- 1、本文档共5页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
2006 年年3 月月
计计 算算 机机 工工 程程 年年 月月
第第32 卷卷 第第5 期期 计计 算算 机机 工工 程程
第第 卷卷 第第 期期
Vol.32 5 Computer Engineering March 2006
文章编号文章编号 1000 3428(2006)05 0046 03 文献标识码文献标识码 A
文章编号文章编号 文献标识码文献标识码 中图分类号中图分类号 TP391
软件技术与数据库软件技术与数据库 中图分类号中图分类号
软件技术与数据库软件技术与数据库
HTMLHTML 文件的文本信息预处理技术文件的文本信息预处理技术
HTMLHTML 文件的文本信息预处理技术文件的文本信息预处理技术
王志琪王志琪 王永成王永成
王志琪王志琪 王永成王永成
(上海交通大学计算机科学与工程系 上海 200030
摘摘 要要 介绍了一种常用的文件类型HTML 文件的文本信息预处理技术 该方法能够解析HTML 文件的组成结构 并从中提取出主体文
摘摘 要要
本以供处理 测试表明该方法能有效地得到大部分HTML 网页的主体部分 文中对HTML 文件的解析不仅可以用于提取出HTML 文件的
主体文本 也可以用于得到HTML 文件中其他的元素的内容 具有推广应用价值
关键词关键词 HTML 文本信息 预处理
关键词关键词
Text Information Preprocessing for HTML
WANG Zhiqi, WANG Yongcheng
(Department of Computer Science and Engineering, Shanghai Jiaotong University, Shanghai 200030)
Abstract The paper proposes a text preprocessing method for HTML. The method can parse HTML file, and extract the main part from the
HTML file. The experiment shows that the method is feasible to parse HTML files. The method proposed in this paper can be used not only to
extract main text of HTML files but also to get other element of HTML files.
Key words HTML; Text information; Preprocessing
计算机和Internet 的普及 带来了现代社会的信息爆炸 (1) lt; 表示小于符号
每天都会有海量的信息需要处理 而在众多的信息中 文本 (2) gt; 表示大于符号
信息又占了很大的比重[1,2] 文本信息以文件的方式存放 有 (3) quot; 表示引号
很多种类型 如纯文本文件 HTML 文件及各种字处理器产
您可能关注的文档
最近下载
- 危大工程辨识清单.docx
- 小榨油厂生产工艺流程图(可修改).pdf
- 地铁施工测量题库2020版.doc
- 2024届安徽省合肥市肥东四中学九级八下英语期末联考试题含答案.doc VIP
- 【期中卷】人教版2021-2022学年九年级英语上学期期中测试卷 (一)含答案与解析.pdf VIP
- 【大单元教学设计】新统编版语文七年级上册第二单元 人间最美是亲情.docx VIP
- 2022-2023学年四川省广元市普通高校对口单招英语自考测试卷(含答案).docx
- 真题2023年9月全国事业单位联考《综合应用能力》试题及答案解析A类.pdf VIP
- NBT10115-2018光伏支架结构设计规程.docx
- 《仙人掌》-美术课件.pptx
文档评论(0)