随笔分类 -  C#

摘要：一、基于统计的中文网页正文抽取的研究 摘 要：信息抽取技术是一种广泛运用于互联网的数据挖掘技术。其目的是从互联网海量数据中抽取有意义、有价值的数据和信息，从而能更好的利用互联网资源。文中采用一种统计网页特征的方法，将中文网页中的正文部分抽取出来。该方法首先将网页表示成基于XML的DOM树形式，利用统计的节点信息从树中过滤掉噪音数据节点，最后再选取正文节点。该方法相比传统的基于包装器的抽取方法，具有简单，实用的特点，试验结果表明，该抽取方法准确率达到90％以上，具有很好的实用价值。来源网址：http://blog.csdn.net/zvane/archive/2008/03/21/2201414 阅读全文

摘要：/// <param name="srcpath">源路径</param>/// <param name="aimPath">转换后的路径</param>/// <returns></returns>privatestringmht_show(stringsrcpath,stringaimPath)...{try...{if(!Directory.Exists(srcpath))...{stringtxtname=srcpath.Substring(srcpath.LastIndex 阅读全文