公开(公告)号：CN101582075A

公开(公告)日：2009-11-18

申请号：CN200910012239.X

申请日：2009-06-24

Applicant: 大连海事大学

Inventor： 陈荣 ,  郭银蕊 ,  刘亚清 ,  陈涛 ,  陈娟 ,  孙向伟 ,  史玉翡

IPC: G06F17/30

Abstract: 本发明公开了一种Web信息抽取系统，其特征在于包括：检索解析模块、规则生成模块和数据抽取存储模块：检索解析模块包括网络爬虫单元和HTML解析器；规则生成模块包括单槽抽取规则生成单元和多槽抽取规则生成单元；数据抽取存储模块，规则生成模块生成的抽取规则，从检索解析模块下载的网页上提取数据并以结构化的形式存储。该系统具有：生成单槽抽取规则时界面操作简单、容易理解；对于生成多槽抽取规则，系统提供图形界面帮助用户标注，节省用户的时间和体力；对于预先生成的抽取规则和任务序列，系统提供两种方式实现批量任务的抽取和存储；系统可以根据用户配置的参数，在预先设定的周期和时间完成抽取存储任务。

公开(公告)号：CN101582075B

公开(公告)日：2011-05-11

申请号：CN200910012239.X

申请日：2009-06-24

Applicant: 大连海事大学

Inventor： 陈荣 ,  郭银蕊 ,  刘亚清 ,  陈涛 ,  陈娟 ,  孙向伟 ,  史玉翡

IPC: G06F17/30

Abstract: 本发明公开了一种Web信息抽取系统，其特征在于包括：检索解析模块、规则生成模块和数据抽取存储模块：检索解析模块包括网络爬虫单元和HTML解析器；规则生成模块包括单槽抽取规则生成单元和多槽抽取规则生成单元；数据抽取存储模块，规则生成模块生成的抽取规则，从检索解析模块下载的网页上提取数据并以结构化的形式存储。该系统具有：生成单槽抽取规则时界面操作简单、容易理解；对于生成多槽抽取规则，系统提供图形界面帮助用户标注，节省用户的时间和体力；对于预先生成的抽取规则和任务序列，系统提供两种方式实现批量任务的抽取和存储；系统可以根据用户配置的参数，在预先设定的周期和时间完成抽取存储任务。