作者：万文兵主题型页面网页标题正文抽取
摘要：Web页面信息通常包含大量无关结构和HTML标记，而页面主题信息通常淹没其中，如何快速获取Web页面主题信息。本文提出了一种抽取策略，首先判定是否为主题型页面，然后提取网页正文信息，最后利用正则表达式滤除内容块中HTML标记和无关文字。实验结果表明：该方法能准确地完成主题型网页的正文抽取任务。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
《计算机光盘软件与应用》是一本有较高学术价值的大型半月刊，致力于创办以创新、准确、实用为特色，突出综述性、科学性、实用性，及时报道国内外计算机技术在科研、教学、应用方面的研究成果和发展动态，为国内计算机同行提供学术交流的平台。自创刊以来，选题新奇而不失报道广度，服务大众而不失理论高度，颇受业界和广大读者的关注和好评。
杂志详情
