Sustav za izdvajanje tabličnih podataka iz web-stranica

undergraduate thesis

• Title (english): System for Tabular Data Extration from Web-pages
• Author: Stanko Krtalić Rusendić
• Mentor: Klemo Vladimir (mentor)
• Committee member: Klemo Vladimir (predsjednik povjerenstva)
• Committee member: Vedran Podobnik (član povjerenstva)
• Committee member: Marin Šilić (član povjerenstva)
• Granter: University of Zagreb; Faculty of Electrical Engineering and Computing; Zagreb
• Defense date and country: 2018-09-19, Croatia
• Scientific / art field, discipline and subdiscipline: TECHNICAL SCIENCES; Computing
• Scientific / art field, discipline and subdiscipline: TECHNICAL SCIENCES; Electrical Engineering

Abstract

Proučiti i opisati dostupne sustave za izdvajanje tabličnih podataka iz polu-strukturiranih dokumenata kao što su web-stranice ili PDF dokumenti. Osmisliti i ostvariti sustav za izdvajanje strukturiranih tabličnih podataka iz navedenih dokumenata s naglaskom na web-stranice. Sustav treba izložiti svoje funkcionalnosti koristeći sučelje naredbenog retka za koje je potrebno osmisliti skup naredbi za jednostavni interaktivni rad. Nadalje, ostvariti i osnovno programsko sučelje sustava. Prikupiti skup web-stranica za ispitivanje rada sustava te ocijeniti uspješnost izdvajanja tabličnih podataka s obzirom
na složenost strukture ulaznog dokumenta. Opisati izgrad ̄eni sustav, navesti upute za postavljanje, nacˇine korištenja, navesti literaturu i primljenu pomoć.

Abstract (english)

Study and describe available systems for extraction of tabular data from semi- structured documents like web sites or PDF documents. Think of and implement a system for extracting of structured tabular data from the types of documents menti- oned above with an emphesys on web sites. The system should be implemented as a command line interface with a set of commands for interactive use. Aggregate a set of web sites for testing the effectivnes of data extraction regarding the com[plexety of the input. Describe the created system, write setup instrunctions, usage instructions, cite the literature used and any help received.

• Keywords: pdf; html; izdvajanje; tablice
• Keywords (english): pdf; html; extraction; tables
• Language: croatian
• URN:NBN: urn:nbn:hr:168:159415
• Study programme: Title: Computing; Study programme type: university; Study level: undergraduate; Academic / professional title: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva)
• Type of resource: Text
• File origin: Born digital
• Access conditions: Closed access
• Created on: 2019-03-13 22:02:21