结合网页结构特征与内容特征的正文提取-计算机系统结构专业论文.docxVIP

重庆大学硕士学位 重庆大学硕士学位论文 英文摘要 PAGE PAGE IV the method is feasible，universal and of high accuracy in web content extraction. Keywords: Content extraction; web page cleaning; web page segmentation; HTML 重庆大学硕士学位论 重庆大学硕士学位论文 目 录 目 录 中文摘要I 英文摘要 II HYPERLINK \l _bookmark0 1 绪论 1 HYPERLINK \l _bookmark1 1.1 研究背景及意义 1 HYPERLINK \l _bookmark2 1.2 国内外研究现状 2 HYPERLINK \l _bookmark3 1.3 论文研究内容 3 HYPERLINK \l _bookmark4 1.4 论文的组织结构 4 HYPERLINK \l _bookmark5 2 背景知识和相关技术 5 HYPERLINK \l _bookmark6 2.1 引言 5 HYPERLINK \l _bookmark7 2.2 正文提取概述 5 HYPERLINK \l _bookmark8 2.3 网页类型 5 HYPERLINK \l _bookmark9 2.4 HTML 简介 6 HYPERLINK \l _bookmark10 2.5 网页分块 8 HYPERLINK \l _bookmark11 2.6 正则表达式 10 HYPERLINK \l _bookmark12 2.6.1 正则表达式概述 10 HYPERLINK \l _bookmark13 2.6.2 正则表达式常用语法 11 HYPERLINK \l _bookmark14 2.7 本章小结 15 HYPERLINK \l _bookmark15 3 网页结构特征 16 HYPERLINK \l _bookmark16 3.1 引言 16 HYPERLINK \l _bookmark17 3.2 网页基本构成 16 HYPERLINK \l _bookmark18 3.3 网页布局技术 17 HYPERLINK \l _bookmark19 3.2.1 框架布局 18 HYPERLINK \l _bookmark20 table 布局 18 HYPERLINK \l _bookmark21 div+css 布局 19 HYPERLINK \l _bookmark22 3.4 网页标签过滤 20 HYPERLINK \l _bookmark23 3.5 基于容器标签的网页分块 22 HYPERLINK \l _bookmark24 3.6 本章小结 27 HYPERLINK \l _bookmark25 4 结合内容特征的正文提取 28 HYPERLINK \l _bookmark26 4.1 引言 28 HYPERLINK \l _bookmark27 4.2 网页文本分布特征 28 HYPERLINK \l _bookmark28 4.3 标点符号分布 29 HYPERLINK \l _bookmark29 4.4 结合网页结构特征与内容特征的正文提取 30 HYPERLINK \l _bookmark30 4.5 本章小结 31 HYPERLINK \l _bookmark31 5 实验结果与分析 33 HYPERLINK \l _bookmark32 5.1 引言 33 HYPERLINK \l _bookmark33 5.2 系统的设计与实现 33 HYPERLINK \l _bookmark34 5.3 评价指标 34 HYPERLINK \l _bookmark35 5.4 实验结果与分析 35 HYPERLINK \l _bookmark36 5.5 本章小结 37 HYPERLINK \l _bookmark37 6 总结与展望 38 HYPERLINK \l _bookmark38 6.1 本文工作总结 38 HYPERLINK \l _bookmark39 6.2 下一步工作 38 HYPERLINK \l _bookmark40 致 谢 40 HYPERLINK \l _bookmark41 参考文献 41 HYPERLINK \l _bookmark42 附 录 44 HYPERLINK \l _bookmark43 A. 作者在攻读硕士学位期间发表的论文目录