網(wǎng)頁(yè)信息表格化提取程序的論文
摘 要:
本文介紹了基于MSHTML設計開(kāi)發(fā)的網(wǎng)頁(yè)信息表格化提取程序的原理、程序結構和工作流程，使用網(wǎng)頁(yè)信息提取、網(wǎng)頁(yè)元素解析、采集配置管理三大功能模塊，實(shí)現對網(wǎng)頁(yè)及其內部關(guān)聯(lián)信息的提取、解析、整理和表格化顯示，創(chuàng )新使用了對網(wǎng)頁(yè)屬性值和樹(shù)路徑值進(jìn)行確認的二元檢查機制，能夠實(shí)現對指定信息的準確提取。本文還舉例說(shuō)明了程序的操作步驟和實(shí)際效果。
引言
當今是網(wǎng)絡(luò )高速發(fā)展、信息量急劇膨脹的信息時(shí)代，人們通過(guò)信息來(lái)互相交流，認識世界。在信息中存在著(zhù)大量有價(jià)值的信息要素，這些有價(jià)值的信息要素大都以網(wǎng)頁(yè)的形式存在，其內容和格式千差萬(wàn)別。如果通過(guò)瀏覽器進(jìn)行瀏覽和閱讀不存在問(wèn)題，但若需要將感興趣的某類(lèi)信息及其內部關(guān)聯(lián)信息保存下來(lái)并進(jìn)行整理，目前常用的工具普遍存在著(zhù)某些缺點(diǎn)，比如網(wǎng)絡(luò )蜘蛛等爬蟲(chóng)工具無(wú)法實(shí)現對內部關(guān)聯(lián)信息的提取。因此，本人作者使用MSHTML語(yǔ)言設計了網(wǎng)頁(yè)內部表格化提取的自動(dòng)程序，可以完成對網(wǎng)頁(yè)及內部關(guān)聯(lián)信息的保存、整理和表格化顯示，能夠明顯提高對信息的利用效率。
1、信息提取原理分析
人們通過(guò)瀏覽器所看到的頁(yè)面，是由很多的頁(yè)面元素組裝在一起的，其中既有常見(jiàn)的圖片和文字，也有專(zhuān)門(mén)的結構元素，所有這些頁(yè)面元素經(jīng)過(guò)一定的組合形成了我們看到的頁(yè)面。對網(wǎng)頁(yè)進(jìn)行進(jìn)行提取，實(shí)質(zhì)上就是使用一定技術(shù)方法將指定的網(wǎng)頁(yè)元素進(jìn)行解析、特征匹配和顯示的過(guò)程。
網(wǎng)頁(yè)信息的元素可以分為以下三種級別：
頂級元素（Top-level element）：共有html、body和frameset三種，屬于高級塊級元素，表現類(lèi)似塊級元素。
塊級元素（Block-level element）：能夠獨立存在且元素之間可以換行分割，常用的塊級元素有p、div、ul、table等。
內聯(lián)元素（inline element）：依附其他塊級元素存在，緊接于被聯(lián)元素之間顯示并且不換行，常用的內聯(lián)元素包括img、span、li、br等。
2程序的設計思想
2.1 采集原理
2.2 二元檢查機制
2.3 程序功能設計
3 程序結構及工作流程
3.1主要功能
3.2 運行流程
4程序的主要功能實(shí)現方法
4.1采集配置管理
4.2網(wǎng)頁(yè)元素解析
5 運行測試
5.1 讀取頁(yè)面
5.2 配置采集
5.3 采集網(wǎng)頁(yè)信息
5.4查看采集結果
6、結語(yǔ)
隨著(zhù)網(wǎng)絡(luò )化的`快速發(fā)展，人們對網(wǎng)頁(yè)元素的需求越來(lái)越轉向個(gè)性化分類(lèi)和精確提取，以往面向全部?jì)热莸囊靶U采集方式已經(jīng)無(wú)法滿(mǎn)足目前的需求，對其進(jìn)行針對性的研究有著(zhù)積極意義。
網(wǎng)頁(yè)信息表格化提取程序通過(guò)網(wǎng)頁(yè)信息提取、網(wǎng)頁(yè)元素解析、采集配置管理三大功能模塊的分工協(xié)作，實(shí)現對網(wǎng)頁(yè)及其內部關(guān)聯(lián)信息的提取、解析、整理和表格化顯示，不僅克服了以往網(wǎng)頁(yè)信息抓取工具不能提取內部關(guān)聯(lián)網(wǎng)頁(yè)信息的不足，使得程序的適用性、擴展性明顯提高，而且程序中創(chuàng )新使用的對網(wǎng)頁(yè)屬性值和樹(shù)路徑值進(jìn)行確認的二元檢查機制，能夠實(shí)現對指定信息的準確提取，極大提升了程序結果的精確性。
雖然網(wǎng)頁(yè)信息表格化提取程序在精確性、適用性和擴展性上取得了進(jìn)步，但也存在一些不足，希望以后能找到更好的解決方法....
【網(wǎng)頁(yè)信息表格化提取程序的論文】相關(guān)文章：
信息化建設論文精選02-19
信息化建設論文02-18
信息化技術(shù)論文04-05
網(wǎng)頁(yè)設計的視覺(jué)信息傳達分析論文04-22
網(wǎng)絡(luò )信息化有關(guān)的論文03-12
會(huì )計信息化論文03-30