青青草原综合久久大伊人导航_色综合久久天天综合_日日噜噜夜夜狠狠久久丁香五月_热久久这里只有精品

學著站在巨人的肩膀上

金融數學,InformationSearch,Compiler,OS,

  C++博客 :: 首頁 :: 新隨筆 :: 聯系 :: 聚合  :: 管理 ::
  12 隨筆 :: 0 文章 :: 8 評論 :: 0 Trackbacks

前面的DocIndex程序輸入一個Tianwang.raw.*****文件,會產生一下三個文件 Doc.idx, Url.idx, DocId2Url.idx,我們這里對DocSegment程序進行分析。

這里輸入 Tianwang.raw.*****,Doc.idx,Url.idx.sort_uniq等三個文件,輸出一個Tianwang.raw.***.seg 分詞完畢的文件

int main(int argc, char* argv[])
{
    string strLine, strFileName=argv[1];
    CUrl iUrl;
    vector<CUrl> vecCUrl;
    CDocument iDocument;
    vector<CDocument> vecCDocument;
    unsigned int docId = 0;

    //ifstream ifs("Tianwang.raw.2559638448");
    ifstream ifs(strFileName.c_str());  //DocSegment Tianwang.raw.****
    if (!ifs) 
    {
        cerr << "Cannot open tianwang.img.info for input\n";
        return -1;
    }

    ifstream ifsUrl("Url.idx.sort_uniq");   //排序并消重后的url字典
    if (!ifsUrl) 
    {
        cerr << "Cannot open Url.idx.sort_uniq for input\n";
        return -1;
    }
    ifstream ifsDoc("Doc.idx"); //字典文件
    if (!ifsDoc) 
    {
        cerr << "Cannot open Doc.idx for input\n";
        return -1;
    }

    while (getline(ifsUrl,strLine)) //偏離url字典存入一個向量內存中
    {
        char chksum[33];
        int  docid;

        memset(chksum, 0, 33);
        sscanf( strLine.c_str(), "%s%d", chksum, &docid );
        iUrl.m_sChecksum = chksum;
        iUrl.m_nDocId = docid;
        vecCUrl.push_back(iUrl);
    }

    while (getline(ifsDoc,strLine))     //偏離字典文件將其放入一個向量內存中
    {
        int docid,pos,length;
        char chksum[33];

        memset(chksum, 0, 33);
        sscanf( strLine.c_str(), "%d%d%d%s", &docid, &pos, &length,chksum );
        iDocument.m_nDocId = docid;
        iDocument.m_nPos = pos;
        iDocument.m_nLength = length;
        iDocument.m_sChecksum = chksum;
        vecCDocument.push_back(iDocument);
    }

 

    strFileName += ".seg";
    ofstream fout(strFileName.c_str(), ios::in|ios::out|ios::trunc|ios::binary);    //設置完成分詞后的數據輸出文件
    for ( docId=0; docId<MAX_DOC_ID; docId++ )
    {

        // find document according to docId
        int length = vecCDocument[docId+1].m_nPos - vecCDocument[docId].m_nPos -1;
        char *pContent = new char[length+1];
        memset(pContent, 0, length+1);
        ifs.seekg(vecCDocument[docId].m_nPos);
        ifs.read(pContent, length);

        char *s;
        s = pContent;

        // skip Head
        int bytesRead = 0,newlines = 0;
        while (newlines != 2 && bytesRead != HEADER_BUF_SIZE-1) 
        {
            if (*s == '\n')
                newlines++;
            else
                newlines = 0;
            s++;
            bytesRead++;
        }
        if (bytesRead == HEADER_BUF_SIZE-1) continue;


        // skip header
        bytesRead = 0,newlines = 0;
        while (newlines != 2 && bytesRead != HEADER_BUF_SIZE-1) 
        {
            if (*s == '\n')
                newlines++;
            else
                newlines = 0;
            s++;
            bytesRead++;
        }
        if (bytesRead == HEADER_BUF_SIZE-1) continue;

        //iDocument.m_sBody = s;
        iDocument.RemoveTags(s);    //去除<>
        iDocument.m_sBodyNoTags = s;

        delete[] pContent;
        string strLine = iDocument.m_sBodyNoTags;

        CStrFun::ReplaceStr(strLine, " ", " ");
        CStrFun::EmptyStr(strLine); // set " \t\r\n" to " "


        // segment the document 具體分詞處理
        CHzSeg iHzSeg;
        strLine = iHzSeg.SegmentSentenceMM(iDict,strLine);
        fout << docId << endl << strLine;
        fout << endl;
        
    }

    return(0);
}
這里只是浮光掠影式的過一遍大概的代碼,后面我會有專題詳細講解 parse html 和 segment docment 等技術

 

 

posted on 2009-12-10 23:02 學者站在巨人的肩膀上 閱讀(1178) 評論(1)  編輯 收藏 引用 所屬分類: 中文文本信息處理

評論

# re: 自頂向下學搜索引擎——北大天網搜索引擎TSE分析及完全注釋[6]倒排索引的建立的程序分析(2) 2009-12-12 13:17 凡客誠品網
捱三頂四看來達到  回復  更多評論
  

青青草原综合久久大伊人导航_色综合久久天天综合_日日噜噜夜夜狠狠久久丁香五月_热久久这里只有精品
  • <ins id="pjuwb"></ins>
    <blockquote id="pjuwb"><pre id="pjuwb"></pre></blockquote>
    <noscript id="pjuwb"></noscript>
          <sup id="pjuwb"><pre id="pjuwb"></pre></sup>
            <dd id="pjuwb"></dd>
            <abbr id="pjuwb"></abbr>
            欧美风情在线观看| 欧美日韩国产影院| 在线欧美一区| 久久精品一区二区三区不卡牛牛| 亚洲精品女av网站| 久久亚洲一区二区三区四区| 欧美亚洲一级| 国产欧美一区二区三区另类精品 | 欧美精品在线一区| 欧美电影免费观看大全| 亚洲高清一区二区三区| 久久伊人亚洲| 欧美激情按摩| 99re这里只有精品6| 欧美精品久久一区| 一区二区三区精品久久久| 欧美一站二站| 国产综合久久| 欧美区日韩区| 亚洲女爱视频在线| 欧美福利一区二区| 9色精品在线| 欧美~级网站不卡| 一本色道久久综合狠狠躁篇的优点 | 国产精品久久久久久久久免费樱桃| 久久九九全国免费精品观看| 欧美电影美腿模特1979在线看 | 欧美激情精品久久久久久免费印度 | 亚洲欧美日韩在线播放| 久热精品视频在线观看| 亚洲欧洲av一区二区三区久久| 久久日韩粉嫩一区二区三区| 性高湖久久久久久久久| 欧美久久久久久蜜桃| 久久全国免费视频| 国产欧美精品一区| 一本在线高清不卡dvd | 9人人澡人人爽人人精品| 在线播放日韩欧美| 欧美一区二区三区久久精品| 亚洲小说欧美另类婷婷| 欧美二区在线播放| 欧美国产日韩精品免费观看| 国产一区白浆| 亚洲午夜久久久久久久久电影网| 亚洲精品少妇网址| 女人天堂亚洲aⅴ在线观看| 久久久久九九九| 国产欧美日韩综合精品二区| 亚洲一区三区视频在线观看| 一本色道精品久久一区二区三区| 欧美a级片网站| 欧美国产日韩二区| 亚洲国产天堂网精品网站| 久久久久久久久久久一区| 久久嫩草精品久久久精品| 国产色产综合色产在线视频| 亚洲免费在线看| 欧美一区二区高清在线观看| 国产精品久久91| 亚洲一区二区精品| 午夜欧美大尺度福利影院在线看| 欧美日韩一区国产| 亚洲一区视频在线| 欧美中文字幕在线视频| 国产目拍亚洲精品99久久精品| 亚洲与欧洲av电影| 欧美一区二区私人影院日本| 国产精品综合| 欧美一区二区高清| 久久中文在线| 亚洲国产欧美一区| 欧美日韩三级一区二区| 一区二区日韩欧美| 国产精品区一区二区三| 国产亚洲欧洲| 久久av二区| 免费不卡在线观看av| 136国产福利精品导航网址应用 | 欧美日韩成人一区| 99这里只有久久精品视频| 亚洲一区三区电影在线观看| 国产精品国码视频| 亚洲高清免费视频| 亚洲精品在线视频观看| 欧美日韩黄色大片| 亚洲一区久久久| 欧美成人一区二区三区片免费| 亚洲国产导航| 免费精品视频| 欧美大片一区| 国产网站欧美日韩免费精品在线观看 | 老**午夜毛片一区二区三区| 亚洲风情亚aⅴ在线发布| 欧美精品xxxxbbbb| 亚洲一区欧美| 欧美国产在线观看| 亚洲性av在线| 一区二区三区中文在线观看| 欧美精品少妇一区二区三区| 亚洲视频在线观看一区| 美乳少妇欧美精品| 亚洲欧美成人精品| 在线观看亚洲视频| 欧美日韩精品一二三区| 久久黄金**| 日韩视频久久| 鲁大师成人一区二区三区| 中文日韩电影网站| 黄色综合网站| 国产精品国产精品国产专区不蜜| 久久久久9999亚洲精品| 一区二区电影免费观看| 免费视频一区| 久久精品国产第一区二区三区| 亚洲国产日韩在线一区模特| 国产精品入口日韩视频大尺度| 欧美国产日韩一二三区| 欧美自拍偷拍| 欧美成人免费va影院高清| 欧美亚洲一区二区三区| 99亚洲视频| 亚洲区一区二| 在线观看久久av| 国产欧美一区二区三区久久人妖| 欧美日韩一区在线视频| 欧美69wwwcom| 久久久一区二区| 久久激情一区| 香蕉av福利精品导航| 一区二区三区毛片| 亚洲日本一区二区| 欧美国产欧美综合| 久久综合五月天婷婷伊人| 久久成人在线| 午夜精品视频| 亚洲一区二区在线免费观看| 99热这里只有精品8| 亚洲日本电影| 亚洲欧洲另类| 亚洲欧洲日本在线| 亚洲福利电影| 亚洲精品欧美在线| 国产精品蜜臀在线观看| 亚洲欧美在线免费| 亚洲男同1069视频| 亚洲综合国产激情另类一区| 日韩视频免费观看高清完整版| 亚洲电影免费观看高清| 免费在线观看日韩欧美| 美女黄网久久| 一区二区三区日韩在线观看| 亚洲乱码久久| 99天天综合性| 亚洲深夜福利网站| 亚洲一区日韩在线| 午夜精品久久久久久久99热浪潮| 亚洲在线第一页| 亚洲欧美在线观看| 欧美亚洲一区在线| 久久久夜夜夜| 欧美丰满少妇xxxbbb| 亚洲第一综合天堂另类专| 亚洲欧洲另类国产综合| 日韩亚洲欧美综合| 亚洲一区二区高清视频| 亚洲综合日韩| 欧美亚洲一区| 六月婷婷一区| 欧美乱大交xxxxx| 国产精品高潮呻吟视频| 国产毛片精品视频| 激情综合视频| 亚洲免费观看高清完整版在线观看熊| 亚洲巨乳在线| 性xx色xx综合久久久xx| 久久久久久精| 亚洲国产老妈| 中国成人黄色视屏| 欧美一级淫片播放口| 久久综合网色—综合色88| 欧美激情综合五月色丁香小说| 欧美视频在线看| 国产亚洲激情| 欧美性淫爽ww久久久久无| 国产综合视频| 99re8这里有精品热视频免费| 欧美在线日韩在线| 欧美成人精品在线| 在线亚洲美日韩| 久久视频一区| 欧美午夜不卡| 在线成人av| 亚洲欧美制服中文字幕| 狂野欧美激情性xxxx| 亚洲理伦电影| 久久久久在线| 国产精品久久久久久久久久妞妞| 在线不卡免费欧美| 午夜电影亚洲|