版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、網(wǎng)頁中的文字,包含的信息量大、易于復(fù)用、占用空間小,是網(wǎng)頁種類信息中占絕對比例的信息形式,也是人們從網(wǎng)頁提取的所有信息中最多的形式。目前,Web挖掘的研究正處于發(fā)展階段,在普通網(wǎng)頁的文字提取研究領(lǐng)域也已形成眾多理論。
然而有一類網(wǎng)頁,由于采用了腳本,導(dǎo)致網(wǎng)頁在打開時執(zhí)行腳本而使計算機軟件系統(tǒng)受到惡意代碼入侵,或打開后的網(wǎng)頁文字受廣告因素等影響而無法被正常瀏覽,或被腳本限制而使文字無法被復(fù)制提取。這類特殊網(wǎng)頁的文本相對普通網(wǎng)
2、頁更有價值,特別是此類網(wǎng)頁經(jīng)常被網(wǎng)絡(luò)犯罪份子利用來為他們的活動隱匿證據(jù),網(wǎng)絡(luò)監(jiān)察部門進(jìn)行網(wǎng)絡(luò)犯罪的取證,必須采用一定的技術(shù)。
本文深入分析了網(wǎng)頁腳本的編制及工作原理,采用運行期類型信息技術(shù)和擴(kuò)展腳本技術(shù)從手工提取和自動提取兩個角度提出了特殊網(wǎng)頁文本的提取與合并方案,并解決了過濾干擾碼問題。其主要工作為:
研究發(fā)現(xiàn)所有特殊網(wǎng)頁的限制功能都來源于其源代碼中的腳本,研究采用擴(kuò)展腳本屏蔽其限制功能,將特殊網(wǎng)頁普通化;
3、網(wǎng)頁中的干擾碼都是在正文中插入的顏色為背景色的其他字符,研究擴(kuò)展腳本限制干擾碼發(fā)揮作用,達(dá)到過濾干擾碼的目的;提出運行期類型信息技術(shù),開發(fā)軟件,繞過惡意腳本,并自動提取文本;研究多頁面的相似性,通過記錄第一頁面的提取點和搜索鏈接地址,自動提取多頁面文本進(jìn)行合并;開發(fā)出軟件模型,測試其對普通網(wǎng)頁、特殊網(wǎng)頁中的文字的自動提取能力和自動過濾干擾碼的能力。
實驗證明,論文提出的所有方法均能有效抵制對文本提取的限制,而基于RTTI技
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 視頻文字提取技術(shù)研究與應(yīng)用.pdf
- 圖像文字定位與提取技術(shù)研究.pdf
- 基于頁面分塊的網(wǎng)頁內(nèi)容提取的研究與實現(xiàn).pdf
- 互聯(lián)網(wǎng)頁文字信息分析技術(shù)研究與應(yīng)用.pdf
- 基于Web頁面結(jié)構(gòu)的網(wǎng)頁數(shù)據(jù)提取研究.pdf
- 基于文本密度和頁面結(jié)構(gòu)的網(wǎng)頁信息抽取技術(shù)研究與實現(xiàn).pdf
- 基于模板的Web頁面信息提取技術(shù)研究.pdf
- 視頻圖像中的文字提取技術(shù)研究.pdf
- 網(wǎng)頁正文提取及去重技術(shù)研究.pdf
- 基于頁面主體提取的WEB信息抽取技術(shù)研究.pdf
- 基于標(biāo)簽分析的網(wǎng)頁正文提取技術(shù)研究.pdf
- 頁面數(shù)據(jù)過濾技術(shù)研究與應(yīng)用.pdf
- 靜態(tài)圖像中文字提取關(guān)鍵技術(shù)研究.pdf
- 復(fù)雜背景圖像中的文字提取技術(shù)研究.pdf
- 視頻理解和檢索中文字的檢測與提取技術(shù)研究.pdf
- 基于增量更新的交互式網(wǎng)頁內(nèi)容提取技術(shù)研究.pdf
- 基于本體的可定制化網(wǎng)頁信息智能提取技術(shù)研究.pdf
- 基于標(biāo)簽識別的網(wǎng)頁源代碼分析與內(nèi)容提取應(yīng)用技術(shù)研究.pdf
- 網(wǎng)頁水印技術(shù)研究.pdf
- 復(fù)雜背景圖像中的疊加文字提取技術(shù)研究.pdf
評論
0/150
提交評論