zhou518zhou

摘要： lucene3.0lucene中有如下的类层次：org.apache.lucene.util.AttributeSourceorg.apache.lucene.analysis.TokenStream (implements java.io.Closeable) org.apache.lucene.analysis.NumericTokenStream org.apache.lucene.analysis.TeeSinkTokenFilter.SinkTokenStream org.apache.lucene.analysis.TokenFilter org.apache.lucene.ana 阅读全文

摘要： 使用HtmlParser编写的抽取程序的缺点：1.用Htmlparser写的程序很难去维护。2.能否将要抽取的信息的定义和htmlparser程序分离？3.用简单的办法解决问题。抽取规则XML文件的编写规范一．基础Html文档由一系列的标签节点组成，这些节点使用树形结构组织，每一个标签节点由TagName，Attributes，以及ChildTags组成，我们要抽取一个信息总是要先对应到一个具体的标签节点上，然后再对这个标签节点进行操作从而获取要的信息，所要的信息可能是这个标签的某个属性，或者这个标签在界面上输出的字符串（忽略格式），或者是这个标签的Html等等，因此在抽取之前首先要定位到信息 阅读全文

摘要： lucene3.0 分页显示与高亮显示 实现的 分页 与 高亮显示出处:http://bjqincy.iteye.com/blog/784817分页类Java代码packagecom.cee.com;importjava.util.List;//分页类publicclassPageBean{privateListlist;//要返回的某一页的记录列表privateintallRow;//总记录数privateinttotalPage;//总页数privateintcurrentPage;//当前页privateintpageSize;//每页记录数privateintoffset;public 阅读全文

摘要： 前言上篇【观察者模式】发布已经近一个月了，个人感觉反应并不太理想，因为大家响应都不是很积极，不知是文章那里写得有问题，而且也没有人提出过有价值的改进建议，多少感觉有些失望L！因为工作繁忙，所以不可能把主要精力投入到写作上，因此这个系列的文章更新有些缓慢，但是每篇文章我一直坚持高质量(这是最重要的)，而且同样注重大家的反馈，一直希望大家能以这些文章为媒介，换来思想碰撞的火花，使每篇文章都能成为大家共同进步的起点而不是终点，所以还是呼吁大家看过文章后能踊跃发言、各抒己见，这里永远欢迎来自不同“频率和波段”的声音！(我的神啊！让我们的小宇宙燃烧得更猛烈一些吧！J)这次我们先通过HFDP里咖啡的故事做 阅读全文

摘要： 正则表达式30分钟入门教程来园子之前写的一篇正则表达式教程，部分翻译自codeproject的The 30 Minute Regex Tutorial。由于评论里有过长的URL,所以本页排版比较混乱,推荐你到原处查看,看完了如果有问题,再到这里来提出.一些要说的话：如果你没有正则表达式的基础，请跟着教程“一步步来”。请不要大概地扫两眼就说看不懂——以这种态度我写成什么样你也看不懂。当我告诉你这是“30分钟入门教程”时，请不要试图在30秒内入门。事实是，我身边有个才接触电脑，对操作都不是很熟练的人通过自己学习这篇教程，最后都能在文章采集系统中使用正则表达式完成任务。而且，他写的表达式中，还使用了 阅读全文

摘要： 本文是转载而来，原博客地址:http://www.cnblogs.com/caihongwu/archive/2009/09/07/1561952.html向量空间模型将文档映射为一个特征向量V(d)=(t1,ω1(d)；…；tn, ωn(d))，其中ti(i=1,2, …,n)为一列互不雷同的词条项，ωi(d)为ti在d中的权值, 一般被定义为ti在d中出现频率tfi(d)的函数，即。在信息检索中常用的词条权值计算方法为 TF-IDF 函数，其中N为所有文档的数目，ni为含有词条ti的文档数目。TF-IDF公式有很多变种，下面是一个常用的TF-IDF公式：根据TF-IDF公式，文档集中包含某 阅读全文

摘要： (PS:这篇文章为转载，我不喜欢转载的但我觉得这篇文章实在是超赞了，就转了过来，这篇可以说是学习JAVA正则表达的必读篇。作者是个正真有功力的人，阅读愉快) 在Sun的Java JDK 1.40版本中，Java自带了支持正则表达式的包，本文就抛砖引玉地介绍了如何使用java.util.regex包。 可粗略估计一下，除了偶尔用Linux的外，其他Linu x用户都会遇到正则表达式。正则表达式是个极端强大工具，而且在字符串模式-匹配和字符串模式-替换方面富有弹性。在Unix世界里，正则表达式几乎没有什么限制，可肯定的是，它应用非常之广泛。 正则表达式的引擎已被许多普通的Unix工具所实现，包括g 阅读全文

摘要： 《本文是转载而来》本文从一个给定的实现了组合（Composite）模式的例子开始，说明怎么在这个数据结构上实现业务逻辑代码。依次介绍了非面向对象的方式、在组合结构中加入方法、使用访问者（Visitor）模式以及用改进后的访问者（Visitor）模式来实现相同的业务逻辑代码，并且对于每种实现分别给出了优缺点。读者定位于具有Java程序开发和设计模式经验的开发人员。读者通过本文可以学到如何在组合（Composite）模式中实现各种不同的业务方法及其优缺点。组合（Composite）模式组合模式是结构型模式中的一种。GOF的《设计模式》一书中对使用组合模式的意图描述如下：将对象组合成树形结构以表示& 阅读全文

摘要： 文章是转载而来，原博主地址：http://www.cnblogs.com/forfuture1978/所谓事务性，本多指数据库的属性，包括ACID四个基本要素：原子性(Atomicity）、一致性（Consistency）、隔离性（Isolation）、持久性（Durability）。我们这里主要讨论隔离性，Lucene的IndexReader和IndexWriter具有隔离性。当IndexReader.open打开一个索引的时候，相对于给当前索引进行了一次snapshot，此后的任何修改都不会被看到。仅当IndexReader.open打开一个索引后，才有可能看到从上次打开后对索引的修改。当 阅读全文