【编者按】本文记录了人生中写第一个窗体程序过程中的点点滴滴，虽然程序非常稚嫩，但总归是第一次啊，还是要留下点纪念，以供将来老了无所事事时能有个回忆的东西。
上个学期选了何苯老师的社会计算（很nice的一个老师，而且我们一致认为其比较帅，从他的容貌中还依稀可以看到当年正太的影子），该课程要交大作业，看了一遍所有的题目，我也就对其中计算文本相似的题目有点想法，而且刚学完C#，正好可以拿来练练手，就决定选这个题目了。
题目：互动百科与百度百科的比较
要求：用户通过界面输入词条，程序需要
- 从两个网站分别获取词条信息
- 比较两个词条的相似度
老何说他之所以出这么一个题目，是因为互动百科状告百度百科的那场官司。至于互动为什么要打这场官司，相信大家都懂的：度娘，因为山寨而存在。
根据作业内容，我决定把要写的程序命名为“百科词条相似度计算系统”（恩，程序性能不重要，名字一定要长要霸气）。
我认为该系统主要需要实现以下几个功能：
- 根据词条名称查找该词条网页的URL
- 从网页中提取和词条有关的正文
- 对提取到的文本进行分词
- 计算文本之间的相似度
1. 确定URL
获取词条页面的URL时，我用的工具是httpwatch。安装后，它会集成到IE的工具栏上，界面很简洁，功能很犀利。
来，给功臣露个脸。
互动百科词条URL构造比较简单：
http://www.hudong.com/wiki/词条名称（其中词条名称用UTF8 编码）
如果互动百科中没有该词条，访问这个URL会跳转到另外一个页面，页面中有“您要访问的页面不存在”，“尚未收录词条”，“词条名字为空”之类的错误信息，可以据此判断互动百科中是否收录了该词条。
百度百科词条URL的格式如下：
http://baike.baidu.com/view/数字编号.htm
其中的数字编号可以从访问
http://baike.baidu.com/searchword/?word=词条名称（其中词条名称用GB2312 编码）
返回的内容中用正则表达式提取到，返回的内容大致如下：
<meta http-equiv='Pragma' content='no-cache'> <meta http-equiv='Refresh' content='0;URL=/view/1604.htm'>
同样的，如果返回的数据中没有数字编号，则代表百度百科没有收录该词条。
-------------------------------------------
作者：兔纸张 来源：博客园 (
http://www.cnblogs.com/geiliCode
)
