一种基于可视块的多记录型动态网页信息提取方法

摘要

一种基于可视块的多记录型动态网页信息提取方法，包含以下步骤：Step 1:网页解析和渲染；Step 2:构建可视块和可视块树；Step 3:页面预处理；Step 4:数据记录块识别；Step 5:提取网页数据记录。本发明具有以下优点：不需要同个网站的多张页面用于对比和参照，也能够完成对动态多记录型网页的数据提取，同时准确率和精确率维持在一个较高的水准；本发明针对某一个网站进行训练之后，也能够对不同的未知网站进行泛化。