昌吉学院计算机工程系 仇 岗

乌鲁木齐八一中学义教部 杨 琴

Web数据抽取技术的研究和探讨

昌吉学院计算机工程系 仇 岗

乌鲁木齐八一中学义教部 杨 琴

随着电子商务的迅猛发展,网络购物受到了大多数人的青睐，怎么样才能从众多的购物网站中找到自己需要的产品，是数据抽取技术的焦点。由于Web数据具有半结构化的特征，使得数据抽取技术更加复杂。如何发展Web数据抽取技术要充分利用网络资源，发挥Web数据抽取潜力。

Web数据抽取；Xpath；信息抽取；模型

引言

随着电子商务的不断发展,网络购物成为购物的主要渠道,如淘宝网、拍拍网、58同城网、赶集网等大型购物网站的购物交易,已经彻底打破了原来面对面的交易方式。但购物网站太多,往往同一产品在不同网站或者同一网站的不同网店销售价格存在差异,客户需要花费大量时间和精力在茫茫网店中淘出价格合理的商品, Web数据抽取技术显得尤为重要。

文章对Web数据抽取的定义和数据抽取技术探讨和研究,并提出了基于XPath及正规表示法的Web数据抽取方法,最后简单介绍了基于XPath及正规表示法Web数据抽取方法在购物网站的应用。

1 Web数据抽取定义

Web数据抽取就是从页面集合中抽取出相关的数据,并将这些数据用某种易于查询的数据模型来表示。

2 Web数据抽取技术

Web数据抽取的主要目的是从半结构化或非结构化的数据中抽取出可用数据。如购物网站中的商品品牌、名称、价格等信息等。……