基于HTML Parser的BBS信息抽取系统的设计与实现  

Design and Implementation of BBS Information Extraction System Based on HTML Parser

作　　者：蒋琴琴[1] 宫哲[1] 辛阳[1] 

机构地区：[1]北京邮电大学网络与交换技术国家重点实验室信息安全中心,北京100876

出　　处：《自动化技术与应用》2012年第1期32-37,共6页Techniques of Automation and Applications

摘　　要：针对目前BBS信息爬取时网页噪声严重的特点,研究BBS信息抽取的实现。应用HTML Parser平台以及正则匹配技术,实现BBS信息的抽取、存储。设计建立了包含网页抽取模块、网页解析模块、数据库存储模块组成的信息抽取系统。实验结果表明,此方法能有效抽取BBS信息,减少网页噪声的干扰。In light of seriousness characteristics of the BBS information crawler, the implementation of BBS information extraction is investigated. HTML Parser platform and grammar of regular matching are used to achieve the crawler and storage of BBS information. The design includes web crawling module built, web analysis module, database storage module of the system. The experimental result shows that the strategy gives greater accuracy of BBS information extraction and reduces the interference of irrelevant information.

关 键 词：HTML PARSER 正则匹配 爬虫 BBS 信息抽取 

分 类 号：TP393.02[自动化与计算机技术—计算机应用技术]