原创力文档- 1、本文档共4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)。
查看更多
计算机科学2002V01．29NO．8
基于XPath的Web信息抽取
Web
InformationExtractionbased012
XPath
徐林吴杨文柱陈少飞郝亚南李天柱
(河北大学数学与计算机学院 保定071002)
Abstractthis
In discussthe betweenWebinformationextraction
paper，wemainly relationship
and thatWeb utilizes
Out information the user
XPath，and extraction，inessence。iS
point process
XPathto theWebdocuments，whichshouldbe XMLdocumentsbeforeinfor—
well—formed
query
mation tothe of realizefinXPath—
informationextraction，we
principle
extraction．According
basedinformation withthese methodcanbe
extraction
prototype applied
system techniques．The
tOWeb format
and transformation．
query，wrappersimplementation
HTML，XML，Information schema，XPath
Keywords extraction，Conceptual
1 引言
语言实现较为复杂，对Web信息的描述能力较弱，
以HTML发布的Web信息面向显示，缺乏模
不支持对图像信息的抽取。
式信息和语义信息，为了更有效地管理和组织Web
信息，实现对Web信息高效的查询与检索，XML及
关系，指出web信息抽取在本质上就是利用XPath
其相关规范随之诞生了。XML将Web信息的语义
查询Web文档(在信息抽取前必须被转化为XML
与显示分离开来，通过自定义带有语义信息的标记， 文档)。依据XPath定位XML文档中相关节点的原
提供给应用程序所需的语义信息。但是，Web上大 理和方法，本文提出了一种高效、准确的Web信息
量存在的仍旧是HTML信息，为了以结构化和一抽取的方法，并在原型系统中对该方法进行了应用
致的方式访问HTML信息以及方便计算机对Web
文档评论（0）