网页裁剪中HTML修补器的分析研究.pdfVIP

网页裁剪中HTML修补器的研究 专业：计算数学 姓名：李锐 导师：李小福副教授 摘要 Information 网页裁剪工具是企业信息门户(EnterprisePortal，简称EIP)中 常用的信息资源获取工具，应用于企业信息门户(EIP)建设中，具有价值很大 的研究开发意义。目前，国外很多大公司，比如IBM、ORACLE等，都开发了 Portal产品，而且在Portal产品中都附带网页裁剪工具。但是网页裁剪工具仍然 存在着很多问题，其中一个比较大的问题就是使用该工具的文本裁剪方法容易产 生HTML结构不完整的情形，造成裁剪得到的门户部件不能正确地运行。 本文的主要工作就是通过研究一个HTML修补器来解决上述HTML结构不 完整的问题，主要工作及创新点如下： (1)综述企业信息门户EIP以及国内外网页裁剪的情况，主要介绍了外国 的大公司IBM和ORACLE的Portal及其网页裁剪的情况； (2)总结HTML语言以及词法分析的理论性知识，在词法分析中重点介绍了 正则表达式和有穷自动机； (3)提出了一个基于有穷自动机的HTML修补器的解决方案。该方案首先利 化，然后根据正则表达式和有穷自动机对HTML代码进行词法分析，虽后提出一 个基于有穷自动机的三次扫描修补算法对HTML代码进行修补，从而使得待修补 的HTML代码结构完整化。 本文的HTML修补器成功地应用在一个实际EIP项目开发的网页裁剪工具 中，并取得了良好的效果。但是该HTML修补器也存在一些不足之处，目前只 能应用于文本裁剪，而不能应用于图像和动画裁剪，这也是将来需要进一步研究 的工作。 关键词：企业信息门户、网页裁剪、HTML、正则表达式、有穷自动机 ll 英文摘要 ResearchonHTML tool repairing in web clipping Mathematics Major：Computational Name：LiRui Xiaofu Supervisor：Prof。Li Abstract Web isan toolof informationin clipping important acquiring Enterprise Information iscalledEIPfor short．Whento countsfor Portal，which EIP,it applied ofresearchand greatmeaning foreign development．Atpresent，manycompanies， suchas theirownPortal in IBM，O