基于Swing的HTML解析器的实现与应用

HTML页面解析是一切工作的基础。首先,通过分析HTML解析器感兴趣的标签与超链接的分类,在Java的Swing包的基础上实现了一个HTML解析器,用来提取HTML文档的超链接和锚文本;其次,把HTML解析器应用到多媒体信息检索系统的搜索器Spider的开发中,通过设定若干个种子网站,选择合适的搜索算法,从中筛选出包含音频、视频和Flash动画的Web页面,并将其存放在数据库中。

XML解析技术研究

XML解析技术是XML语言被广泛应用的前提和基础,计算平台和XML应用特征的变化不断推动着该技术的发展。本文分析了XML解析技术存在的挑战,在对现有XML解析技术进行分类的基础上详细比较和分析了各类技术的特点及应用场景,指出了XML解析技术未来的研究趋势。

一种基于多叉树的HTML到XML的转换方法

当前的Web信息大多数都是HTML格式的,由于HTML文件中没有严格的结构性,故很难能用一种有效的 方法来检索或提取隐藏其中的数据.针对HTML的这种缺陷,本文提出了基于多叉树的HTML到XML转换方法,把 对HTML的信息检索问题转化为对XML的检索问题,以便简化下一步的检索问题.

一种基于内容的HTML到XML转换策略

互联网应用系统中传统ＨＴＭＬ内容数据的重用及其与Ｗｅｂ中标准ＸＭＬ格式数据的互交换非常重要。通过对ＨＴＭＬ结构和语法特点的分析，文章定义了一种分离ＨＴＭＬ格式信息与表达有效语义的内容数据的标记规则，建立了该标记规则到ＸＭＬ模式的一种影射，从而实现了一种从ＨＴＭＬ内容到ＸＭＬ结构数据的转换策略。最后，在网页在线维护系统ＷＯＭＳ中应用该策略实现网站管理者对网页的在线维护。

XML应用的基石:XML解析技术

XML解析器是XML应用的基础,选择合适的XML解析技术对应用系统的性能有着较大的影响。通过对XML解析中3种主要解析技术的对比,分析和总结了XML解析器应用中的若干问题,归纳了应用系统设计中XML解析技术的选取原则,并提出了基于性能优化考虑的解析器设计思路。

用DOM解析XML文档

概括介绍了文档对象模型 (DOM)的结构、特点及其功能 ,并以微软的DOM解析器为例 ,给出了解析XML文档的方法。

基于对称性的HTML到XML的转换方法

作为构造、存储、发送信息的方式,XML的出现在很大程度上解决了一些HTML所不能解决的问题。用XML作为数据变换的中介,给系统的实现带来极大的灵活性。HTML到XML的转换可以方便实现网上数据的交换。所提出的基于对称性的转换方法,可以高效方便地实现HTML到XML的转换,简化HTML中的信息抽取问题。

Web文档清洗系统中HTML解析器的开发

对于组建一个面向Web的信息系统来说 ,去除掉脚本、广告链接以及导航链接等无用数据 ,将提高信息存储和检索的效率 ;同时 ,基于语义对Web文档进行合并和分割也会有助于信息的管理 ,这些都是Web文档清洗系统的任务。在Web文档清洗中 ,无论是脱机的规则学习还是联机的文档清洗 ,都需要建立在对Web文档的结构和内容进行分析的基础之上。从HTML解析的一般概念入手 ,结合Web文档清洗系统的需求 ,描述了一个自主开发的HTML解析器的结构 ,并对其组成部分 :词典。

高性能的XML解析器OnceXMLParser

XML(extensible markup language)解析器是分析、处理XML文档的基础软件.研究高性能验证型XML解析器的实现.开发了支持3种解析模型的XML解析器OnceXMLParser,该解析器通过了严格的XML兼容性测试和API兼容性测试.OnceXMLParser具有轻量级体系结构并进行了多方面的性能优化,包括高效的词法分析、基于统计分析的自动机实现、合理的资源分配策略以及语言层次上的优化.性能测试结果表明,OnceXMLParser具有出色的解析性能.

OnceSAXParser:一种高效轻量的XML解析器

通过优化XML词法和语法处理以及构造轻量级体系结构,实现了支持SAX的高效XML解析器――OnceSAXParser。文中还将OnceSAXParser与目前最流行的XML解析器Xerces进行了对比分析和性能测试,结果显示OnceSAXParser的性能比Xerces平均提高了27%以上。

基于DOM的XML解析与应用

随着XML的广泛应用,大量的信息都将通过XML文档来进行存储、交换,因此熟悉和掌握一种解析XML文档的方法是很重要的。文中着重介绍基于DOM的XML解析的原理、特点、实现及在数据存储方面的应用,并以业务查询组件为例,详细描述了XML建模、解析及与JAVA反射机制相结合实现组件的可扩展现性,增强了组件的灵活性和扩展现性,降低组件的维护成本,突出了XML存储数据的优点,对推广应用XML和DOM技术有一定的实用意义。

XML与HTML在Web环境中的应用分析

传统网页编程语言HTML已经越来越无法满足人们的各种需求 ,文中分析了HTML的局限性 ,从XML标准的产生背景出发 ,阐述了XML的特点及其优越性 。

基于表格驱动的XML配置文件解析与生成技术

XML文件作为配置文件是很多系统的首选,但是目前针对XML文件的配置信息提取与配置文件的构造技术都缺乏通用性,效率较低,扩展性很差。针对这一问题,论文提出了一种通用的基于表格驱动的XML配置文件解析与构造技术。该技术具有如下几个特征:第一,采用表格驱动,用表格来表示XML的结构信息,可实现配置信息更加严格的验证;第二,利用表格中的槽(slot)结合函数回调来提取配置信息和生成配置文件,使数据和对数据的操作分开,降低了与配置文件的耦合性,同时也使解析和构造统一化,具有高效性。第三,采用基于插件的开放式架构,通过扩展插件可以解析、生成任何复杂的配置文件,具有易扩展性;实际应用表明,论文提出的XML配置文件解析与构造技术具有通用性、易扩展性和高效性。

SGML、HTML与XML的比较

本文分别介绍 3种标记语言 :标准通用标记语言 (SGML)、超文本标记语言和可扩展标记语言(XML) ,并对其作简单的比较。

基于并行子树构建的XML解析方法

XML解析的高耗时特点制约着XML应用系统整体性能的提高,并行化是一种重要的优化手段。现有的并行XML解析算法存在的问题是需要通过预处理进行数据划分,才能实现分片并行完全解析处理。预处理往往很耗时,若进行优化处理,则实现复杂。提出的方法可实现对XML数据任意分片直接进行解析,并行构建各个片断中的子树,再通过子树合并获得全局的文档树。实验结果表明该方法能有效利用多核计算环境,并行实现XML解析。

嵌入式HTML文档解析器的设计与实现

针对HTML文档在手持移动阅读设备上的阅读有效性问题,设计实现一种面向嵌入式应用的、平台无关的HTML文档解析器,对其关键技术进行阐述和分析。提出一种屏幕适配探测机制,实现对当前屏幕阅读无效内容的过滤。实验结果表明,该解析器降低了对嵌入式系统处理能力与内存配置的要求,能满足手持阅读设备的需要。

XML解析器应用分析

本文在简述XML一系列优越特性的基础上,结合当前研究热点,详细介绍了解析XML文档的两种方法:DOM和SAX,深入探讨了两者的利弊,并给出一个DOM解析器的实际应用。

HTML文件解析器设计:原理、算法与应用

网页设计制作已成为当前计算机基础教育的重要内容 ,但与此相关的自动阅卷系统研究尚未见报导 .本文介绍了作者在这方面所做的工作 ,内容包括 HTML文件解析器的设计原理、主要算法和典型应用等 .HTML文件解析器作为网上远程考试与评价系统的组成部分之一 。

一种提高中文搜索引擎检索质量的HTML解析方法

中文搜索引擎经常会返回大量的无关项或者不含具体信息的间接项 ,产生这类问题的一个原因是网页中存在着大量与主题无关的文字。对使用关键字检索方法的搜索引擎来说 ,想在检索或者后处理阶段解决这类问题不仅要付出一定代价 ,而且在大多数情况下是不可能的。在这篇论文中 ,我们提出了网页噪声的概念 ,并针对中文网页的特点 ,实现了一种对网页自动分块并去噪的HTML解析方法 ,从而达到在预处理阶段消除潜在无关项和间接项的目的。实验结果表明 ,该方法能够在不占用查询时间的前提下 10 0 %地消除中文搜索引擎隐藏的间接项 ,以及大约 11%的无法过滤或隐藏的无关项或间接项 ,从而大幅度提高检索结果的查准率。

用SAX解析XML文档的实现方法

讨论了解析XML文档的两种API.简要介绍了DOM和SAX在处理XML文档时的不同特点,重点分析了SAX的接口及其相关方法,并通过简单的示例展示了用SAX解析XML文档的方法.