版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、網(wǎng)頁(yè)中的文字,包含的信息量大、易于復(fù)用、占用空間小,是網(wǎng)頁(yè)種類信息中占絕對(duì)比例的信息形式,也是人們從網(wǎng)頁(yè)提取的所有信息中最多的形式。目前,Web挖掘的研究正處于發(fā)展階段,在普通網(wǎng)頁(yè)的文字提取研究領(lǐng)域也已形成眾多理論。
然而有一類網(wǎng)頁(yè),由于采用了腳本,導(dǎo)致網(wǎng)頁(yè)在打開時(shí)執(zhí)行腳本而使計(jì)算機(jī)軟件系統(tǒng)受到惡意代碼入侵,或打開后的網(wǎng)頁(yè)文字受廣告因素等影響而無(wú)法被正常瀏覽,或被腳本限制而使文字無(wú)法被復(fù)制提取。這類特殊網(wǎng)頁(yè)的文本相對(duì)普通網(wǎng)
2、頁(yè)更有價(jià)值,特別是此類網(wǎng)頁(yè)經(jīng)常被網(wǎng)絡(luò)犯罪份子利用來(lái)為他們的活動(dòng)隱匿證據(jù),網(wǎng)絡(luò)監(jiān)察部門進(jìn)行網(wǎng)絡(luò)犯罪的取證,必須采用一定的技術(shù)。
本文深入分析了網(wǎng)頁(yè)腳本的編制及工作原理,采用運(yùn)行期類型信息技術(shù)和擴(kuò)展腳本技術(shù)從手工提取和自動(dòng)提取兩個(gè)角度提出了特殊網(wǎng)頁(yè)文本的提取與合并方案,并解決了過(guò)濾干擾碼問(wèn)題。其主要工作為:
研究發(fā)現(xiàn)所有特殊網(wǎng)頁(yè)的限制功能都來(lái)源于其源代碼中的腳本,研究采用擴(kuò)展腳本屏蔽其限制功能,將特殊網(wǎng)頁(yè)普通化;
3、網(wǎng)頁(yè)中的干擾碼都是在正文中插入的顏色為背景色的其他字符,研究擴(kuò)展腳本限制干擾碼發(fā)揮作用,達(dá)到過(guò)濾干擾碼的目的;提出運(yùn)行期類型信息技術(shù),開發(fā)軟件,繞過(guò)惡意腳本,并自動(dòng)提取文本;研究多頁(yè)面的相似性,通過(guò)記錄第一頁(yè)面的提取點(diǎn)和搜索鏈接地址,自動(dòng)提取多頁(yè)面文本進(jìn)行合并;開發(fā)出軟件模型,測(cè)試其對(duì)普通網(wǎng)頁(yè)、特殊網(wǎng)頁(yè)中的文字的自動(dòng)提取能力和自動(dòng)過(guò)濾干擾碼的能力。
實(shí)驗(yàn)證明,論文提出的所有方法均能有效抵制對(duì)文本提取的限制,而基于RTTI技
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 視頻文字提取技術(shù)研究與應(yīng)用.pdf
- 圖像文字定位與提取技術(shù)研究.pdf
- 基于頁(yè)面分塊的網(wǎng)頁(yè)內(nèi)容提取的研究與實(shí)現(xiàn).pdf
- 互聯(lián)網(wǎng)頁(yè)文字信息分析技術(shù)研究與應(yīng)用.pdf
- 基于Web頁(yè)面結(jié)構(gòu)的網(wǎng)頁(yè)數(shù)據(jù)提取研究.pdf
- 基于文本密度和頁(yè)面結(jié)構(gòu)的網(wǎng)頁(yè)信息抽取技術(shù)研究與實(shí)現(xiàn).pdf
- 基于模板的Web頁(yè)面信息提取技術(shù)研究.pdf
- 視頻圖像中的文字提取技術(shù)研究.pdf
- 網(wǎng)頁(yè)正文提取及去重技術(shù)研究.pdf
- 基于頁(yè)面主體提取的WEB信息抽取技術(shù)研究.pdf
- 基于標(biāo)簽分析的網(wǎng)頁(yè)正文提取技術(shù)研究.pdf
- 頁(yè)面數(shù)據(jù)過(guò)濾技術(shù)研究與應(yīng)用.pdf
- 靜態(tài)圖像中文字提取關(guān)鍵技術(shù)研究.pdf
- 復(fù)雜背景圖像中的文字提取技術(shù)研究.pdf
- 視頻理解和檢索中文字的檢測(cè)與提取技術(shù)研究.pdf
- 基于增量更新的交互式網(wǎng)頁(yè)內(nèi)容提取技術(shù)研究.pdf
- 基于本體的可定制化網(wǎng)頁(yè)信息智能提取技術(shù)研究.pdf
- 基于標(biāo)簽識(shí)別的網(wǎng)頁(yè)源代碼分析與內(nèi)容提取應(yīng)用技術(shù)研究.pdf
- 網(wǎng)頁(yè)水印技術(shù)研究.pdf
- 復(fù)雜背景圖像中的疊加文字提取技術(shù)研究.pdf
評(píng)論
0/150
提交評(píng)論