摘要： 需求：从格式化数据中抽取html网页，并抽取网页中的全部汉字内容。需要的开源库 inconv boost数据格式如下：两个^\r\n锁定头部，之后是html网页。 其中第一个头部Store-Size部分保存网页的字节数。/*===============================================================* Copyright (C) 2013 All rights reserved.* * 文件名称：ProcessWeiboCorpora.cpp* 创 建 者：刘禹 finallyly * 创建日期：2013年04月24日* ... 阅读全文