基于heritrix的web信息抽取

？针对现阶段web信息抽取技术的不足，提出一种基于heritrix的精确抽取方法，由三个分别独立的功能模块共同完成。与一般信息抽取不同，本方法注重于在精确抽取的前提下实现通用化，做到可以根据数据库表的字段来进行最小单位的信息抽取，并且较好地解决信息采集通用性和准确性之间的矛盾。