XML技术在化学深层网数据提取中的应用

摘要：

Internet上的化学数据库是宝贵的化学信息资源,如何有效地利用这些数据是化学深层网所要解决的问题.本文总结了化学深层网的特点,基于XML技术实现从数据库检索返回的半结构化HTML页面中提取数据的目标,使之成为可供程序直接调用做进一步计算的数据.在数据提取过程中,先采用JTidy规范化HTML,得到格式上完整、内容无误的XHTML文档,利用包含着XPath路径语言的XSLT数据转换模板实现数据转换和提取.其中XPath表达式的优劣决定了XSLT数据转换模板能否长久有效地提取化学数据,文中着重介绍了如何编辑健壮的XPath表达式,强调了XPath表达式应利用内容和属性特征实现对源树中数据的定位,并尽可能地降低表达式之间的耦合度,前瞻性地预测化学站点可能出现的变化并在XSLT数据转换模板中采取相应的措施以提高表达式的长期有效性.为创建化学深层网数据提取的XSLT数据提取模板提供方法指导.

关键词：Web数据提取、化学深层网、XML、XSLT、XPath、化学数据库

所属期刊栏目：23

分类号：TP392(计算技术、计算机技术)

资助基金：国家自然科学基金90612015

在线出版日期：2007-03-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1137-1141