士電子科技大學(xué)成都金棟林副教授湖州職業(yè)技術(shù)學(xué)院湖州（職務(wù)、
2、職稱、學(xué)位、單位名稱及地址）申請(qǐng)專業(yè)學(xué)位級(jí)別碩士專業(yè)學(xué)位類別工程碩士工程領(lǐng)域名稱軟件工程提交論文日期2010.10.1論文答辯日期2010.10.17學(xué)位授予單位和日期電子科技大學(xué)答辯委員會(huì)主席評(píng)閱人2010年10月20日注1：注明《國際十進(jìn)分類法UDC》的類號(hào)獨(dú)創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。據(jù)我所知，除了文中特別加以標(biāo)注和致謝的地方外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果，也不包含為獲得電子科技大學(xué)或其它教育機(jī)構(gòu)的學(xué)位或證書而使用過的材料。
3、與我一同工作的同志對(duì)本研究所做的任何貢獻(xiàn)均已在論文中作了明確的說明并表示謝意。簽名：譚鋒日期：2010年9月10日論文使用授權(quán)本學(xué)位論文作者完全了解電子科技大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定，有權(quán)保留并向國家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和磁盤，允許論文被查閱和借閱。本人授權(quán)電子科技大學(xué)可以將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存、匯編學(xué)位論文。（保密的學(xué)位論文在解密后應(yīng)遵守此規(guī)定）簽名：譚鋒導(dǎo)師簽名：日期：2010年9月10日摘要摘要在萬維網(wǎng)的Web頁中，蘊(yùn)藏著大量
4、的可為我們所用的信息。如何快速、準(zhǔn)確地從這些Web頁中找到并提取出我們所需要的信息，己經(jīng)成為當(dāng)前最熱門的研究課題之一。隨著Web信息抽取技術(shù)研究的不斷深入和逐漸成熟，開發(fā)基于Web的信息抽取系統(tǒng)或?yàn)楝F(xiàn)有軟件增加Web信息抽取功能已成為一些企業(yè)的迫切需要。本課題正是根據(jù)一個(gè)企業(yè)的實(shí)際應(yīng)用開發(fā)需求而提出的。論文介紹了課題的背景和意義，Web信息抽取系統(tǒng)的研究現(xiàn)狀，課題的主要研究?jī)?nèi)容，介紹了基于Web的信息抽取系統(tǒng)的設(shè)計(jì)與開發(fā)所涉及主要相關(guān)技術(shù)。這些技術(shù)主要包括HTML文檔和XML文檔的結(jié)構(gòu)剖析，將HTML文檔轉(zhuǎn)換為XML文檔格
5、式的轉(zhuǎn)換方法，正則表達(dá)式的書寫語法及其在HTML文檔標(biāo)簽清理操作中的作用和使用方法，使用.NETFramework平臺(tái)提供的XML相關(guān)類操作訪問XMLDOM對(duì)象的方法，使用.NETFramework提供的XPath數(shù)據(jù)模型對(duì)XML文檔進(jìn)行定位及抽取數(shù)據(jù)的編程方法，使用ADO.NET操作訪問數(shù)據(jù)庫的方法等。在此基礎(chǔ)上，針對(duì)一個(gè)企業(yè)的實(shí)際項(xiàng)目開發(fā)需求，詳細(xì)闡述了基于Web的企業(yè)產(chǎn)品信息抽取系統(tǒng)項(xiàng)目的設(shè)計(jì)與開發(fā)過程，包括系統(tǒng)需求分析、系統(tǒng)設(shè)計(jì)、系統(tǒng)實(shí)現(xiàn)、系統(tǒng)測(cè)試等。本課題實(shí)現(xiàn)的Web信息抽取系統(tǒng)具有友好的用戶界面，具有URL管理
6、、規(guī)則管理、數(shù)據(jù)抽取、數(shù)據(jù)管理、用戶管理5大功能。使用本系統(tǒng)，用戶可以通過輸入U(xiǎn)RL瀏覽網(wǎng)頁內(nèi)容，可以通過添加URL使含有所需信息的Web頁成為待抽取的目標(biāo)頁。系統(tǒng)可以根據(jù)用戶設(shè)定的URL下載HTML文檔到本地機(jī)器中，并使用網(wǎng)頁解析器將HTML文檔轉(zhuǎn)換為XML格式，使用.NETFramework的正則表達(dá)式類清理XML文檔中多余的HTML標(biāo)簽。系統(tǒng)使用XMLDOM模型對(duì)象加載XML文檔生成DOM樹，然后在窗體界面上以樹形方式展示XML文檔數(shù)據(jù)，并提供交互方式讓用戶對(duì)需要抽取的信息進(jìn)行標(biāo)記以生成抽取規(guī)則。在抽取操作時(shí)，系統(tǒng)使
7、用XPath數(shù)據(jù)模型建立抽取規(guī)則，使用.NETFramework相關(guān)XML類實(shí)現(xiàn)數(shù)據(jù)抽取，并將提取的數(shù)據(jù)存入到創(chuàng)建的SQLServer數(shù)據(jù)庫表中，供用戶進(jìn)行查詢和分析使用。該系統(tǒng)具備了Web信息抽取所需要的基本功能，具有較好的實(shí)用I摘要價(jià)值，再經(jīng)過進(jìn)一步的功能完善，即可在企業(yè)實(shí)際應(yīng)用。關(guān)鍵詞：Web信息抽取，HTML，XML，DOM，抽取規(guī)則，XPathIIABSTRACTABSTRACTWorldWideWebbearsaconsiderableamountofusefulinformationforus.Howtoqu
8、icklyandaccuratelyfindtheinformationweneed,whichhasbecomeoneofthemostpopularresearchtopics.WiththedevelopmentoftheWebinformationextractiontechnology,the
