自己動手寫搜索引擎_第1頁
已閱讀1頁，還剩314頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

1、自己動手寫搜索引擎——建一個自己的Google羅剛2009目錄23.2.1建立數(shù)據(jù)視圖.......................................................................................................363.2.2JDBC數(shù)據(jù)庫連接..........................................................

2、.......................................363.2.3增量抓取...............................................................................................................383.3抓取本地硬盤上的文件............................................

3、......................................................383.3.1目錄遍歷...............................................................................................................383.4本章小結...................................

4、.......................................................................................40第4章提取文檔中的文本內容...................................................................................................414.1從HTML文件中提取文本..

5、..........................................................................................414.1.1HtmlParser介紹.....................................................................................................494.1.2結構化

6、信息提取...................................................................................................524.1.3網(wǎng)頁去噪..........................................................................................................

7、.....584.1.4網(wǎng)頁結構相似度計算...........................................................................................614.1.5正文提取的工具FireBug.....................................................................................62

8、4.1.6正文提取的工具NekoHTML..............................................................................644.1.7正文提取...............................................................................................................

9、664.2從非HTML文件中提取文本........................................................................................774.2.1TEXT文件.....................................................................................................

10、........774.2.2PDF文件...............................................................................................................774.2.3Wd文件..............................................................................

11、................................854.2.4Rtf文件..................................................................................................................864.2.5Excel文件................................................

12、..............................................................874.2.6PowerPoint文件....................................................................................................884.3流媒體內容提取...........................

13、...................................................................................894.3.1音頻流內容提取...................................................................................................894.3.2視頻流內容提取..........

14、.........................................................................................914.4抓取限制應對方法..........................................................................................................934.5本章小結...

15、.......................................................................................................................94第5章自然語言處理..........................................................................................

16、.........................955.1中文分詞處理..................................................................................................................955.1.1Lucene中的中文分詞...................................................

17、.......................................955.1.2Lietu中文分詞的使用..........................................................................................965.1.3中文分詞的原理..........................................................

18、.........................................965.1.4查找詞典算法.......................................................................................................995.1.5最大概率分詞方法................................................

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論