火车采集器官方博客

火车头网页正文提取演示程序

作者：火车头 发布于：2010-12-21 17:40 Tuesday 分类：开发计划

信息抽取技术是一种广泛运用于互联网的数据挖掘技术。其目的是从互联网海量数据中抽取有意义、有价值的数据和信息，从而能更好的利用互联网资源。

正文提取就是将网页中的正文部分抽取出来。合肥乐维信息技术公司根据此前的技术积累，做成此演示程序供大家测试。希望大家积极提供宝贵的测试意见，以便我们应用到在正进行的站群软件开发中，服务广大站长。

该演示程序支持 任意网页（当然最好是内容正文页），自动识别编码，支持中英文等内容主体识别，经简单测试，正确率在90%以上，欢迎大家试用。

该功能的测试请下载V8版本火车采集器，在高级菜单的“正文提取测试”中测试该功能。

标签: 正文提取 网页正文提取 text extract

评论：

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

很给力的专业文章！！我顶！顶！顶！

回复

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

不错，支持下！

回复

oooo
2011-09-05 15:51

我喜欢采集。。。。。。

回复

淘宝特卖网
2011-08-29 14:08

很强大，，，，，，，，，，，

回复

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

很好很强大！

回复

香港
2011-06-05 01:49

不错，下载先

回复

便民商城
2011-05-19 12:50

非常不错的，支持

回复

谢远熙
2011-05-14 12:01

你好，我是一个大学生，因为要做毕业设计，所以需要网页净化，也是网页正文提取这块的辅助，我是做网页去重的，希望能够直接调用别人的接口来提取网页正文，请问下你们可以给我吗？希望能得到你们的回答，万分感谢

回复

小文
2011-05-14 13:03

@谢远熙：该软件目前还在完善，以后将做为公司的一个产品模块。目前的功能可以满足小型的应用。我们公司暂时还无开放代码的意向。如果你有这方面兴趣，我们可以共同探讨一下。

回复

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

不错支持

回复

电影百事通
2011-02-23 12:43

百事通电影强烈支持

回复

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

看起来到是很强大。支持一个····

回复

nod32
2011-02-17 12:00

nod32报毒

回复

wakagekaka
2011-01-30 13:42

可能又要是要钱的了

回复

meego
2010-12-23 12:41

确实比较强大哈。定一个。

回复