Alpha版本发布说明

项目名称	Pipeline
项目版本	Alpha版本
负责人	北京航空航天大学计算机学院 C705团队
联系方式	http://www.cnblogs.com/C705/
发布日期	2014-11-23

 

更新内容： 

 1.修复缺陷：

　　a)中英文分词算法改进

　　b)提取文档信息改进

　　c)提取关键词结构优化

　　d)修复与爬虫数据库数据交互问题

　　e)修复无法找到文件时出错问题

　　f)修复错误标签存在的问题

　　g)修复数据库连接没有close导致崩溃的问题

 

2.新功能：

　　a)支持对pdf的信息提取

　　  下面的两个图中，左边是pdf源文件的内容，右边是进行转换后输出的txt文件的内容，可以看出，txt文件保留了pdf的分段、提行信息。

　　  

 

　　b)支持对word文档的信息提取

　　   下面以数据库课程设计要求文档展示word转换为txt的效果。

 　　　　这是word中的目录页：

　　　　 

                后面的内容：

 

　　　c)支持对电子表格的信息提取:

　　　　　　  

　　　　　　转换后，基本上能够保持原表格的结构：

                 

 

环境要求： 

 

操作系统需求	Windows操作系统
运行环境需求	无
数据库需求	需配置数据库到Windows（或Windows   server）数据源中，数据库名为crawler

 

 

 

 

 

 

 

安装方法：

　　直接解压安装，在Pipeline\Pipeline\bin\Debug文件夹中找到Pipeline.exe可以打开程序。

 

系统已知的问题和限制：

 　　a)爬取文件名和文件所在路径不能过长

　　 b)无效字符的无法处理

　　 c)数据库与文件信息不匹配会出现异常

　　 d)文件中图片信息无法提取

 

软件的发布方式以及发布地址：

　　代码发布在服务器219.224.191.25上，可下载使用。