一种基于网页数据挖掘的信息采集方法

摘要

本发明公开了一种基于网页数据挖掘的信息采集方法，涉及数据挖掘技术领域。所述方法包括步骤：A：从目标Web文档中获得待采集信息；B：判断待采集信息类型是否是固定格式数据，如果是，执行步骤E；否则，剔除无用信息后进行信息整理，执行步骤C；C：判断待采集信息类型是否是半结构化数据，如果是，进行模式发现，执行步骤D；否则，执行步骤E；D：判断是否保存有模式模板，如果是，执行步骤E；否则，进行模式分析后保存其模式模板，执行步骤E；E：剔除重复信息后存储到本地计算机上。所述方法，能够以较低的成本和较短的时间，满足需求简单、数据量较小的信息采集需求。

主权项

一种基于网页数据挖掘的信息采集方法，其特征在于，包括步骤：A：从目标Web文档中获得待采集信息；B：判断所述待采集信息类型是否是固定格式数据，如果是，执行步骤E；否则，从所述待采集信息中剔除无用信息后进行信息整理，然后执行步骤C；C：判断所述待采集信息类型是否是半结构化数据，如果是，对所述待采集信息进行模式发现，然后执行步骤D；否则，执行步骤E；D：判断是否保存有所述待采集信息的模式模板，如果是，执行步骤E；否则，对所述待采集信息进行模式分析后保存其模式模板，再执行步骤E；E：对所述待采集信息进行分类，剔除重复信息后创建检索目录；F：将所述待采集信息存储到本地计算机上。