论文部分内容阅读
提出了一种基于树形结构的Web结构化数据抽取算法．该算法基于HTML的树形层次结构，包括HTML树构造算法，数据区域挖掘算法，数据记录挖掘算法以及数据记录模式生成算法．算法引入了页面元素布局位置等信息用于清洗页面，采用层次划分思想实现页面数据区域的挖掘，并通过树匹配生成记录模式，实现最终数据项抽取．实验表明，该方法可以有效地实现Web结构化数据抽取．