1、互聯(lián)網(wǎng)中蘊(yùn)含著大量可用的信息,但其中越來(lái)越多的內(nèi)容需要通過(guò)填寫HTML表單的方式才能獲得。從用戶和數(shù)據(jù)管理的角度來(lái)看,這是合理的,但是對(duì)于收集網(wǎng)絡(luò)信息的自動(dòng)化工具來(lái)說(shuō),無(wú)疑制造了很多的困難。這部分被隱藏在查詢表單后面的Web也因此被稱為Hidden Web。由于其中信息的巨大價(jià)值,在Hidden Web中的自動(dòng)信息搜索已經(jīng)成為熱門的研究課題。 本文將提出一個(gè)在Hidden Web中進(jìn)行信息搜索的方法,不同于其他針對(duì)頁(yè)面的方法,它

2、以Hidden Web中的信息為目標(biāo),通過(guò)自動(dòng)填表、制定查詢計(jì)劃、結(jié)果頁(yè)面處理、重復(fù)信息過(guò)濾等步驟,力爭(zhēng)高效地實(shí)現(xiàn)對(duì)隱藏在表單后面信息的覆蓋。 為了有效利用所獲得的信息,本文還將提出一種在頁(yè)面中抽取信息的方法。這種方法沒有針對(duì)Web頁(yè)面的整個(gè)結(jié)構(gòu)進(jìn)行解析,但仍然提取出了表格結(jié)構(gòu),在效率與靈活之間找到了一個(gè)平衡。 在此基礎(chǔ)之上,我們構(gòu)建了一個(gè)系統(tǒng)。針對(duì)典型的搜索引擎,它可以實(shí)現(xiàn)自動(dòng)登錄、自動(dòng)發(fā)起查詢、索引頁(yè)面處理、詳情頁(yè)面