使用 Antlr 处理文本

Antlr 是一个基于 Java 开发的功能强大的语言识别工具，其主要功能原本是用于识别编程语言，但是当我们遇到一些常规的文本处理工作时，使用 Antlr 做这些工作可能比单纯的使用正则表达式高效、有趣的多. 本文将和您一起探讨如何使用 Antlr 完成抽取（Extract）、转换（Translate）和重写（Rewrite）这 3 类常见的文本处理工作.

slrey 写道 "最近在网上看一本小说，发现里面有些句子很突兀，似乎是别的文章里的，于是 Google 了一下其中一小段，发现结果很有意思，大家可以试试. 关键词是“厂里的集体宿舍人满为患”，无论是 Google 还是百度，会搜索出很多不同领域的文章，而这些文章中都会包含这段关键字. 个人推测是不是某网站论坛或ISP对某些关键词设置了替换过滤.

写网络程序躲不过协议，协议其实就是定义了消息的格式，以及消息是如何交换的. 协议可简单可复杂，复杂精密如TCP协议，简单奔放如HTTP的协议. 这里将我所接触到的协议稍微总结一下，最后抛出一个个人设计的简单通用的文本协议. 设计一个协议不是一件很容易的事情，尤其是当对设计的要求包含很好的描述性和可扩展性的时候.

文/Bill Franks. 当你开车路过一家餐厅的停车场时，你的手机屏幕上弹出了这家餐厅的当日特价菜品推荐，这种体验是不是很棒. 如果赌场老板把发牌人忘记付给你的20美元亲自送还给你，你的心里是不是有点儿小激动. 如果在线视频游戏能够把和我们玩法相近的用户即刻告知我们，这世界会不会变得很美妙. 我们发现了一个非常明显的趋势，各行各业虽然生成了许多大数据源，但其底层的支撑技术却是相同的.

Android提供了自动朗读支持. 如果调用setLanguage(Locale loc)的返回值是 TextToSpeech.LANG_COUNTRY_AVAILABLE 则说明当前TTS系统可以支持所设置的语言、国家选项. 归纳起来，使用TextToSpeech引擎的步骤如下：. （1）创建TextToSpeech对象，创建时传入OnInitListener监听器监听创建是否成功.

Firefox、Chrome、IE9，IE10 均支持 oninput 事件，此外所有版本的 IE 均支持 onpropertychange 事件. oninput 事件在用户输入、退格（backspace）、删除（delete）、剪切（ctrl + x）、粘贴（ctrl + v）及鼠标剪切与粘贴时触发（在 IE9 中只在输入、粘贴、鼠标粘贴时触发）.

Chih-Jen Lin的新作.   青春就应该这样绽放   游戏测试：三国时期谁是你最好的兄弟.

文本挖掘是一门交叉性学科,涉及数据挖掘、机器学习、模式识别、人工智能、统计学、计算机语言学、计算机网络技术、信息学等多个领域. 文本挖掘就是从大量 的文档中发现隐含知识和模式的一种方法和工具,它从数据挖掘发展而来,但与传统的数据挖掘又有许多不同. 文本挖掘的对象是海量、异构、分布的文档 (web);文档内容是人类所使用的自然语言,缺乏计算机可理解的语义.

拿到的需求是输入n个文本，对文本进行聚类，由于这些输入不能通过历史数据进行训练，所以这个主要就是用无监督学习来解决. 谈到聚类就会想到kmeans，它的核心思想是给定的K值和K个初始质心将样本中每个点都分到距离最近的类簇中，当所有点分配完后根据每个类簇的所有点重新计算质心，一般是通过平均值计算，然后再将每个点分到距离最近的新类簇中，不断循环此操作，直到质心不再变化或达到一定的迭代次数.

浏览器是我们最常用的软件之一，文本又是网页中最主要的元素，在浏览器显示文本的过程中有许多有趣的细节，值得展开来讲讲，或许能减少一些误解. 这是一个比较粗略的，概括性的介绍，尽可能不涉及过多的技术细节和具体实现，而立足于给 Web 开发者和设计师提供一些正确的概念. 下面的介绍主要根据我对 WebKit 和 Gecko (Firefox) 的印象来谈，其他的浏览器也大致相同，如有阙漏之处欢迎指出.