摘要：
现在计算机处理涉及到大量的字符串操作，字符串的匹配是使用频率最高的字符串操作之一，大学数据结构与算法中字符串一章，也专门介绍了字符串匹配。 字符串的单模式匹配中最基础的算法是朴素的模式串匹配算法，比这更高级的是KMP算法。 朴素的字符串匹配算法 算法中i,j分别指示主串text和模式串pattern 阅读全文
摘要：
背景 Ansj 是一个开源的 Java 中文分词工具，基于中科院的 ICTCLAS 中文分词算法，比其他常用的开源分词工具（如mmseg4j）的分词准确率更高。工具支持词性标注，所以就可以依据词性进行分词结果的过滤。 词性介绍 1. 名词 (1个一类，7个二类，5个三类) 名词分为以下子类： n 名 阅读全文
摘要：
背景 正则表达式的用处十分广泛：字符串处理、输入验证等，特别是在爬取网页中对网页内容的清洗更需要正则。 正则表达式 基本所有的语言都支持正则表达式，或者内置或者引入。正则的语法很多，但每种语言对正则支持的程度都不同（常用的语法规则基本都支持），这点需要格外注意。 元字符 正则表达式有12个特殊的标点 阅读全文
摘要：
Hadoop集群支持三种运行模式：单机模式、伪分布式模式，全分布式模式，下面介绍下在Ubuntu下的部署 （1）单机模式 默认情况下,Hadoop被配置成一个以非分布式模式运行的独立JAVA进程，适合开始时的调试工作。在eclipse中开发用的就是单机模式，这时不用HDFS。 好的如果没有安装JDK 阅读全文