程序基于 Java6+SWT+Htmlparser+dom4j，代码量总共3000多行
实现以下功能：
1.对输入网页集自动分类（其实是做聚类的工作，但是数学上不严谨）
2.自动提取模板，同时可以人工修正（提供比较方便的编辑器）
3.自动标注语义（仅针对产品信息页面）
4.自动抽取数据，输出为xml文件
抽取系统图示：
模板编辑器图示：
Web信息自动/半自动抽取系统——演示系统
最新推荐文章于 2025-04-14 20:00:19 发布
介绍了一个基于Java6的网页信息自动抽取系统，该系统能够自动完成网页分类、模板提取及修正、语义标注和数据输出等功能，适用于产品信息页面的数据抽取。
扫一扫
31
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
