154      火車采集器

火車頭網頁正文提取演示程序

火車頭網頁正文提取演示程序

作者：火車頭 發布於：2010-12-21 17:40 Tuesday 分類：開發計劃

信息抽取技術是一種廣泛運用於互聯網的數據挖掘技術。其目的是從互聯網海量數據中抽取有意義、有價值的數據和信息，從而能更好的利用互聯網資源。

正文提取就是將網頁中的正文部分抽取出來。合肥樂維信息技術公司根據此前的技術積累，做成此演示程序供大家測試。希望大家積極提供寶貴的測試意見，以便我們應用到在正進行的站群軟件開發中，服務廣大站長。

該演示程序支持 任意網頁（當然最好是內容正文頁），自動識別編碼，支持中英文等內容主體識別，經簡單測試，正確率在90%以上，歡迎大家試用。

該功能的測試請下載V8版本火車采集器，在高級菜單的“正文提取測試”中測試該功能。

標簽: 正文提取 網頁正文提取 text extract

評論：

www.ad0537.com
2012-03-29 09:02

很給力的專業文章！！我頂！頂！頂！

回複

www.qiawei.com
2011-12-30 10:02

不錯，支持下！

回複

oooo
2011-09-05 15:51

我喜歡采集。。。。。。

回複

淘寶特賣網
2011-08-29 14:08

很強大，，，，，，，，，，，

回複

www.ad-mart.cn
2011-08-11 10:21

很好很強大！

回複

香港
2011-06-05 01:49

不錯，下載先

回複

便民商城
2011-05-19 12:50

非常不錯的，支持

回複

謝遠熙
2011-05-14 12:01

你好，我是一個大學生，因為要做畢業設計，所以需要網頁淨化，也是網頁正文提取這塊的輔助，我是做網頁去重的，希望能夠直接調用別人的接口來提取網頁正文，請問下你們可以給我嗎？希望能得到你們的回答，萬分感謝

回複

小文
2011-05-14 13:03

@謝遠熙：該軟件目前還在完善，以後將做為公司的一個產品模塊。目前的功能可以滿足小型的應用。我們公司暫時還無開放代碼的意向。如果你有這方麵興趣，我們可以共同探討一下。

回複

www.lyjgj.com
2011-04-10 07:51

不錯支持

回複

電影百事通
2011-02-23 12:43

百事通電影強烈支持

回複

www.007sjzt.com
2011-02-22 13:32

看起來到是很強大。支持一個····

回複

nod32
2011-02-17 12:00

nod32報毒

回複

wakagekaka
2011-01-30 13:42

可能又要是要錢的了

回複

meego
2010-12-23 12:41

確實比較強大哈。定一個。

回複

最後更新：2017-05-09 01:05:54

  上一篇： 新浪微博評論及轉發數采集插件(C#)

  下一篇： 使用Post方法采集獲取網址列表(2010.11.16)