继上次文本分析走了各种弯路之后（见前几篇博文），时值周末，就回家休息了，昨晚回到宿舍，重新换个思路搞，这次的思路就没有那么天马行空了，拿 PHP 从数据库把 HTML 提出来，滤掉标签，中文分词，然后分月统计，事实证明，脚踏实地是管用的，昨晚写了一部分，后来熄灯了，今天早上又要实习，于是中午回来继续改改，就…… 阅读全文
校长信箱的一些统计数字
Reply
Tag Archives: 文本分析
今天上午文本分析的各种弯路
昨晚看到有人因为章校长退休了，怕信箱不再，于是在爬数据，反正闲着没事干，于是我也爬，观察了一下 URL ，每个部门或者领导有一个这样的属于自己的 URL
http://www.szu.edu.cn/mailbox/list.asp?leader=%CA%A6%D4%BA%B0%EC%B9%AB%CA%D2&page=4
leader 字段后面是名字，编码是 gb2312 ，顺带一提，整个流程的编码都…… 阅读全文