网上表格数据到XML的自动转换

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (2): 190-190.

网上表格数据到XML的自动转换

张瑞,李石君

武汉大学计算机学院

收稿日期:2006-05-10 修回日期:1900-01-01 出版日期:2007-01-11 发布日期:2007-01-11
通讯作者: 李石君 shjli shjli

Automatic Conversion of HTML Tables into XML

武汉大学计算机学院

Received:2006-05-10 Revised:1900-01-01 Online:2007-01-11 Published:2007-01-11

摘要/Abstract

摘要： 互联网上有大量信息采用HTML表格表示，由于HTML不描述数据的内容，机器不能理解和查询。论文利用HTML表格属性，在表格中插入冗余单元，使HTML表格规范化；对没有标志表头的HTML表格，采用格式化的信息的量化值识别网上表格的表头。在此基础上，提出了通过获取表格属性与值对应的语义层次，自动转换HTML表格数据为XML文挡的新方法。

关键词: 信息提取, XML, HTML表格, Web

Abstract: A large amount of information available on the Web is formatted in HTML tables, which are not content-oriented, and are not suitable for understanding and query by machines. In this paper, we normalize the HTML tables by inserting redundant cells into them according the attributes of HTML tables. For some HTML tables without marked headings we recognize its headings by using the measure of formatting information. By capturing the attribute-value pairs according to the headings and their corresponding data cells based on the normalized table, we present the new approach to automatically convert HTML tables into XML documents.

Key words: information extraction, XML, HTML table, Web

张瑞,李石君. 网上表格数据到XML的自动转换[J]. 计算机工程与应用, 2007, 43(2): 190-190.

,. Automatic Conversion of HTML Tables into XML[J]. Computer Engineering and Applications, 2007, 43(2): 190-190.

[1]	陈智罡, 宋新霞, 郑梦策, 刘天成. 全同态加密文献计量分析研究[J]. 计算机工程与应用, 2022, 58(4): 40-51.
[2]	周爱君，努尔布力，艾壮，肖中正. 基于近邻成分分析的WebShell特征处理算法研究[J]. 计算机工程与应用, 2021, 57(16): 125-133.
[3]	周龙，王晨，史崯. 基于RNN的Webshell检测研究[J]. 计算机工程与应用, 2020, 56(14): 88-92.
[4]	尤国华，刘媛，高东. 异构系统中的Web服务器软件框架研究[J]. 计算机工程与应用, 2020, 56(11): 33-38.
[5]	韦庆杰1，刘淑坤2. 一种Web应用跨浏览器兼容性测试方法[J]. 计算机工程与应用, 2019, 55(5): 55-59.
[6]	邓丽平1，段利国2，杨丽凤2. 面向行为的可信Web服务选择方法[J]. 计算机工程与应用, 2019, 55(4): 112-118.
[7]	贾晓莉，吴瑞，吴思颖. 并行分布式的Web访问模式双层聚类[J]. 计算机工程与应用, 2019, 55(23): 216-221.
[8]	贾志淳，卢元，李想，邢星. 一种多参数的Web服务选择方法[J]. 计算机工程与应用, 2019, 55(21): 74-78.
[9]	戴敏. 基于NB分类器重访概率预测的Web缓存替换策略[J]. 计算机工程与应用, 2019, 55(19): 134-140.
[10]	龙廷艳，万良，邓烜堃. 基于卷积神经网络的JavaScript恶意代码检测方法[J]. 计算机工程与应用, 2019, 55(18): 89-94.
[11]	尤枫，张雅峰，赵瑞莲，马金慧. 基于页面聚类的Web应用测试方法研究[J]. 计算机工程与应用, 2018, 54(5): 51-56.
[12]	张梦珂1，李兵1，3，王健2. 基于多地域的SOAP与REST服务的性能实证分析[J]. 计算机工程与应用, 2018, 54(4): 1-8.
[13]	王亮1，2，郭星1，2. 基于柯西烟花算法的大规模服务组合优化[J]. 计算机工程与应用, 2018, 54(24): 34-40.
[14]	郑逢斌1，朱青1，2，臧文乾2. 一种XML驱动的遥感产品生产并发数据流模型[J]. 计算机工程与应用, 2018, 54(24): 266-270.
[15]	谭朝文，宗容，席先强，武浩. 基于贝叶斯张量分解的改进QoS预测[J]. 计算机工程与应用, 2018, 54(20): 74-79.