摘要: 摘要：Tag系统是Web2.0的一个招牌应用，如果你有一个经营了好几年的论坛，是不是也想生成自己的一套TAG。别听他们说什么语义WEB，文本聚类算法，TIIDF，余弦定理，相似度算法啥的高深算法（我一个也没整明白），跟我来，简单的计算词频来提取tag的效果就很好。阅读全文

摘要: 写代码也得会用一些常用的排查问题工具，像windbg,Wireshark,EnCase,LogParser,Sysinternals等,今天和大家分享和一个LogParser和Wireshark组合使用的例子。阅读全文

摘要: 有时候我们调用一个第三方的会阻塞的方法，我们要想法做一个调用超时值，一般来说就是另起一个线程加join的办法，这里有另外一种思路，但也不是完全的解决办法，希望大家多多讨论。阅读全文

摘要: 如何让多进程多线程访问数据库，而不会选择相同的数据，这在设计分布式程序的时候经常用到，多台机器的多个进程，每个进程都有多个线程，每个线程要从数据库里取数据来处理，要实现不能漏取数据，也不能重复取数据，这里给出答案阅读全文

摘要: 网络蜘蛛现在开源的已经有好几个了，Larbin，Nutch，Heritrix都各有用户之地，要做一个自己的爬虫要解决好多个问题，比如调度算法、更新策略、分布式存储等，我们来一一看一下。阅读全文

摘要: 上次和大家讨论了一些正文提取的细节问题，这次我把一些关键问题解决了，给大家上一下代码，并做了演示，能提取不少网站的正文了，当然在功能和代码组织上还有不少改进的地方。阅读全文

摘要: 网页的正文提取有好多种算法，有基于视觉的，基于标记窗的，基于双层决策等算法，这里讨论一些基于标记窗的算法（相对简单且效果还好）的相关细节问题，如下
阅读全文