| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-8页 |
| 1 绪论 | 第8-14页 |
| ·选题背景与研究意义 | 第8-9页 |
| ·网页正文提取研究现状 | 第9-12页 |
| ·国内外网页正文提取的现状 | 第9-11页 |
| ·选题意义及改进思路 | 第11-12页 |
| ·论文组织结构 | 第12-13页 |
| ·本章小结 | 第13-14页 |
| 2 八大网站中网页的基本特征及结构分析 | 第14-28页 |
| ·HTML 语法分析 | 第14-19页 |
| ·HTML 简介 | 第14-19页 |
| ·HTML 结构分析 | 第19页 |
| ·XML 语法分析 | 第19-21页 |
| ·XML 简介 | 第19-20页 |
| ·XML 的结构分析 | 第20-21页 |
| ·XHTML 语法分析 | 第21-23页 |
| ·XHTML 简介 | 第21页 |
| ·XHTML 结构分析 | 第21-23页 |
| ·传统的网页特征描述与提取方法 | 第23-26页 |
| ·网页特征描述模型 | 第23-24页 |
| ·网页特征抽取方法 | 第24-26页 |
| ·八大门户网站中网页的相似结构及提取方法 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 3 与网页正文相关的文字和图像超链接分析 | 第28-36页 |
| ·网页中的文字和图像超链接分析 | 第28-30页 |
| ·出现文字链接的原因及其特点 | 第28页 |
| ·出现图像链接的原因及其特点 | 第28-30页 |
| ·与网页正文无关的广告超链接判定方法 | 第30-32页 |
| ·超链接地址URL 的语法 | 第30-32页 |
| ·判定广告超链接的计算模型 | 第32页 |
| ·基于超链接分析的网页正文内容判定 | 第32-35页 |
| ·网页正文判定的启发式规则 | 第32-33页 |
| ·网页正文判定算法 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 4 基于区域分块的 HTML 网页正文提取技术 | 第36-49页 |
| ·基于区域分块的HTML 的元素删除法提取网页正文 | 第37-47页 |
| ·Head 和Body 区域块 | 第37页 |
| ·取出head 区域块中的网页标题 | 第37-39页 |
| ·取出Body 区域块中的网页正文标题 | 第39-43页 |
| ·基于区域分块的HTML 元素删除法提取网页正文的算法描述 | 第43-47页 |
| ·该算法的部分关键程序实现（参考附录C） | 第47页 |
| ·基于区域分块的HTML 元素嵌入式提取法提取网页正文内容 | 第47-48页 |
| ·Head 和Body 区域块 | 第47页 |
| ·确定网页标题的位置 | 第47页 |
| ·确定网页正文标题的位置 | 第47页 |
| ·确定网页正文内容的位置 | 第47页 |
| ·算法描述 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 5 实验与分析 | 第49-58页 |
| ·基于区域分块的HTML 元素删除法提取网页正文 | 第49-53页 |
| ·对比实验一 | 第49-51页 |
| ·对比实验二 | 第51-53页 |
| ·基于区域分块的HTML 元素嵌入式提取法提取网页正文 | 第53-57页 |
| ·对比实验一 | 第53-55页 |
| ·对比实验二 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 6 总结与展望 | 第58-60页 |
| ·论文创新点总结 | 第58-59页 |
| ·研究展望 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 附录 | 第64-68页 |
| A. 作者在攻读硕士学位期间发表的论文目录 | 第64页 |
| B. 作者在攻读学位期间取得的科研成果目录 | 第64-65页 |
| C. 基于HTML(以及XHTML 或XML)算法的部分关键程序实现 | 第65-68页 |
