关于网页信息抽取的论文：【摘要】提出并实现了一种基于网页文字密度的正文信息提取算法，该算法主要根据中文网页源码每行中的中文字符比例，区别正文行和非正文行，并辅助一些相关的伪源码正文块识别算法，来区别真正的正文信息和噪声信息，从而实现中文网页正文信息的提取。实验结果表明本方法切实可行并且具有较高的准确性和通用性。-About Web information extraction papers: Abstract proposed and implemented a web-based text i