小编hip*_*ail的帖子

从HTML文档中刮取最大的文本块

我正在研究一种算法,在给定HTML文件的情况下,它会尝试选择它认为最有可能包含页面大部分内容文本的父元素.例如,它将在以下HTML中选择div"content":

<html>
   <body>
      <div id="header">This is the header we don't care about</div>
      <div id="content">This is the <b>Main Page</b> content.  it is the
      longest block of text in this document and should be chosen as
      most likely being the important page content.</div>
   </body>
</html>
Run Code Online (Sandbox Code Playgroud)

我想出了一些想法,比如遍历HTML文档树到它的叶子,加上文本的长度,只看到父母给我们的内容比孩子更多的其他文本.

有没有人尝试过这样的东西,或者知道可以应用的算法?它不必是可靠的,但只要它能猜出包含大部分页面内容文本的容器(例如文章或博客文章),那就太棒了.

html screen-scraping text-extraction html-content-extraction

4
推荐指数
2
解决办法
1799
查看次数

如何优雅地索引jQuery对象数组?

我发现自己开始写这个:

$($("a-selector-which-returns-multiple-objects")[index]).SomejQueryFunctionForExampleShow()
Run Code Online (Sandbox Code Playgroud)

因为我有一个返回多个对象的查询,然后[index]运算符返回DOM对象,而不是jQuery对象,所以我将它转换回外部的jQuery对象$().

这工作正常,但看起来不够优雅,我觉得我错过了关于索引到jQuery对象集的一些东西 - 这样做的正确方法是什么?

jquery

4
推荐指数
1
解决办法
3049
查看次数

4
推荐指数
2
解决办法
5958
查看次数

在.net中获取系统特定的换行符

有没有办法在.net框架中获取当前系统换行符?

.net cross-platform eol

4
推荐指数
1
解决办法
249
查看次数

谁发明了zen编码,是否有某个已发布的规范?

背景:

"Zen coding"显然是IDE或编辑器中文本条目样式的名称,用户可以键入扩展为HTML的小缩写.这不一定是一个新想法,只是对许多编辑所支持的旧想法的阐述.

关于它的好处是手动输入具有交互式编程的一个方面.要了解我的意思,请观看此截屏视频:

http://pepelsbey.net/pro/2008/08/zen-html/

问题:

  • 谁发明了这个?
  • 对于那些可能想在自己的编辑器/ IDE /产品中实现这一点的人,是否有多个"标准"或"规范"?
  • 这个约定是否类似于"Wiki标记"的约定,其中有多个变体到处都有,有些没有文档?

html specifications text-editor code-snippets emmet

4
推荐指数
1
解决办法
453
查看次数

Mysql服务器不支持4字节编码的utf8字符

我收到了从Sql Server到MySql db运行数据传输组件的服务器错误.错误消息如下:

[MySql][ODBC 5.1 Driver][mysqld-5.0.67-community-nt-log]Server does not support 4-byte encoded UTF8 characters.

源Sql Server表包含nvarchar列,目标MySql表包含varchar列.

任何人都可以对这个问题有所了解吗?

mysql character utf-8 utf8mb4 astral-plane

4
推荐指数
1
解决办法
1万
查看次数

为什么有些语言需要在调用之前在代码中声明函数?

假设你有这个伪代码

do_something();

function do_something(){
   print "I am saying hello.";
}
Run Code Online (Sandbox Code Playgroud)

为什么有些编程语言需要调用do_something()才能显示在函数声明下面才能运行代码?

comparison scope programming-languages language-comparisons lexer

4
推荐指数
1
解决办法
127
查看次数

Haskell:将unicode整数转换为实际的unicode字符

假设我的Haskell函数被赋予一个输入,该输入应该是一个unicode代码点的编号.如何将其转换为相应的字符?

例:

123到'{'.

unicode haskell codepoint

4
推荐指数
1
解决办法
1402
查看次数

utf-8 null是否与utf-16/utf-32 null相同?

在utf16和utf32中,一个零字节是否为空?如在utf8或者我们需要2和4个字节的零来相应地在utf16和utf32中创建null吗?

unicode null utf

4
推荐指数
1
解决办法
1020
查看次数

Word中使用Python的文本频率,但忽略了停用词

这给了我文本中单词的频率:

 fullWords = re.findall(r'\w+', allText)

 d = defaultdict(int)

 for word in fullWords :
          d[word] += 1

 finalFreq = sorted(d.iteritems(), key = operator.itemgetter(1), reverse=True)

 self.response.out.write(finalFreq)
Run Code Online (Sandbox Code Playgroud)

这也给了我无用的话,比如"the""an""a"

我的问题是,python中是否有一个停用词库可以删除所有这些常用词?我想在谷歌应用引擎上运行它

python google-app-engine frequency-analysis word-frequency

4
推荐指数
1
解决办法
4554
查看次数