论文部分内容阅读
XML已经成为处理与管理信息的标准格式，而HTML表格被广泛应用于Web。为了充分利用与管理HTML表格信息，需要将HTML表格转换成XML。提出一种有效的处理方法，该方法包含2个部分，即表格识别与结构转换。表格识别通过检查格式、语法及语义的特征将表格提取出来并分割成值域与属性域，使用预设的表格模板分析属性域与值域间的层次结构并将其转换成XML格式。通过 300多个表格的实验表明，所提出的方法要优于传统方法，结果的准确率达86.7%。