基于RTTI的特殊网页文本提取技术研究  

RESEARCH ON RTTI-BASED TEXT EXTRACTION TECHNIQUES FROM EXCEPTIONAL WEBPAGES

作　　者：刘典型[1,2] 欧阳柳波[1] 

机构地区：[1]湖南大学软件学院,湖南长沙410082 [2]湖南公安高等专科学校计算机系,湖南长沙410138

出　　处：《计算机应用与软件》2010年第9期63-65,共3页Computer Applications and Software

基　　金：公安部科技创新计划项目(2006KJCXHNST024)

摘　　要：在分析与总结对网页中的文字的提取方法研究的基础上,针对采用脚本限制提取文字的特殊网页,作了深入的研究和分析,提出RTTI运行期类型信息解除限制和过滤干扰码的文字提取方法,使特殊网页文本的提取成为可能,为公安机关进行网络监察取证提供了技术支持。Based on the analysis and conclusion of researches on text extraction techniques from webpages, after thorough studies on excep- tional webpages which have been manually scripted to prevent text extraction, the authors put forward the RTTI （Run-Time Type Information） prevention elimination and interferential code filtration text extraction techniques to make it possible for text extraction from exceptional web- pages. These techniques are helpful for the public security bureau on network supervisory and evidence collection.

关 键 词：特殊网页 信息提取 RTTI 干扰码 脚本 

分 类 号：TP393.092[自动化与计算机技术—计算机应用技术]