| 应用正则式抽取Google网页内容 |
| |
| 引用本文： | 张健,欧红.应用正则式抽取Google网页内容[J].现代图书情报技术,2005,21(9):50-53. |
| |
| 作者姓名： | 张健 欧红 |
| |
| 作者单位： | 1. 长沙理工大学图书馆,长沙,410076
2. 湖南图书馆,长沙,410011 |
| |
| 摘 要： | 正确、完整地抽取搜索网页的内容，是对检索到的信息进行处理的基本前提。本文分析了Google网页的结构特征，给出了一组匹配Google网页内容的正则式，并用Visual C# 实现了一个内容抽取器。对多个Google网页的实际应用表明，本文提出的正则式匹配方法可以抽取Google网页的全部主要内容。
|
| 关 键 词： | 正则式 抽取 网页 Google |
| 收稿时间： | 2005-05-30 |
| 修稿时间： | 2005年5月30日 |
Extracting the Content of Google Web Page with Regular Expressions |
| |
| Zhang Jian,Ou Hong.Extracting the Content of Google Web Page with Regular Expressions[J].New Technology of Library and Information Service,2005,21(9):50-53. |
| |
| Authors: | Zhang Jian Ou Hong |
| |
| Institution: | (Library of Changsha University of Science and Technology, Changsha 410076,China)
(Hunan Library,Changsha 410011,China) |
| |
| Abstract: | That properly and completely extracting the content of search Web pages is the basic precondition for handling the information retrieved. This paper analyses the structure characteristic of Google Web pages, presents a group of regular expressions for matching the content of these pages, and realizes a content extractor with Visual C#. The results from practical application to many Google Web pages shows that the matching method with regular expressions can extract the whole main content of Google Web pages. |
| |
| Keywords: | Regular expressions Extraction Web page Google |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
| 点击此处可从《现代图书情报技术》浏览原始摘要信息 |
| 点击此处可从《现代图书情报技术》下载免费的PDF全文 |
