| 东南大学学位论文独创性声明 | 第1页 |
| 东南大学学位论文使用授权声明 | 第2-3页 |
| 摘 要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 目 录 | 第5-8页 |
| 论文插图目录 | 第8-9页 |
| 第 1 章 绪言 | 第9-11页 |
| ·研究背景 | 第9页 |
| ·研究现状 | 第9页 |
| ·本文研究内容 | 第9-10页 |
| ·本文组织结构 | 第10-11页 |
| 第 2 章 相关技术 | 第11-17页 |
| ·HTTP技术 | 第11页 |
| ·HTTP协议的运作方式 | 第11页 |
| ·HTTP HEADER | 第11页 |
| ·HTML语言局限性 | 第11-12页 |
| ·HTML与WEB网页 | 第11-12页 |
| ·XML相关技术 | 第12-17页 |
| ·XML简介 | 第12-13页 |
| ·XML的结构特征和模式 | 第13-16页 |
| ·XML技术在本文中的应用 | 第16-17页 |
| 第 3 章 半结构化WEB信息抽取 | 第17-23页 |
| ·半结构化数据 | 第17-18页 |
| ·半结构化数据出现的原因 | 第17页 |
| ·半结构化数据的特点 | 第17页 |
| ·现有的半结构化Web页面分类 | 第17-18页 |
| ·信息抽取技术 | 第18-22页 |
| ·信息抽取定义 | 第19页 |
| ·Web信息抽取特点 | 第19页 |
| ·Web信息抽取分类 | 第19-22页 |
| ·本文的信息抽取技术特点 | 第22-23页 |
| 第 4 章 WEB信息抽取过程的设计与实现 | 第23-37页 |
| ·Web信息抽取难点 | 第23-25页 |
| ·原理方法概述 | 第25页 |
| ·网页获取 | 第25-30页 |
| ·目标网页集合(URLs)的指定方式(POST/GET) | 第26-28页 |
| ·网站连接登录问题 | 第28-29页 |
| ·数据获取 | 第29-30页 |
| ·抽取规则定义 | 第30-33页 |
| ·网页模式提取 | 第30页 |
| ·目的表模式的建立 | 第30-31页 |
| ·Web信息抽取过程描述文件 | 第31-33页 |
| ·数据抽取实施 | 第33-37页 |
| ·获取网页数据 | 第33页 |
| ·HTML到XML的转换 | 第33页 |
| ·目的表结构创建 | 第33-34页 |
| ·映射规则执行 | 第34页 |
| ·抽取规则执行算法 | 第34-36页 |
| ·小结 | 第36-37页 |
| 第 5 章 WEB信息抽取技术与ETL系统的集成 | 第37-45页 |
| ·ETL概述 | 第37-39页 |
| ·ETL体系结构 | 第37页 |
| ·ETL的实现 | 第37-39页 |
| ·ETL脚本 | 第39-44页 |
| ·脚本简介 | 第39-41页 |
| ·脚本的描述能力 | 第41-43页 |
| ·脚本的实施 | 第43-44页 |
| ·小结 | 第44-45页 |
| 第 6 章 结论与展望 | 第45-47页 |
| ·论文总结 | 第45页 |
| ·展望 | 第45-47页 |
| 致 谢 | 第47-48页 |
| 参考文献 | 第48-50页 |