正文提取 - 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。