Web页面清洗技术的研究与实现  

Research and Implementation of Web Page Cleaning

作　　者：周源远[1] 王继成[1] 郑刚[1] 张福炎[1] 

机构地区：[1]南京大学软件新技术国家重点实验室,南京大学计算机科学与技术系,南京210093

出　　处：《计算机工程》2002年第9期48-50,197,共4页Computer Engineering

基　　金：国家自然科学基金项目"Web"信息过滤的智能化方法与协"Web作技术研究(60073030);富士通研究所清洗技术项目

摘　　要：文章提出了Web页面清洗的概念,给出了一种基于规则的Web页面清洗方案,并实现了基于此方案的系统。文中的页面清洗建立在Web页面的DOM树结构上,并通过人工判定的方法进行了实验和评估。实验结果表明该方案切实可行、清洗方法具有较快的速度和准确性。The paper puts forward the concept of Web page cleaning and provides a rule-based method to distinguish the information blocks in Web pages. It also develops a system according to the method. The implementation is based on the DOM tree structure of the Web page, and the performance is evaluated by manual work. The result of evaluation shows that the method is practical, speedy and precise .

关 键 词：WEB页面 清洗技术 文本块 链接块 DOM 解析器 Internet 信息检索 

分 类 号：TP393.4[自动化与计算机技术—计算机应用技术] G354.4[自动化与计算机技术—计算机科学与技术]