网页内容解析。利用网络爬虫抓取的网页, 主要是静态网页。

为提高索引的精确度, 本系统采用了第三方的HTMLParser解析网页。

其使用方法是继承HTMLParser的基类Extractor来实现对HTML文件的解析。处理后是以文本文件格式存储的, 以便之后分词和建立索引使用。

声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。