应用正则式抽取Google网页内容

摘要

正确、完整地抽取搜索网页的内容,是对检索到的信息进行处理的基本前提.本文分析了Google网页的结构特征,给出了一组匹配Google网页内容的正则式,并用Visual C#实现了一个内容抽取器.对多个Google网页的实际应用表明,本文提出的正则式匹配方法可以抽取Google网页的全部主要内容.