花间词的技术博客

两个web页面to

windows下安装SCWS的中文扩展： 去官网下载php_scws.dll（PHP-5.2.x根据php版本选择） 、XDB 词典文件（简体中文(UTF-8)可选gbk，也可以把两个词典文件都下载）、规则集文件（rules.tgz） 创建c:\Program Files\scws（建议）目录，吧XDB、和规则文件解压后的文件都拷贝到该目录中 把php_scw

步骤： 读取三篇文档1.txt,2.txt,3.txt，里边的内容分别为“this is php”,“this is html html”，“this is java” 分词，并统计词频tf 计算文档频率df 计算每篇文档的特征向量 计算搜索词与文档的夹角余弦值

实现这个功能的步骤： 首先打开百度百科，在搜索框输入“php”关键词，得到搜索列表，一般都是10条； 然后使用火狐的Firebug分析百度列表的内容组成，主要是html标签，发现去向百科内容的连接的格式都是http://baike.baidu.com/view/5721060.htm，于是使用正则匹配链接，得到10条链接； 之后把链接交由curl（）批处理函数（自定义）处理，得到

之前我在旧博客写的，文章