论文研究基于标记窗的网页正文信息提取方法.pdf

提出了基于标记窗的网页正文信息提取方法。该方法不仅适合于处理一个网页中所有正文信息均放在一个td中的情况，也适合于处理网页正文放在多个td中的情况，还可以处理网页正文文字短到与网页其余部分文字（如广告、导航条、版权）长度相当的情况。尤其重要的是，它能够解决非Table结构的网页正文提取问题。实验表明，该方法可以提高网页正文提取的准确率，适用性强。