|
个人信息Personal Information
副教授
硕士生导师
主要任职：Associate Professor
其他任职：中国软件行业协会系统安全工程分会主任，国际注册信息安全专家CISSP，国际注册信息系统审计师CISA
性别：女
毕业院校：大连理工大学
学位：博士
所在单位：系统工程研究所
学科：管理科学与工程. 系统工程
办公地点：D526, Management Building,No.2 Linggong Road,Dalian China 116024
联系方式：songmq at dlut.edu.cn,
扫描关注
逆序解析DOM树及网页正文信息提取
点击次数：
论文类型：期刊论文
发表时间：2011-04-15
发表刊物：计算机科学
收录刊物：PKU、ISTIC、CSCD
卷号：38
期号：4
页面范围：213-215,225
ISSN号：1002-137X
关键字：DOM树;网页正文提取;结构相似性;逆序解析
摘要：一般地,从HTML网页中提取正文信息,应先将HTML网页解析成DOM树,然后遍历DOM树,依据目标信息在DOM树中的分布规律,将信息从DOM树中提取.这种传统方法将解析DOM树和从DOM树中提取信息看成两个独立的过程,制约了提取信息的速度.事实上,在准确提取目标信息的过程中,独立解析整个DOM树是没有必要的.在此,提出了逆序解析DOM树算法.并结合DOM树相似理论和传统的顺序解析算法,从部分目标信息开始分别向后顺序和向前逆序解析DOM树,同时定位并获取其他目标信息.利用该方法提取网页正文信息,一方面只需解析部分DOM树,从而减少了解析树结构花费的时间,另一方面不需要遍历整个DOM树查找目标信息,从而节省了查找时间,大大提高了信息提取速度.最后,通过实验证实了该方法的优越性.