HTML数据内容的抽取与集成

欧建雄, 张礼平. HTML数据内容的抽取与集成[J]. 华东理工大学学报（自然科学版）, 2003, (6): 613-616.

引用本文:

欧建雄, 张礼平. HTML数据内容的抽取与集成[J]. 华东理工大学学报（自然科学版）, 2003, (6): 613-616.

Data Extraction and Integration from HTML Documents[J]. Journal of East China University of Science and Technology, 2003, (6): 613-616.

Citation:

Data Extraction and Integration from HTML Documents[J]. Journal of East China University of Science and Technology, 2003, (6): 613-616.

Data Extraction and Integration from HTML Documents

摘要: 在XML基础上，利用HTML Tidy可实现轻量级的Web数据挖掘和转换。转换过程主要解决的是HTML文档及其集合要表达的模式信息的分离。转换步骤是利用HTML Tidy提供的标准类库，净化HTML文档，借助DOM生成树对HTML元素结构做进一步分析，最后通过XSL、XPATH等自动提取转换。

/