はてなブックマーク - HTMLのドキュメントから繰り返し部分をみつける

HTMLのドキュメントから繰り返し部分をみつける - bits and bytes

labs.gmo.jp

タグ : JavaScript HTML XPath programming rss bookmarklet scraping extract あとで読む形態要素解析

コンピュータ・IT 117 users

RSSを生成していないページからRSSを生成するなんでもRSS 0.1bは、公開されているJSAI2005: なんでもRSS - HTML文書からのRSS自動生成によると、日付情報を目印にしてそのHTML ドキュメントの構造を推測して、各エントリ(item要素)のタイトルと本文を単語の統計的に処理して決定し、フィードを生成していると書かれています。ウェブ上にあるHTML ドキュメントは Ask.jp ： "xml" Search results. のように、RSSのitem要素に相当する部分に日付が含まれて... > このページを見る

最終更新時間: 2007年11月01日23時06分

▼ブログで紹介する

みんなのブックマーク人気（0）新着

toton javascript, nlp
コンテンツ、本文抽出 2008/10/04
webmarksjp *javascript, rss, html, 自然言語処理, extract, bookmarklet
*programming 2008/07/14
todesking fulltext
差分を元に繰り返し抽出 2008/04/30
bigchu js, programming
: いきおいでBM 2008/01/17
stlmix
HTMLの繰り返し構造を抽出するってすげ～ 2008/01/08
poafag javascript
ブックマークレット　返し部分のXPathを生成 2007/11/09
monjudoh JavaScript, XPath, スクレイピング
『大量のデータを複数のページにわけて表示しているHTMLドキュメントを対象に、ドキュメント中に含まれる繰り返し部分のXPathを生成する』 2007/11/06
june29 html, javascript, scraping
差分を取る，って点が面白い 2007/11/02
wacky JavaScript, 開発, HTML, bookmarklet, 考察
Google検索結果のように複数ページに分かれたHTMLドキュメントから、繰り返し部分のXPathを生成するJavaScript。ブックマークレット版あり。問題点についての考察も。 2007/11/02
ag-commerce
RSSを生成していないページからRSSを生成するなんでもRSS 0.1bは、公開されているJSAI2005: なんでもRSS - HTML文書からのRSS自動生成によると、日付情報を目印にしてそのHTMLドキュメントの構造を推測して、各エントリ(item要素)の 2007/11/02
shidho javascript, html, rss, プログラミング
うまく動くのかな? 2007/11/02
faw
日本語処理 2007/11/02
ringod html, text, js, xpath
>>大量のデータを複数のページにわけて表示しているHTMLドキュメントを対象に、ドキュメント中に含まれる繰り返し部分のXPathを生成するブログラムをjavascriptで作りました。 2007/11/02
otsune
差分要素に「ad」「tag」「menu」がurlやclassやidに含まれるDOMは本文ではないと見なすとかどうか 2007/11/02