HTMLParser抽取Web网页正文信息

【文件属性】：

文件名称：HTMLParser抽取Web网页正文信息

文件大小：285KB

文件格式：DOC

更新时间：2016-12-16 08:18:06

提取网页数据

一般在浏览Web上的网页时会发现两部分内容：一部分是网页的主题信息，另一部分则是与主题内容无关的导航条、广告信息、版权信息等内容，我们称之为“噪音”内容。通过提取主题信息可以减少一半浏览时间，提高用户获取信息的速度，从而增强Web的可用性