基于dom的web文本分割

？利用web文档的半结构化信息，提出一种基于dom的web文本分割算法。该算法充分挖掘web网页中控制网页内容结构和显示的html标签信息，构建htmldom树。首先通过改进传统的平面文本分割方法，使之适用于web文本分割；然后利用dom树中的节点平滑平面文本分割的结果，初步实验表明该算法能有效提高web文本分割的精确度。