網(wǎng)頁結(jié)構(gòu)化數(shù)據(jù)提取方法與系統(tǒng)

基本信息

申請?zhí)?/td> CN200810036268.5 申請日 -
公開（公告）號 CN101561802A 公開（公告）日 2009-10-21
申請公布號 CN101561802A 申請公布日 2009-10-21
分類號 G06F17/30(2006.01)I 分類 計(jì)算；推算；計(jì)數(shù);
發(fā)明人 張世永;吳承榮;謝劍鋒 申請（專利權(quán)）人 上海光華如新信息科技股份有限公司
代理機(jī)構(gòu) - 代理人 -
地址 200433上海市楊浦區(qū)國泰路127號3號樓
法律狀態(tài) -

摘要

摘要 一種網(wǎng)頁結(jié)構(gòu)化數(shù)據(jù)提取方法，其特征在于包括以下步驟：選擇訓(xùn)練網(wǎng)頁內(nèi)容集并提取目標(biāo)結(jié)構(gòu)化數(shù)據(jù)；訓(xùn)練所述訓(xùn)練網(wǎng)頁內(nèi)容集獲得與所述目標(biāo)結(jié)構(gòu)化數(shù)據(jù)匹配的正則表達(dá)式；將所述正則表達(dá)式寫入配置模板；利用所述配置模板采集網(wǎng)頁；從所述采集網(wǎng)頁中提取結(jié)構(gòu)化數(shù)據(jù)。依據(jù)本發(fā)明所提出的網(wǎng)頁結(jié)構(gòu)化數(shù)據(jù)提取方法與系統(tǒng)，可以實(shí)現(xiàn)對靜態(tài)網(wǎng)頁和動態(tài)網(wǎng)頁的結(jié)構(gòu)化數(shù)據(jù)提取，適用于獲取任何類型的網(wǎng)站信息內(nèi)容并提取結(jié)構(gòu)化數(shù)據(jù)。