網頁轉換系統(tǒng)的信息提取模塊基于jsoup對Web頁面進行信息提取工作, 主要分為文本信息提取和資源路徑的提取。文本信息提取是指提取目標網頁中的重要文本內容, 例如導航、信息列表、正文等;為了保證轉換完成的網頁繼承目標網頁的整體風格, 資源路徑提取是指通過代理服務器提取目標網頁中資源路徑, 例如網頁頭部加載的CSS, Javascript以及文本內容對應的超鏈接。