SearchEngine
学术科技 · 当前来自首页固化板块目录。
为一个文本文件 ( 4G左右, 格式为每行长度约为100个汉字的文本)建立一个这个文件的检索服务器和客户端. 服务器功能: 接受检索请求, 找出出现输入query的文本行, 然后按相关性从高到低排序输出前30个相关性最高的行 客户端功能: 发送检索请求, 接收查询结果, 并且显示 相关性计算方法: 以词为单击进行计算 …
刚入门，有没有这方面的前辈可以指导一二啊，不胜感激！ 有相关资料能发给我一份的话更好！[ema39]邮箱：xiaotuzi1218@163.com
该怎么入手呢？ byr论坛有没有提供相应的API？ 或者通过其它方式利用现有的爬虫进行抓取？ 求好人解答。。[ema23]
菜鸟求助：ubuntu下nutch抓取的数据如何导入MySQL中，求高人指点。还是就是nutch抓出来的数据是2进制的，如何才能让这些2进制数据变成纯文本模式！谢谢大家啦
求交流求联系方式，英文的书着实看起来很慢，需要向大家学习交流，感觉这样才能提高得快一些
错误信息如下： crawl started in: crawl-20110914091751 rootUrlDir = urls threads = 10 depth = 3 indexer=lucene topN = 50 Injector: starting at 2011-09-14 09:17:51 Injec…
北邮Google Camp开始招新了！ GC简介 北京邮电大学Google Camp是2006年由李开复老师主持建立的。 北邮Google Camp是Google精神在校园里的延伸，是Google与高校学生之间重要的沟通渠道；由Google资助，由学生自己组织和管理的团体；为传达Google的精神和价值观，而组织有创意…
在下小白一个，最近突然对搜索技术感兴趣。大致了解一点搜索引擎的原理。感觉搜索这方面的书不多呀，请教各位大大该怎么入门呢？另外，我有在看《自己动手写网络爬虫》，照抄了一下书上的代码，感觉HttpClient的API变化不小呀，最新的版本中一些方法名和位置都和书上写的不一样了。只能跑去爬API的说明文档么，所以想请大大们赐…
毕设做hadoop环境搭了两天都没有搭起来，有没有会这个东西。交流一下，拜托…………急啊
比如这个例子。 这是原网页页面，隐藏，要论坛币购买后才显示115下载地址： http://t1.qpic.cn/mblogpic/c94cafdf00acfb66ceec/2000.jpg 购买之后才显示： http://t4.qpic.cn/mblogpic/a0f7a7de01761a65e46e/2000.jpg…
http://blog.163.com/kinamagazine@126/blog/static/145023261201062454248261/ 这是网易一篇博文，用浏览器打开可以看见评论，但是查看网页源代码又没有评论。利用HttpClient模拟获取网页脚本同样拿不到评论。很急，请知道的讲一下原理。
如图所示情况 一直解决不了
我现在想找一个 HTML 的数据集 ，即 原始的网页 ，包括html 标签的 ， 最好是UTF-8 编码 ，中文的 有哪位 知道哪里可以下载
rt多谢了