GooSeeker

DataScraper进行Web页面抓取和数据抽取（信息提取）的过程需要信息提取指令文件的指导，这些文件存储了MetaStudio计算出来的信息提取规则，有四类指令文件：

• 数据提取指令文件：也称为MAP文件，实际上是一个XSLT指令文件，能够将目标页面信息进行转换，并序列化成XML文件，即信息提取结果文件。如果数据结构指令文件存在则该文件存在。
• 数据结构指令文件：也称为GEM文件，该文件是对信息提取结果的数据结构的描述，例如，有哪些Bean，有哪些信息属性及其特性等等。如果信息结构中有关于数据提取规则的定义则该文件存在。
• 线索提取指令文件：也称为SCE文件，用于从目标页面中提取线索。如果信息结构中有关于线索提取规则的定义则该文件存在。
• 信息结构识别规则文件：也称为DSD文件，用于检验目标页面是否符合本主题下某个信息结构。该文件总是存在。