基于可扩展标记语言查询的网页数据抽取方法

摘要

一种基于可扩展语言查询的网页数据抽取方法，属于计算机数据库技术领域，包括以下：步骤确定Web页面中抽取数据内容时所对应的模式结构；定位Web页面中数据区域、数据单元和属性文本；对属性文本进行语义标注；生成数据单元节点路径：计算抽取属性值的路径表达式；生成数据抽取的XML查询语句；利用XML查询语句抽取数据，本发明能够生成精确的XML查询语句，保证XML查询语句的正确性，本发明具有较高的通用性，能够与已有无缝融合，本发明能够适应更加复杂的查询结果输出。