论坛徽章:: 0

21楼 [报告]

发表于 2006-09-21 09:24 |只看该作者

没听懂achun.shx在说什么。跟xml有关系吗？

实战分享：从技术角度谈机器学习入门| 【大话IT】RadonDB低门槛向MySQL集群下战书 | ChinaUnix打赏功能已上线！ | 新一代分布式关系型数据库RadonDB知多少？

achun.shx

稍有积蓄

论坛徽章:: 0

22楼 [报告]

发表于 2006-09-21 10:10 |只看该作者

xml和xhtml是有本质区别，
我关心的是，xhtml符合xml的结构
就要这一点，所有基于xml分析处理的程序，都可以用在xhtml了，
html又可以用Tidy简单转换，
那就是说html的分析处理就搞定了呀！
一个可以分析html的程序，呵呵正好是网页信息的采集/整理/提取的基础呀！
逻辑关系就是这样!

实战分享：从技术角度谈机器学习入门| 【大话IT】RadonDB低门槛向MySQL集群下战书 | ChinaUnix打赏功能已上线！ | 新一代分布式关系型数据库RadonDB知多少？

dualface

丰衣足食

论坛徽章:: 0

23楼 [报告]

发表于 2006-09-21 18:25 |只看该作者

原帖由 achun.shx 于 2006-9-21 10:10 发表
xml和xhtml是有本质区别，
我关心的是，xhtml符合xml的结构
就要这一点，所有基于xml分析处理的程序，都可以用在xhtml了，
html又可以用Tidy简单转换，
那就是说html的分析处理就搞定了呀！
一个可以分析htm ...

现在有几个网页的源代码能够100%转换成 xml 啊，想当然。

实战分享：从技术角度谈机器学习入门| 【大话IT】RadonDB低门槛向MySQL集群下战书 | ChinaUnix打赏功能已上线！ | 新一代分布式关系型数据库RadonDB知多少？

achun.shx

稍有积蓄

论坛徽章:: 0

24楼 [报告]

发表于 2006-09-21 21:18 |只看该作者

有道理，回头我测试一下，再讨论这个！

实战分享：从技术角度谈机器学习入门| 【大话IT】RadonDB低门槛向MySQL集群下战书 | ChinaUnix打赏功能已上线！ | 新一代分布式关系型数据库RadonDB知多少？

james.liu

家境小康

论坛徽章:: 0

25楼 [报告]

发表于 2006-09-21 22:18 |只看该作者

to achun.shx 你在思考“网页信息的采集/整理/提取”，，对吧。。

这个你可以看看Lucene in Action,,,html解析不是这样做的。

html可以通过程序转化成xml，，但是转化过程不是你想得那样。

[ 本帖最后由 james.liu 于 2006-9-21 22:20 编辑 ]

实战分享：从技术角度谈机器学习入门| 【大话IT】RadonDB低门槛向MySQL集群下战书 | ChinaUnix打赏功能已上线！ | 新一代分布式关系型数据库RadonDB知多少？

james.liu

家境小康

论坛徽章:: 0

26楼 [报告]

发表于 2006-09-21 22:39 |只看该作者

我提个问题，，，我要把a机的xml传到b机，，，该xml大小不确定，，如何快捷准确传送。。。

如果该xml文件很大，zip后可能小点，我没做过测试，所以不知道能小多少，但是发过去，还要解，挺耗时的。

如果我采用多点读取xml的方式，，就是通过内存上做个表记录xml传送情况，，，比如xml内有100万条记录，每次发送1万条，，分100次。。

b机做开两个线程，一个接受一个解析。

这样发送方要机械xml，接受方也要解析。。。

用你的解析器该如何操作？比如设定直接读取1万条？然后记录取值范围。

因为只是解析了传送，，所以多余的解析就不需要了。