GooSeeker

请进新网站

MetaSeeker是一个Web网页抓取/数据抽取/页面信息提取工具包，能够按照用户的指导，从Web页面上筛选出需要的信息，并输出含有语义结构的提取结果文件（XML文件），众所周知，Web页面显示的信息是给人阅读的，对于机器来说，是无结构的，MetaSeeker解决了一个关键问题：将无结构的Web页面信息转换成有结构的适于机器处理的信息。可以应用于专业搜索、Mashup和Web数据挖掘领域。

MetaSeeker工具包的目标用户

MetaSeeker工具包的目标用户是提供以下服务和系统的企业和个人：

1. 垂直搜索（或称为专业搜索）服务
2. 信息汇聚和门户服务
3. Mashup服务
4. 企业网信息汇聚
5. 商业情报采集
6. 论坛或博客迁移
7. 智能信息代理
8. 个人信息检索
9. 信息挖掘

MetaSeeker工具包对Web页面的语义结构进行描述，输出适合计算机自动处理的描述文件和指令文件，并且能够持续地、大批量地提取Web信息，输出带有语义结构元数据的信息提取结果文件，可以高效地为信息服务系统补充内容。

MetaSeeker工具包的组成

• MetaStudio：是Web页面信息结构描述工具，提供GUI界面，作为Firefox扩展（Firefox extension）发行，推荐与MetaCamp和DataStore配套使用，这样信息结构描述文件和各种信息提取指令文件就可以上载到MetaCamp和DataStore服务器，以拥有协同描述页面信息结构和分享信息提取成果的能力。
• DataScraper：是Web页面信息提取(网页抓取/抽取)工具，利用MetaStudio生成的各种信息提取指令文件，对特定页面的信息进行连续提取，并将信息存储在DataStore服务器中。提供GUI界面，作为Firefox扩展发行，技术核心是一个自研的工作流引擎，由信息提取工作流指令文件驱动。
• MetaCamp：是存储和管理信息结构描述文件的服务器。作为一个应用（application）部署在Tomcat等Servlet容器中。
• DataStore：是存储和管理信息提取线索、各种信息提取指令文件和信息提取结果文件的服务器，集成Lucene v2.3.2技术，能够为结果文件建立索引。作为一个应用（application）部署在Tomcat等Servlet容器中。

专业信息提取和Web业务集成服务

Web信息提取(网页抓取/抽取)

• Web信息提取服务
• Web业务集成服务