基于RSS2.0的新闻信息提取与发布
- 格式：pdf
- 大小：271.06 KB
- 文档页数：4
结合的提取方式 ， 适用于对大部分新 闻栏 目新闻 信 息 的提取 ． 分 析各 网站 新 闻栏 目， 有 新 闻标题 列 表 都 所
位 于 网站 首页 ， 查看 首 页 源 文 件 ， 析 新 闻标 题 分
链 接地 址 的共 性 ， 后 利 用 正则 表 达 式 ， 配 提 然 匹
取 所有新 闻标题 的链 接地 址． 所 有链 接对 应 的新 闻 内容 页 结构 都 相 同 ， 这 为 提取 内容信 息创 造 了有 利条 件 ． 需分 析 一个 只 新 闻 内容 页 Ｈ ＭＬ代码 结构 ， 能适 用 同一 新 闻 Ｔ 就 栏 目下 的所有 新 闻 内容 页 ． 在其 源 文件 中确定 新 闻标 题 、 闻 内容 、 闻作 者 和发 布 时 间等 分 别 新 新
类与 Ｒ Ｓ２ ０规 范相 结合 ， Ｓ ． 生成 Ｒ Ｓ文档 ， 终 实现 Ｒ Ｓ文 档的 生成 与发布 ． Ｓ 最 Ｓ
［ 关键 词 ］ 闻信 息 ； 取 ； ｓ 新 提 Ｒｓ
［ 中图分类号］ Ｐ １ ［ Ｔ ３ １ 文献标识码 ］ ［ Ａ 文章编号 ］６ ３ ８ １ （０８ ０ ０２ — ４ １７ — ０ ２ ２ ０ ）６— ０ ３ ０
［ 收稿 日期】 ０ ８ ０ ２ ２ｏ — ９— ６
［ 基金项目］ 重庆文理学 院科研项 目（ ２ ｏ Ｊ １ Ｙ Ｏ ７ｗ４ ）
提 取程 序是 基 于． Ｅ ． 架设 计 的 ＷＥ Ｎ Ｔ２０框 Ｂ
程序， 主要利用了 ｗｅＲ ｑｅ 类 （ ｂ ｅｕｓ ｔ 发出对统一资
［ 作者 简介］ 李文江 （９ ８ ， ， １７ 一） 男 重庆万州人 ， 助理实验师 ， 主要从事计算机网络与数据库应用研究
协助提供数据库连接信息以及数据库结构等 ， 如 果数 据库 相 关 信 息 修 改 ， 取 程 序 也 要 相 应 修 提 改 ， 以这 种 提 取 方 式 不 可 取 ． 采 用 目前 使 用 所 若
最 广泛 的一 种 提 取 方 式— —直 接 在 网站 页 面 提
其 中的文 本信 息 ． 匹配提取 的链接 地址 是通 向新 闻内容 页 的桥 梁． 利用所有 链接 地 址个 数 （ 即新 闻条数 ） 成一 构 个循 环 （０． ・ｅｔ ， 次 请 求 新 闻 内容 页提 取 ｆ ． ｎｘ） 依 ｒ…
２０ ０ ８年 ｌ ２月
重庆文理学院学报 （ 自然科学版）
Ｊｕ ｌ ｆ ｈｎ ｑｎ ｎｖｒｔ ｆ ｎ ｎ ｃ ｎｅ Ｎ ｔ ａ ｓ ｉ ｃ ｄｔｎ ０ｍａ ０ｇ ｉｇｕ ｉ ｓｙ０ ｓａｄｓｉ ｃｓ（ ａ ｒｌ ｃｅ ｅＥ ｉ０ ） ０Ｃ ｅｉ Ａ ｅ ｕ ｎ ｉ
Ｄｅ ．．２ ０ ｃ ０８ Ｖｏ． ７ Ｎｏ ６ １２ ．
在～起 ， 为我们 获取信息提供 一站式服务 ， 将我 们从 信息 海洋 中解放 出来 ． 中 Ｒ ｓ技术 就是 实 其 Ｓ
现“ 息 推送 ” 信 的关 键 技 术 之 一 ． 由于 高 校 各 部 门网站 的架 构不 尽相 同 ， 于校 园新 闻信息 分 散 基 于各部 门网站 的现状 ， 文就 如何 利 用 最简 单 的 本 方 法提 取各 站点 新 闻栏 目的新 闻信 息 ， 以 Ｒ Ｓ 并 Ｓ
第２ ７卷
第 ６期
基 于 Ｒ Ｓ２ Ｏ的新 闻信 息 提 取 与发 布 Ｓ ．
李文江 ， 李兴春
（． １ 重庆文理学 院 教 务处 ， 重庆 永川 ４２６ ） Ｏ ｌＯ
［ 摘 要】 于 Ｒ ｓ ． 技术 ， 基 ｓ ０ ２ 设计 了校 园新闻信 息的提取与发 布方案． 方案采 用 Ｈ Ｍ 该 Ｔ Ｌ标 签与 正 则表 达 式相 结合 的提 取 方法 ， 通过 建 立提 取 过 程 函数 ， 并将 过 程 函数 类化 ， 然后 将 引用
信 息 ， 而完成 一个新 闻栏 目所有新 闻的提取 ． 从 １ ２ 提 取程 序 流程及 建 立过 程 函数 ．
取信息， 就十分方便快捷． 即便 网站页面结构调 整 ， 只需作 简单 的提 取 程序调 整 即可 ． 也 网站页面提 取信息主要是 利用 网页 Ｈ Ｍ ＴＬ 标签定位 ， 并结合一些常用方法进行提取． 目前 ，
源标识 符 （ Ｒ ） Ｕ Ｉ 的请 求 ） ｗｅＲ ｓｏｓ （ 供 、 ｂ ｅｐｎｅ类 提
所在 的 Ｈ ＭＬ标 签 ， 后 用 Ｉｎ ，ｅｔ 法 提 取 Ｔ 然 ｎ ｅ ｒｘ 方
标准文档形式发布 ， 将校园网分散 的新闻信息聚 合在 同一 个平 台上 ， 现一 站式 阅读 进行 讨论 ． 实
１ 新 闻信息 提取
１ １ 提 取 思 路 与 方 式 ．
如果 采用 传统 的提 取方 式 （ 到各 网站 数 据库 里提 取数据 ） 不但 工作 量大 ， ， 还需 各 网站 管理 员
变 了我们 信息 获取 的方 式 ． 如果 我 们再 通 过 到各 大 网站漫 游来 获 取 有效 信 息 ， 就 显 得 落 后 了． 那 ｗｅ ． ｂ２Ｏ时代 ， 网络 信 息 的获取 ， 由“ 息拉 对 已 信 取 （ｎ０ ａｉ ｕ１” 向 “ 息 推 送 （ｎ０ｎｔｎ Ｉｆ ｔｎＰ ｌ 珊 ｏ ） 信 ＩｆＨ ａｏ ｉ Ｐｓ ） 模 式发展 ． 者将 个 性化 的信 息推送 聚集 ｕｈ ” 后
随着 网络 技术 的发 展 ， ｂ２ Ｏ已悄悄 地 规 范 的 Ｈ ＭＬ标 签 定 义 页面 Ｔ 中的数据 元 素 ． 用 这 些 Ｈ ＭＬ标 签 ， 以定 位 利 Ｔ 可 提取 网页 中的一般 元 素 ， 如果 需 要定 位 提取 特 但 殊元 素 ， 只利 用 Ｈ ＭＬ标 签 就 显 得 不 够 灵 活 了 ， Ｔ 但 若 结合 正 则表 达 式 ¨ 此 问题 就 能 迎 刃 而解 ． 本文 提取 方案 采 用 Ｈ ＭＬ标 签 与 正 则 表 达 式 相 Ｔ
