GooSeeker

一个一个网页作为样本分别定义信息结构并生成摘取规则当然是可以的，但是，这样做很费时。MetaSeeker根据信息提取线索提取网页内容，一个线索对应一个网页的URL地址，那么，如果我们能够成批的生成线索，就可以高效地从维基百科上将大量网页的信息盒内容摘取下来。总之，我们应该找到一种快速生成线索的方法。

假设当前制作的主题名为A。

点击http://en.wikipedia.org/wiki/Boston_Celtics 网页上的某个categories（位于网页下部，维基百科的每篇文章都属于一个或者多个类，我们期望同一类里面的网页有相同的结构，即都有信息盒） 看到一个列表网页，再假设点击这个列表的链接进入的网页都有与A相同的信息结构

那么，

为列表网页定义信息提取主题B，专门提取列表项的超链接（也就是所谓的线索），超链接的主题是A。

这样，先提取主题B，就会获得很多主题A的线索，然后提取主题A，达到目的。

以上假设所有类似网页都集中在某个列表上，如果不是，就得一个个单独定义信息结构了。当然不必为每个网页从一个空白工作台开始，而是采用一种像模板套用的方式：

将http://en.wikipedia.org/wiki/Boston_Celtics 的信息结构定义好并上载服务器后，在MetaStudio上加载 http://en.wikipedia.org/wiki/Houston_Rockets 网页，点击菜单“文件”-〉“分析页面”，如果没有提示xx信息属性无法定位，则表示信息结构完全符合，点击工具条上的 Instruction按钮，为该网页生成一个线索，一次类推，加载每一个网页并上载信息提取指令文件。