网页文档内容与格式识别的研究与实现

1 前言 随着万维网（World Wide Web）在国际互连网上的推广，文本信息数量日益增加，交换日益频繁，这就需要一个高效率的信息检索系统。目前，在Internet上有数百万个Web服务器日夜不停地向人们提供着各式各样的信息服务。现有的著名搜索引擎，如Yahoo!，Looksmart等，都是利用人工分类方法将网络信息分类，将检索后的结果存入数据库。因此，研究高效率的信息检索系统得到了一些学者的重视。