主题网络爬虫论文

基于DOM的HTML网页正文信息抽取模块的设计与实现
论文摘要HTML网页正文信息抽取功能已经成为目前很多互联网应用的基础工作和亟待解决的问题。HTML网页所要表达的“正文”信息通常会包含在“噪音”信息中。我们在浏览网页的时候经常...