wnzz95391511的专栏

HTMLParser 一个解析web页面的开源类库。 准备学习下搜索方面的技术，就学习了些网络爬虫的知识。最近一直在一个点上困惑，如何提取一个网页上的纯文本信息。要使用正则表达式的话呢，需要考虑很多因素，而且标签也太多，不是很方便，效果也不好。就准备利用开源包，最后选择了HtmlParser。 在网上搜索如何利用HtmlParser提取页面信息。提取的结...

接到任务以后，五一前的这几天应该一直都很忙，自己想学习搜索这一块的计划，也不得不推迟一些了。先给自己列一个计划吧。[list][*]先用lucene+paoding制作个简单的搜索demo[*]学习pagerank，实现个基本的pagerank集成到搜索demo中[*]学习hadoop，了解集群搭配，mapreduce、google file system、Hadoop...