emily2ly
- 浏览: 166638 次
- 性别:
- 来自: 武汉
-
最新评论
-
CHE墨心：
楼主啊，pdftohtml你有测试过吗？
用xpdf和pdfbox来处理中文PDF文档及其比较 -
xuweiit：
不错，测试了可以正常使用，，
用xpdf和pdfbox来处理中文PDF文档及其比较 -
taotao945：
楼主你好，请问分词后怎么过滤停用词呢？急用，谢谢指点！
使用ICTCLAS JAVA版（ictclas4j）进行中文分词（附ictclas,停用词表,commons-lang-2.4.jar下载地址） -
uniWind：
c#下研究itextsharp了好久，也没有解决中文问题，楼主 ...
用xpdf和pdfbox来处理中文PDF文档及其比较 -
yegong：
楼主，您好，请问，stopwords，这个停用词表怎么用的咧？ ...
使用ICTCLAS JAVA版（ictclas4j）进行中文分词（附ictclas,停用词表,commons-lang-2.4.jar下载地址）
文章列表
目的：
在WORD文档的第一页设置页脚，其它页没有页脚。
环境：
WORD 2007
步骤：
1、选择“视图->普通视图”
2、在第二页开始的位置插入“下一页分节符”，也即选择“页面布局->分割符->分节符（下一页）”，见图1，图2
3、选择“视图->页面视图”
4、选择“插入->页脚”，选择所需页脚格式，此处选择"空白"
5、在第一页编辑想要的页脚信息，见图3
6、第二页选择页眉，在页眉页脚工作栏中有“链接到上一页”选项，取消选择，见图4
7、去掉第二页的页脚信息，见图5
8、关闭页眉页脚，完成。
图1
图2
...
1、问题
Selenium启动Firefox测试HTTPS站点时会提示站点不信任，需要手动添加信任站点。即使是在Firefox中已经添加过例外了，但依然在每次测试时需要手动添加。
2、原因
Selenium每次启动Firefox时，都是重新建立一个profile作为启动的profile，因此无论之前怎么把站点设为可信任站点，每次Selenium启动时仍然是一个新的profile，因此会提示站点不信任，需要手动添加。
3、解决
(1) 找到有例外证书的Filefox配置文件
profile文件的位置：在win搜索框输入%appdata%，打开当前用户数据，在\Mozilla\Fir ...
1、安装Eclipse
下载Eclipse，解压到想安装的目录，本文为：D:\eclipse
2、安装Pydev
可参考官方文档：http://pydev.org/manual_101_install.html
以下列出具体步骤：
(1) Eclipse->Help->Install New Software...
(2) 点击Add添加安装地址
(3) 选择Pydev->PyDev for Eclipse，不勾选'Contact all update sites during install to find required software' ，点N ...
《简明Python教程》中，有在Linux下面进行文件备份的一段简单程序。
现在Win7下实现类似的功能，并验证通过。
1、在命令行里面测试rar的使用
假设WinRar的安装路径是C:\Program Files\WinRAR，则首先进入该目录：
cd C:\Program Files\WinRAR
rar /?命令可以提示该命令的使用方法，找到说明后，使用如下：
rar a D:\Backup\rarfile D:\Test
这样就会对D:\Test中的文件进行压缩后存放在D:\Backup\下的rarfile.rar中
2、得到当前日期
se ...
Cygwin是在windows平台上运行的linux模拟环境，安装步骤如下：
1、下载安装向导文件setup.exe
到Cygwin下载安装官方下载安装向导文件，通过它才能正确下载最新版本的Cygwin。
本文附件中也有setup.exe的下载。
2、运行安装程序，点“下一步”进入安装模式选择画面。
安装模式有"Install from Internet"、"Download form Internet"、"Install from Local Directory" 三种。
此处选择第一种模式，直接从Inte ...
我在以前的项目中使用的是pdfbox，在读取中文文档时可以读出大部分的文字，但是在数字、分页等地方还是不可避免的出现乱码。于是我在网上搜索，看有没有什么解决方法，看到有说法：
“PDFBox看起来非常的方便，它的API功能强大。甚至能和Lucene进行无缝的结合。但是它有一个致命的弱点，就是它不支持中文。要提取中文的文本，可以采用另一个非常出色的工具xpdf。”
于是我决定自己比较一下这两种方法处理中文pdf文档时在时间性能、读取效果等各个方面的效果。
一、关于XPDF和PDFBOX
1.xpdf
xpdf只是一个软件，通过 ...
一、ICTCLAS的介绍
中国科学院计算技术研究所在多年研究基础上，耗时一年研制出了基于多层隐码模型的汉语词法分析系统
ICTCLAS(Institute of Computing Technology, Chinese Lexical Analysis
System)，该系统的功能有：中文分词；词性标注；未登录词识别。分词正确率高达97.58%(最近的973专家组评测结果)，基于角色标注的未登录词识别能取得高于90%召回率，其中中国人名的识别召回率接近98%，分词和词性标注处理速度为31.5KB/s。ICTCLAS
和计算所其他14项免费发布的成果被中外媒体广泛地报道， ...
一、情况说明
前段时间自己写了一个工程DocumentToXML，功能是把文件进行一系列信息的提取（文本内容，文件创建时间等），然后生成对应的XML文档。由于需要提交给组里面的其他人使用，因此要求便于移植。之前没有经历过要跟别人合作的，都是自己写了一个工程能够运行就好了，因此还颇费了一番功夫，看看怎么生成jar给别人调用。
二、查阅资料
这里有一些对jar的说明情况。
1. JAR
文件揭密
2.
Eclipse项目的打包发行-good
3. myEclipse下项目打包
三、打包过程
在Eclipse ...
在系统中存在一个文件test.txt，其属性如下：
下面就给出对这个文件的创建时间
和修改时间
读取的代码。
点击这里
查看对文件内容
的读取代码。
import java.io.BufferedReader;
import java.io.File;
import java.io.IOException;
import java.io.InputStream;
import java.io.InputStreamReader;
import java.text.SimpleDateFormat;
im ...
以下给出三种读取系统时间的方法，并且可以看出，
方法三的效率最高
。
import java.text.SimpleDateFormat;
import java.util.Calendar;
import java.util.Date;
import java.util.GregorianCalendar;
/**
* 读取当前系统时间
*/
public class ReadSystemTime {
public static void main(String[] args) {
//getTime_1();
//getTime_2();
...
以下是Java对几种文本文件内容读取代码。其中，OFFICE文档（WORD,EXCEL）使用了POI控件，PDF使用了PDFBOX控件。
点击这里
查看相关控件的下载地址和配置方法。
WORD
package textReader;
import java.io.*;
import org.apache.poi. ...
1.在Dictionary.java里面的getMaxMatch()函数里要注意加上对wis的判断语句
if(wis != null)
否则有时会报出越界错误。
2.在PosTagger.java里面的computePossibility()函数里要注意将对i的判断语句
i < startPos + length
改为
i < startPos + length - 1
否则有时会报出越界错误。
3.在AdjustSeg.java里面的
finaAdjust()函数里要注意将while语句的判断条件
while (true)
改为
...
在读取中文pdf文档的内容并对用ictclas4j对其进行分词过程中，在读取pdf这一步上面没有问题（即没有报错，可以正确运行，但是会出现一些乱码，这可能是由于pdfbox包的不够完善，可以通过用xpdf来读取进行一定的改善。）
但是到了分词这一步上面有时候会报错：
Exception in thread "main" java.lang.OutOfMemoryError: Java heap space
at java.util.Arrays.copyOf(Unknown Source)
at java.lang.AbstractSt ...
转自：http://www.blogjava.net/wenlong/archive/2008/05/28/203564.html
（1）Ctrl+M切换窗口的大小
（2）Ctrl+Q跳到最后一次的编辑处
（3）F2当鼠标放在一个标记处出现Tooltip时候按F2则把鼠标移开时Tooltip还会显示即Show Tooltip Descripti ...
1.安装jdk1.6.0：
执行j2sdk安装程序，自定义路径，我们的安装路径为：C:\Program
Files\Java\jdk1.6.0
2.
配置jdk1.6.0
我的电脑->属性->高级->环境变量->系统变量中添加以下环境变量：
JAVA_HOME = C:\Program Files\Java ...