网络搜索中基于多种规则的元数据自动抽取方法

摘要

本发明的提供了一种网络搜索中基于多种规则的元数据自动抽取方法，属于网络搜索技术领域。该方法包括以下步骤：(1)对粗糙网页进行预处理，将所有网页归一为比较规范的格式；(2)对网页文档中包括所要提取的信息的网页内容进行初步定位；(3)按照指定的规则从预定位提取出的内容中提取元数据。本发明的方法首先将核心区域与大范围的无用信息区别开，而后再针对核心区域进行规则提取，使得提取准确度得到了大幅度提高。本发明的方法还能够按照多种规则对网页中的元数据进行抽取，多种规则根据给定的优先级判断匹配顺序，并按照两步抽取的方法进行精细化处理。