正則表達式在網(wǎng)頁數(shù)據(jù)采集的應用與研究.pdf_第1頁
已閱讀1頁，還剩47頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：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，請進行舉報或認領

文檔簡介

1、隨著Internet的快速發(fā)展與普及，人們越來越習慣于通過各種終端(PC、平板、手機等)從互聯(lián)網(wǎng)來獲取信息?；赪eb的信息抽取技術就是研究從這些Web網(wǎng)頁中如何定制提取出用戶需要的信息，并把這些提取出的信息結(jié)構(gòu)化處理。本文的主要工作是采用基于正則表達式的相關技術，以學術谷歌網(wǎng)站的論文采集以及澳客彩票網(wǎng)站的足彩投注數(shù)據(jù)采集分析兩個應用為實例，給出Web網(wǎng)頁信息的自動提取問題解決方法。在實現(xiàn)基于NFA引擎正則表達式網(wǎng)頁提取基本功能的基礎上

2、，本文還對正則表達式的優(yōu)化進行了分析和比較。本文在網(wǎng)頁正則提取的過程中進行了兩輪的優(yōu)化和分析，分別為基于NFA引擎的表達式優(yōu)化以及在Windows平臺下結(jié)合NFA引擎與DFA引擎使用的優(yōu)化分析和比較，其結(jié)果以圖表的形式加以展示。本文實現(xiàn)兩個網(wǎng)頁實例采集的解決方案是:首先使用RegexBuddy3工具對目標網(wǎng)頁源文件調(diào)試正則表達式，然后在.Net平臺下，利用測試通過的正則表達式編程實現(xiàn)網(wǎng)頁文件正則匹配提取字段、數(shù)據(jù)記錄寫入Oracle數(shù)據(jù)

溫馨提示

  • 1. 本站所有資源如無特殊說明，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，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權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. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論