web圖片搜索引擎設計(編輯修改稿)
2025-08-20 16:18 本頁面
【文章內容簡介】 關聯的 a和 img ? 嵌套 a href=””img src=””/a 則 ，可以使用 ? 并列 a href=”foo”anchor_text/a…… a href=”foo”img src=””/a 則 anchor_text相關，可以用 anchor_text作為文字信息 常用提取模式（續(xù)） ? table結構 ? 組織結果比較多樣化 ? 相關的文字和圖片放到同一個 td中； ? 相關的文字和圖片放在同一個 tr下的兩個 td里； ? 相關的文字和圖片放在兩個相鄰的 tr內； ? 以某種其他的規(guī)律出現在 table里 ? 提取時需要判斷使用的是哪一種組織方式 Hello, worldimg src=“”你好，世界 常用提取模式（續(xù)） ? 圖片周圍文字 ? 比較難于界定 “ 周圍 ” 的含義。 ? 基于流的方式，圖片所在 HTML流中位置前后一段固定的距離 常用提取模式（續(xù)） ? 圖片周圍文字（續(xù)） ? 基于 DOM的方式 ? 與圖片具有共同最低祖先的文字節(jié)點 form divimg src=“”/div fontsome_text/font /form form font div Some_text img 目前系統(tǒng)中使用的模式 ? img標記信息 ? a標記信息 ? 網頁標題 ? 圖片的 URL ? table結構 ? 圖片周圍文字（ DOM） ? 網頁 meta信息 ? 鏈接到圖片所在網頁的文本 ? 關聯的 a和img 信息提取方法 ? 基于 DOM的方法 ? 將 HTML文檔解析為 DOM樹，遍歷所有的節(jié)點，利用 DOM接口的方法獲取相關信息。 ? 優(yōu)點 ? 實現簡單，有開放的 DOM解析工具可用（ HTMLTidy） ? 利用部分結構信息，提取信息準確度稍高 ? 缺點 ? 需要解析 DOM， 效率較低 信息提取方法（續(xù)） ? 基于流的方法 ? 直接通過字符串查找來定位所要提取的信息
規(guī)章制度相關推薦
鄂ICP備17016276號-1