Automated extraction of structured information from a variety of web pages

• Published in: PROBLEMS IN PROGRAMMING
• Date: 2018
• Issue: 2-3
• Pages: 149-158
• ISSN: 1727-4907
• Author Affiliations: S.D. Pogorilyy — Kiev Taras Shevchenko National University — ORCID: 0000-0002-6497-5056; A.A. Kramov — Kiev Taras Shevchenko National University — ORCID: 0000-0003-3631-1268
• Keywords: одержаними за допомогою аналізу об’єктної моделі веб-сторінок власноруч, текстові шаблони, автоматичне анотування, веб-точка, структура пошуку даних, екстранкція даних, оброблення текстових даних, шаблон, текстова модель анотування, інформаційно- пошукові ресурси internet
• Main Authors: Pogorilyy, S.D., Kramov, A.A.
• Format: Article
• Language: Ukrainian
• Published: PROBLEMS IN PROGRAMMING 2018
• Subjects: data extraction; extraction methods; classification of extraction methods; Trinity method; ternary document tree; prefix tree traversal; DOM; automated collection of web pages; search bot; HTML page template; formation of a regular expression; UDC 004.67
• Online Access: https://pp.isofts.kiev.ua/index.php/ojs1/article/view/277
• Journal Title: Problems in programming

The expediency of using methods of structured data extraction from a set of HTML pages for the information search in the Internet is substantiated. The main methods of structured data extraction from the set of web pages, which are formed by a common scenario with different sets of data, are analyze...