基于块的Web网页信息提取.pdfVIP

第1l卷第l期 软件导刊 Vbl．1l No．1 2012年1月 SoftwareGuidc Jan．2012 基于块的Web网页信息提取 张红梅 (西安邮电学院通信与信息工程学院，陕西西安710121) 摘 要：在总结前人工作的基础上，提出一种基于块的网页内容提取算法，它从网页结构和内容两者角度入手，有效 过滤了其中无效的垃圾信息。通过对新浪、网易等150个网页实验分析，我们的方法切实可行并且具有较高的准确 性。 关键词：网页提取；互联网；知识挖掘；块；过滤 中图分类号：TP393．09 文献标识码：A 目前对网页主体内容提取，实际上是页面垃圾信息识 0 引言 别与清除的过程，其研究主要集中于以下方向： (1)基于模板的，分析一组页面中的相似结构或是信息 随着Internet的飞速发展，互联网信息呈爆炸式增 作为冗余内容，即垃圾信息。这种方法对基于同一个模板 长，然而网页作为互联网信息呈现的主要载体，如何去除 的网页集能获得比较理想的效果，但缺点是可移植性差。 其中的广告、图片、版权等垃圾信息，获得其中主体内容是 (2)基于结构的，这种方法主要是从网页结构信息角 中文信息处理领域的一个重要组成部分。 度出发，通常主体内容和无关信息在网页中所处的位置基 2．3交换机配置信息引起的故障以及路由的跟踪 络安全制度，提升局域网的安全防护能力。 局域网交换机配置信息出现问题通常都是网络管理 员造成的。这里的问题包括VLAN、端口的权限、和级连3结束语 口的设置容易出现错误。另外，如果三层交换机的路由设 置不当，用户将无法访问另一子网中的计算机。交换机的 根据实践经验，笔者将排除断网故障的优先顺序依次 配置问题应从管理入手，每当网络用户发生变化就应及时 进行更新，同时每次更新和修改都应对照参数配置表做好 修改记录。这样当交换机出现故障时，网络工程师就可以 根据修改记录对照参数配置表进行诊断和排除。 软硬件运行状况；⑤检查代理服务器和防火墙。 在有多子网的网络中，我们可以使用Windows自带的 局域网断网故障的诊断和排除应在实际工作中善于 Tracert命令跟踪定位网络中的故障节点。具体方法：在用总结，逐步积累经验。当发生断网故障时，应先仔细了解 户机上利用Tracert命令跟踪想要检测的主机地址，如果返断网的现象，分析可能造成故障的原因，然后可以参考断 回成功的信息，则说明网络通畅。如果数据包在某一点没 网故障的检查顺序和解决办法，运用软件和硬件的测试工 有返回数据，则说明该节点不可达，即找到了故障点。 具依次检测，逐步缩小故障可能发生的范围。相信只要积 2．4病毒造成的网络故障 极实践，总结经验，依照科学合理的方法检测和处理，断网 计算机病毒大都是用户通过移动存储介质从局域网 故障就一定能顺利解决。 的工作站进入网络或者用户在上Internet时候所感染的。 参考文献： 计算机病毒一旦进入局域网内，将会感染局域网内的计算 机、服务器甚至交换机。近年来最为典型的ARP病毒就 报，2008(6)．