基于HtmlParser抽取动态异构Web信息的研究与实现  

Research and Implementation of the Dynamic Heterogeneous Web Information Extraction Based on HtmlParser

作　　者：桂林斌[1] 

机构地区：[1]云南能源职业技术学院计算机信息与工程系,曲靖655001

出　　处：《计算机与数字工程》2009年第7期161-164,206,共5页Computer & Digital Engineering

基　　金：云南省教育厅2008年科学研究基金项目"图书馆资源整合研究与实现"(编号:08C0272)资助

摘　　要：抽取动态异构Web信息以建立索引数据库供用户统一检索使用,是高校图书馆资源整合中的技术难点。通过对目标WEB站点表单提交方式和查询参数的研究和分析,使用Http模拟Post提交查询参数获得检索结果页面,基于开源项目HTMLParser包,以抽取CNKI文章检索结果入库为例,给出了算法及其实现的详细过程。Extract dynamic heterogeneous web information to build index database for users＇ unified srarch using is a technical difficulty of integration of library resourses in colleges and universities. Through the research and analysis of target web site form＇s submission mode and query parameters, using http to submit query parameters by simulating post so as to obtain the page of research results. Based search results of an article entering into a database as an example, to give an algorithm and a detailed process of implementation.

关 键 词：动态异构 网页抽取 HTMLPARSER 

分 类 号：TP393[自动化与计算机技术—计算机应用技术]