最近项目需要对网页正文进行提取，说实话是个蛋疼的功能，在百度文库中收集整理了一些资料，share给同样需求的苦逼开发者。 http://wenku.baidu.com/album/view/70afe1d376eeaeaad1f33057?pn=20#albumDocs
前一篇使用了LCS算法实现了文本相似度分析，使用过程中发现运行效率并不是太好，瓶颈主要体现在逐字比较的算法上，对于长一点的文本，其消耗的时间成倍增加。因此在不考虑使用基于语义分析（机器学习）算法的基础上，采用一种简化并且有效的方法。 Levenshtein Distance 该算法又称之为 "编辑距离"，用于计算两个字符串的相似程度。原理很简单，就是返回将第一个字符串转换(删
LCS(Longest Common Subsequence)算法实现的文本相似度分析： 算法原理： (1) 将两个字符串分别以行和列组成矩阵。 (2) 计算每个节点行列字符是否相同，如相同则为 1。 (3) 通过找出值为 1 的最长对角线即可得到最长公共子串。 人 民 共 和 时 代 中 0, 0, 0, 0, 0, 0 华 0, 0, 0, 0, 0, 0 人 1, 0
Quartz Job Scheduling Framework中文版阅读笔记（Unmi(隔叶黄莺) 译， 译者博客：http://unmi.blogjava.net/）
使用Live Writer 2011写博客上传之后，文章的格式很难保障啊。
关于POI POI是Apache的一个开源项目，起初的目标是允许用户使用java代码来对Excel进行操作，发展到今天POI本身支持的范围已经逐步扩展到对Microsoft Office主要产品，包括：Excel\Word\PPT\Visio的全面支持，目前稳定版本为3.7，开发版本为3.8。 应用场景 本文仅对项目中遇到的，使用已有Excel作为
Copyright © 2005-2025 51CTO.COM 版权所有 京ICP证060544号
