12 2008 档案

网页正文内容的提取
摘要：这里说的正文提取/抽取，指的是从任意页面中抽取出网页的正文内容，要过滤掉导航、广告等不相关内容。从网页中提取的正文一般来说模板是最好最准确的方式，在专业术语中就是wrapper,对web归纳总结出提取规则创建包装器wrapper。但由于在大多数条件下制作模板是个很烦人的工作，而且如果抓取的种子站过多... 阅读全文

posted @ 2008-12-10 20:36 隨風.NET 阅读(1792) 评论(1) 推荐(0) 编辑

htmlparser使用指南
摘要：需要做一个垂直搜索引擎，比较了nekohtml和htmlparser 的功能，尽管nekohtml在容错性、性能等方面的口碑好像比htmlparser好（htmlunit也用的是nekohtml），但感觉nekohtml的测试用例和文档都比htmlparser都少，而且htmlparser基本上能够... 阅读全文

posted @ 2008-12-10 17:41 隨風.NET 阅读(2095) 评论(1) 推荐(0) 编辑

使用HtmlParser解析HTML
摘要：如果要对HTML进行解析,提取HTML的数据或者修改HTML数据,HtmlParser是一个不错的选择. 使用HtmlParser可以解析本地和网络上的HTML数据: Parserparser=newParser(newWinista.Text.HtmlParser.Http.HttpProtoco... 阅读全文

posted @ 2008-12-09 22:56 隨風.NET 阅读(3581) 评论(1) 推荐(1) 编辑

在.net中运用HTMLParser解析网页的原理和方法
摘要：本文介绍了.net 版的一个HTMLParser网页解析开源类库（Winista.HTMLParser）的功能特性、工作原理和使用方法。对于使用.net进行Web信息提取的开发人员进行了一次HTMLParser的初步讲解。应用实例将会在日后的文中介绍，敬请关注。一、背景知识 HTMLParser原本... 阅读全文

posted @ 2008-12-09 22:17 隨風.NET 阅读(3399) 评论(3) 推荐(1) 编辑

导航

< 2025年3月 >
日 一 二 三 四 五 六
23 24 25 26 27 28 1
2 3 4 5 6 7 8
9 10 11 12 13 14 15
16 17 18 19 20 21 22
23 24 25 26 27 28 29
30 31 1 2 3 4 5

统计

点击右上角即可分享
微信分享提示