一个通用html抽取类
然后就是我的代码了
package com.ansj.sun.pojo;
import java.util.ArrayList;
import java.util.Iterator;
import java.util.List;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class AnsjPaser {
private String beginRegex;
private String endRegex;
private Matcher matcher;
public final static String TEXTTEGEX = ".*?";
public final static String W = "\\W*?" ;
public final static String N = "" ;
private List filterRegexList = new ArrayList();
/**
*
* @param beginRegex 起始正则
* @param endRegex 结束正则
* @param content 需要解析的正文(如果没有此项必须为rest设置)
* @param textRegex 其实和结束正则中间的部分,默认为.*?
*/
public AnsjPaser(String beginRegex, String endRegex, String content,
String textRegex) {
this.beginRegex = beginRegex;
this.endRegex = endRegex;
StringBuilder sb = new StringBuilder();
sb.append(beginRegex);
sb.append(textRegex);
sb.append(endRegex);
matcher = Pattern.compile(sb.toString()).matcher(content);
}
/**
*
* @param beginRegex 起始正则
* @param endRegex 结束正则
* @param textRegex 其实和结束正则中间的部分,默认为.*?
*/
public AnsjPaser(String beginRegex, String endRegex, String textRegex) {
this.beginRegex = beginRegex;
this.endRegex = endRegex;
StringBuilder sb = new StringBuilder();
sb.append(beginRegex);
sb.append(textRegex);
sb.append(endRegex);
matcher = Pattern.compile(sb.toString()).matcher(N);
}
/**
* @param beginRegex 起始正则
* @param endRegex 结束正则
*/
public AnsjPaser(String beginRegex, String endRegex) {
this.beginRegex = beginRegex;
this.endRegex = endRegex;
StringBuilder sb = new StringBuilder();
sb.append(beginRegex);
sb.append(TEXTTEGEX);
sb.append(endRegex);
matcher = Pattern.compile(sb.toString()).matcher(N);
}
/**
* @创建人：Ansj -创建时间：2011-8-16 下午09:30:56
* @方法描述： @return 返回正则内的内容去除了开始和结束标签,和需要过滤的正则返回用户需要的真正的内容
*/
public String getText() {
if (matcher.find()) {
String str = matcher.group().trim().replaceFirst(beginRegex, N)
.replaceAll(endRegex, N);
Iterator it = filterRegexList.iterator() ;
while(it.hasNext()){
str = str.replaceAll(it.next(), N) ;
}
return str ;
}
return null;
}
/*
* 得到下一个
*/
public String getNext() {
return matcher.group();
}
/*
* 是否包含下一个
*/
public boolean hasNext() {
return matcher.find();
}
/**
* @创建人：Ansj -创建时间：2011-8-17 上午12:11:12
* @方法描述： @param content 需要解析的正文
* @方法描述： @return 返回本身
* 这个方法是将此解析器重置,相当于重头开始.但是一些正则配置给予保留
*/
public AnsjPaser reset(String content) {
this.matcher.reset(content);
return this ;
}
/*
* 添加getText的正则过滤条件
*/
public AnsjPaser addFilterRegex(String filterRegex){
filterRegexList.add(filterRegex) ;
return this ;
}
}
这里是调用例子
package com.ansj.sun.impl;
import java.io.BufferedReader;
import java.io.IOException;
import com.ansj.sun.pojo.AnsjPaser;
import com.ansj.sun.util.IOUtil;
public class HtmlPaser{
public static void main(String[] args) throws IOException {
//阅读正文
BufferedReader br = IOUtil.getReader(
"C:\\Users\\caiqing\\Desktop\\ajax采集\\zhanghuaping.html",
"UTF-8");
StringBuilder sb = new StringBuilder();
String temp = null;
while ((temp = br.readLine()) != null) {
sb.append(temp);
}
System.out.println(sb);
// 模块抽取
String beginRegex = "\\W*? String endRegex = "
\\W*?";
AnsjPaser ansjHtml = new AnsjPaser(beginRegex, endRegex, sb.toString(),
AnsjPaser.TEXTTEGEX);
// 正文抽取
beginRegex = "";
endRegex = "
";
AnsjPaser ansjContent = new AnsjPaser(beginRegex, endRegex).addFilterRegex("<.*?>");
// 时间抽取
beginRegex = "onclick=\"GB_SUDA._S_uaTrack\\('weibo_transmit','time_origin'\\);\"> endRegex = "\">";
AnsjPaser ansjPubTime = new AnsjPaser(beginRegex, endRegex);
// 来源抽取
beginRegex = "来自";
endRegex = "";
AnsjPaser ansjFrom = new AnsjPaser(beginRegex, endRegex);
// 转发抽取
beginRegex = "转发\\(";
endRegex = "\\)";
AnsjPaser ansjRepeat = new AnsjPaser(beginRegex, endRegex);
// 评论抽取
beginRegex = "评论\\(";
endRegex = "\\)";
AnsjPaser ansjComment = new AnsjPaser(beginRegex, endRegex);
//开始抽取
while (ansjHtml.hasNext()) {
String c1 = ansjHtml.getNext();
System.out
.println("=========================================================================");
System.out.println("时间:" + ansjPubTime.reset(c1).getText());
System.out.println("来源:" + ansjFrom.reset(c1).getText());
String str = ansjRepeat.reset(c1).getText();
System.out.println("转发:"
+ ((str == null || "".equals(str)) ? "0" : str));
str = ansjComment.reset(c1).getText();
System.out.println("评论:"
+ ((str == null || "".equals(str)) ? "0" : str));
System.out.println("正文:" + ansjContent.reset(c1).getText());
}
}
}
这个是返回结果
=========================================================================
时间:2011-08-15 10:19:24
来源:iPhone客户端
转发:0
评论:4
正文:云南石林奇景，难忘云南昆明的#yssnlp#
=========================================================================
时间:2011-08-12 09:23:37
来源:新浪微博
转发:2
评论:1
正文:#YSSNLP#听上海交大刘功申副教授的报告“面向内容安全的自然语言关键技术研究”，敢说话，尺度很大，佩服！回想差不多十年在内容安全领域内的研究和工程经验，从初始的神秘感觉很酷，到最后的做了不敢说不愿说。
=========================================================================
时间:2011-08-11 15:58:05
来源:iPhone客户端
转发:3
评论:7
正文:听哈工大刘挺教授的报告：从语言计算到社会计算，社会网络的兴起促进了计算社会科学的兴趣，很有见地！
=========================================================================
时间:2011-08-11 13:16:30
来源:iPhone客户端
转发:1
评论:0
正文:这个资源是我们采用自动采集抽取得到的,然后经过邮政发达的连锁网络进行数据校对。有需要的可以联系我
=========================================================================
时间:2011-08-11 11:35:02
来源:新浪微博
转发:2
评论:0
正文:听富士通的报告，看到富士通生成的互联网企业信息监控系统，和网络舆情的企业化应用一致，有意思。
=========================================================================
时间:2011-08-11 10:03:14
来源:新浪微博
转发:8
评论:1
正文:听百度高级科学家王海峰的报告“面向互联网的泛自然语言处理”，新数据新资源：海量网页资源，用户行为数据，用户产生数据；新思路新方法：贴近真实需求与数据、平衡数据与算法、模拟真实应用的实验平台，基于实际需求的研究，基于最终应用的开发，一直是我所推崇的自然语言研究方法和思路。很有共鸣。
=========================================================================
时间:2011-08-11 08:39:37
来源:iPhone客户端
转发:1
评论:1
正文:第八届全国自然语言处理青年学者研讨会 #yssnlp2011#
=========================================================================
时间:2011-08-10 22:38:02
来源:新浪微博
转发:2
评论:2
正文:云南滇池温泉花园国际大酒店,夜游滇池，很美，晚上聆听床边的虫鸣，远离了北京每夜的喧嚣，难得的清净
=========================================================================
时间:2011-08-10 21:20:37
来源:iPhone客户端
转发:0
评论:1
正文:夕阳，滇池，余正涛教授组织得很精细
=========================================================================
时间:2011-08-10 18:21:55
来源:iPhone客户端
转发:1
评论:0
正文:我在这里：#昆明市区#参加全国青年学者自然语言学术会议，受邀制的会议，不发论文纯研讨会，交流更充分更单纯，见到好多老朋友了。
=========================================================================
时间:2011-08-06 11:12:40
来源:新浪微博
转发:3
评论:4
正文:推理结论：1)说明博士老板很给力，好像科学院没这么多过，一直是2K以内；2)没有经济基础的高校“青椒”必须先解决生存问题才能解决生产问题，高校改革的核心思路不在于花美国的价召唤海归女婿的华丽报国，而在于用中国的价码给土鳖缓解菜色之忧，毕竟他们才是高校教育的一线火枪手，决定教育质量。
=========================================================================
时间:2011-08-04 09:52:26
来源:新浪新闻中心
转发:1
评论:1
正文:#郭美美#1.头一回听郎教授采访，有些磕巴，问得没有那么一针见血，炫耀背书准备工作，他还是写书条理清晰，比较潮的话题把握得不如娱乐或者时事主持人；2.郭美美比想象中的还要无知无畏，如果没有幕后人，很快就能问出真相；3.郭妈妈是个有故事不简单的人，整个事件的突破口所在 http://t.cn/a82Y2Q
=========================================================================
时间:2011-08-02 11:16:40
来源:新浪微博
转发:0
评论:0
正文:祝贺师弟获此殊荣，以后改称于领军了。//@白硕sse：同祝贺。 //@景伟NLP:祝贺！ @ICTCLAS张华平博士 @白硕sse @
=========================================================================
时间:2011-07-31 17:41:14
来源:新浪微博
转发:3
评论:2
正文:ICTCLAS张华平博士：#红十字信息公开#测试续：作为程序控和测试控，必须得说红十字会能公开一些数据有进步，值得肯定，但是错漏百出，如果需要，我们团队愿意协助做数据的纠错与系统的测试，该系统的再次查询老是错误，我们愿意帮助免费测试或者研发。支持的请转发 @中国红十字会总会
=========================================================================
时间:2011-07-29 12:49:44
来源:新浪微博
转发:4
评论:2
正文:【温州动车追尾】用对救援铺天盖地的歌功颂德来掩饰严重失职，用天灾抹去人祸的痕迹，5-12后的今天才能从境外媒体聆听到受难者悲怆控诉。**在温州的危机公关吸纳了很多微博等网络媒体的舆情民意，这是庶民的胜利，也是政府危机处理的一次胜利转型。但愿成为常态化，我们还要继续呐喊。
=========================================================================
时间:2011-07-28 13:31:18
来源:关联博客
转发:3
评论:1
正文:ICTCLAS2011 0728在Win7下C与C#调用的升级包 http://t.cn/aj30qU
=========================================================================
时间:2011-07-26 17:26:03
来源:iPhone客户端
转发:1
评论:0
正文:与sigir2011组委会**，国际信息检索知名学者聂建芸老师交流。
=========================================================================
时间:2011-07-26 11:43:55
来源:iPhone客户端
转发:1
评论:0
正文:参加#sigir2011#
=========================================================================
时间:2011-07-25 14:37:28
来源:新浪微博
转发:1
评论:1
正文:【温州动车脱轨】我们都坐在这条快速而不安全的高速火车上，不知道什么时候什么地点会有什么神奇的遭遇，但愿火车上的人互助呐喊，破窗改变。奇迹小女孩伊伊让我们莫名的悲痛酸楚，让我们这些人更要坚强！一路走好，祝福你们，但愿那个世界没有这些草菅人命的恶心人恶心是
=========================================================================
时间:2011-07-24 15:18:47
来源:新浪微博
转发:11
评论:3
正文:【温州动车追尾】中午CCTV对铁道部盛光祖部长采访，部长表示已经在调集最好的医生，还有周边的医疗救护小组正在赶来，最后记者说了一句：谢谢部长，然后礼貌离开。铁道部已然是救命的恩主，部长已然成了救世主了？不奢望部长引咎辞职，但感觉不到起码的歉意。记者敢直面声讨的动车才是真正的和谐号。
=========================================================================
时间:2011-07-24 10:55:20
来源:新浪新闻中心
转发:18
评论:8
正文:温州动车追尾的报道还在延续悲催的中国特色：多报道英勇救援的感人事迹，少报道受害者的哭天抢地；多报道市民排队献血，少报道满地遇难者的流血；多强调天灾，少分析人祸；多报道遇难后的领导关切批示，不挖领导之前的不作为制造豆腐渣的内幕；灾难不怕，怕的是不挖内幕不反思，怕大团圆后灾难依然。
=========================================================================
时间:2011-07-23 22:06:10
来源:新浪微博
转发:1
评论:1
正文:做任何一件大事情，好的领导者心中必须有大局，同时设立一个个小的里程碑，每天一点小进步，三天有局部成果，才会激励我辈小人物做进一步的钻研。目标越远大越抽象，落实越要小而可行。他几天完成了比较难的初步工作，在此基础上已经开始进一步的挑战，必须得肯定。
=========================================================================
时间:2011-07-23 15:43:17
来源:新浪微博
转发:15
评论:5
正文:最近在做微博相关的研究，安排其中一个同学做电影评论分析，半年叮嘱下来语料库都没有收集齐全，说一直很忙；另外一个同学一声不吭花了三天的时间做了个微博关键词分析，效率很高健壮性也不错。两位我都觉得很聪明，偷懒的那个尤其聪明，结论：现在上过大学的人都很聪明，后续的成就多半靠爱好与勤奋。
=========================================================================
时间:2011-07-21 09:37:35
来源:新浪微博
转发:0
评论:0
正文:广西贡院对联：十年寒窗诵四书言五经习六艺只为龙门一跃， 三考得志官七品威八面竭九尊全因河鲤重生。
=========================================================================
时间:2011-07-18 15:52:42
来源:iPhone客户端
转发:2
评论:9
正文:在北理工听普度大学计算机教授luo si 报告machine learning approach in information retrieval
=========================================================================
时间:2011-07-18 11:31:22
来源:iPhone客户端
转发:2
评论:2
正文:回复 @白硕sse:佛度众生，幻化万象，再好的精神也要以老百姓喜闻乐见的形式才能引人向善，甚至是不惜低俗化，先请君入瓮，再润物无声，最后大师再予以提升。毛**将马列主义在农村具体为打土豪分田地。华罗庚要去工厂推广统筹法? //@白硕sse:这个劝学篇，非常典型地体现了中国人对待知识的实用主义态
=========================================================================
时间:2011-07-18 11:13:13
来源:iPhone客户端
转发:13
评论:6
正文:宋真宗劝学篇：男儿欲遂平生志，五经勤向窗前读。
=========================================================================
时间:2011-07-14 14:17:13
来源:新浪微博
转发:7
评论:9
正文:刚从最高检所属的正义网http://t.cn/hM8is 回来，拜会了技术总监以及舆情研究院执行副院长，一起吃饭交流。总算知道：原来网上曝光和举报的各类信息就是这个Team在收集管理并给政法领导汇报，领导还是很清楚网络的，网络的各类举报不是没人理，不是不报时候未到。但愿嚣张跋扈者都会有报应。
=========================================================================
时间:2011-07-13 16:30:52
来源:新浪微博
转发:13
评论:30
正文:刚从桂林开一个学术会议回来，团队的一个小伙悄悄告诉我，新浪微博的登录、采集与抽取，咱搞定了。亲自测试一番，果然如此，好兴奋，以后几乎没有我们获取不了的网络内容了，facebook,校内，都不在话下，之后的进一步研究就轻松多了
=========================================================================
时间:2011-07-13 11:33:08
来源:iPhone客户端
转发:6
评论:0
正文:想起老家父母似乎一直都在这样激励自己自立、为人、勇敢。感动
=========================================================================
时间:2011-07-13 11:18:42
来源:iPhone客户端
转发:0
评论:1
正文:回复 @kristy珍子:有点闲工夫做点公民教育：Cctv拿的是纳税人的钱，商业广告收入有我的贡献，电视台是公共场合，在自家客厅撒泼光膀子叫爷爷装爹别人管不着，但是公共场所和公共人物就必须有禁忌，不能伤风化，这是公共道德。你很喜欢张涵韵，但是你父母辈的可以不喜欢也可以批评。保留不同观念之自由
=========================================================================
时间:2011-07-12 19:50:01
来源:iPhone客户端
转发:0
评论:0
正文:老外着中国皇帝装致晚宴欢迎辞。
=========================================================================
时间:2011-07-12 19:44:30
来源:iPhone客户端
转发:1
评论:15
正文:哈哈哈，不小心捅了张涵韵粉丝的马蜂窝。看得懂的人都知道我在批评cctv以及我要上春晚，鄙人不是任何人的粉丝，就算是也绝不放弃冷静观察与独立批评公众媒体与公众人物之权力。
=========================================================================
时间:2011-07-12 18:17:44
来源:新浪微博
转发:5
评论:17
正文:[CCTV不是你家客厅]昨晚回宾馆手欠，不小心看到了2011第一期我要上春晚，刘德华韩红闫肃三位评委干爹干哥干妹的乱叫一气，张含韵上台后认刘德华干爹认董卿干妈认韩红干姑认闫肃干爷爷，肿么了？这是CCTV吗，CCTV是你家客厅吗？一地鸡皮疙瘩，低俗无聊之极！
=========================================================================
时间:2011-07-12 15:29:58
来源:iPhone客户端
转发:3
评论:5
正文:香港中文大学黄锦辉教授演讲，查询驱动的自动摘要。
=========================================================================
时间:2011-07-12 09:47:39
来源:iPhone客户端
转发:1
评论:1
正文:桂林象鼻山
=========================================================================
时间:2011-07-11 15:51:30
来源:iPhone客户端
转发:0
评论:3
正文:进入了桂林，参加明天的一个小型国际会议。
=========================================================================
时间:2011-07-10 20:17:47
来源:iPhone客户端
转发:1
评论:3
正文:读南方周末编的＂晚清变局与民国乱象＂，感觉在借古讽今：以富国强兵为目的的行政制度改革，说到底是朝廷的私事。如果政府权力不被限制，即使国富民强了，也只能增加统治者侵犯个人自由的能力，增加统治者骄傲自满的情绪，进一步败坏民族精神。历史反复证明，这样的政治改革也未必能促进国家的强盛
=========================================================================
时间:2011-07-10 10:57:01
来源:新浪微博
转发:4
评论:3
正文:昨天跟一拨朋友在海棠红私人餐厅聚会,结识了@牛魔王的珍满福拉面 ，一个27年的资深IT人，在1年半时间扩张到100多家连锁店，采用IT垂直管理的模式，实现了标准化管理与经营；同时，建立规范的工会凝聚员工之间的向心力，其独到的管理以及对餐饮连锁的细节打造，着实让人佩服。
=========================================================================
时间:2011-07-08 18:48:07
来源:新浪微博
转发:4
评论:2
正文:【郭美美背后金主：历史文化之谜】破解要点：1)爱马仕等名包属于郭MM之母，郭母或许才是真正的卖主；2)为什么深圳王军愿意顶包，翁涛爆料，天略老板送豪车；3）红十字会能捞钱，但是起对网络管控的能量尚不具备？美国《越狱》的编剧告诉我们：屁民看到的不过是皮毛，Company幕后真正boss可以操控国家。
=========================================================================
时间:2011-07-08 18:34:25
来源:新浪微博
转发:2
评论:3
正文:【郭美美背后金主：历史文化之谜】：悲催的郭美美事件，跟踪了10来天，将我的研究方向引入了历史文化之谜，研究内容主要包括：《圣经》中都藏有什么秘密，谁是日本第一代天皇，耶稣是人还是神，拿破仑死亡之谜，希特勒的性别之谜，郭美美背后金主是谁？
=========================================================================
时间:2011-07-05 11:23:01
来源:新浪微博
转发:4
评论:10
正文:ICTCLAS2011切分标注结果：儿子/n 生/v 性病/n 母/ng 倍感/v 安慰/an 悲催的，切分不算错误，但是不合语义逻辑。
=========================================================================
时间:2011-07-03 19:46:19
来源:iPhone客户端
转发:0
评论:1
正文:孩子的即兴作品，太阳下的兔子
=========================================================================
时间:2011-07-02 11:57:41
来源:iPhone客户端
转发:5
评论:3
正文:最牛校长叶志平只能在汶川地震三年得病去世后得到官方的表彰，否则三年前会有太多的校长及背后的长官因为豆腐渣被唾弃。社会表彰活着的顺从者和死去的叛逆者，文人不过是时代的点缀。
=========================================================================
时间:2011-07-02 11:49:58
来源:iPhone客户端
转发:1
评论:0
正文:我和谁都不争，和谁争我都不屑 《生与死》——英国诗人兰德暮年之作 Walter Savage Landor I strove with none; for none was worth my strife;
=========================================================================
时间:2011-06-30 11:26:24
来源:iPhone客户端
转发:0
评论:4
正文:网络搜索挖掘与安全实验室每周四开例会，实验室很快就壮大到了十几个人，最近还要加入新人，可以做很多研究工作了，今天由翟岩龙博士报告云计算报告，以后例会欢迎周边的同志参加。例会通知与报告发布均可以访问www.nlpir.org。
=========================================================================
时间:2011-06-28 16:30:56
来源:新浪微博
转发:0
评论:1
正文:回复@不会缝衣服的厨子:你说的有些道理，从另外一个角度辩证地看，大公司的狼性管理是把公司当成狼，把员工变成绵羊，从而缺乏创新，甚至逼得跳楼；真正的狼性管理是向《亮剑》李云龙一样带队伍，让每个成员都是有血性讲团结有牺牲精神开拓精神的狼，打造一支狼群，一支更有战斗力和创新精神的队伍。
=========================================================================
时间:2011-06-28 11:12:37
来源:新浪微博
转发:4
评论:7
正文:读完《狼图腾》：一部写民族性格的奇书，草原文化与农耕文化的强烈对比，狼生存的草原环境恶劣铸就了几万年以来狼有自己断骨的坚毅、卓越的军事素养，为了自由胜利不惜粉身碎骨的精神；越来越多的国人在人民内部是狼，遇到强敌即揭开画皮变成驯服的羊，国民性中的羊性与奴性值得我们反思。
=========================================================================
时间:2011-06-26 06:23:16
来源:iPhone客户端
转发:0
评论:4
正文:早起赶六点四十五的班车去良乡校区准备2010级的c语言的考试，总共五场，约2000人。起得比狗早，静谧的校园也是一景。
ICTCLAS张华平博士的微博 新浪微博-随时随地分享身边的新鲜事儿 
ICTCLAS张华平博士
(设置备注) 北京, 张华平博士的微博，专注于中文自然语言处理、信息检索、信息安全的学术交流与产业应用。欢迎访问自然语言处理与信息检索共享平台www.nlpir.org
- 微博
- 他的资料
快捷键列表：1 微博输入框 2 微博内容列表 3 搜索输入框 4 新消息 -
-
-
-
-
-
听百度高级科学家王海峰的报告“面向互联网的泛自然语言处理”，新数据新资源：海量网页资源，用户行为数据，用户产生数据；新思路新方法：贴近真实需求与数据、平衡数据与算法、模拟真实应用的实验平台，基于实际需求的研究，基于最终应用的开发，一直是我所推崇的自然语言研究方法和思路。很有共鸣。
-
-
-
-
-
推理结论：1)说明博士老板很给力，好像科学院没这么多过，一直是2K以内；2)没有经济基础的高校“青椒”必须先解决生存问题才能解决生产问题，高校改革的核心思路不在于花美国的价召唤海归女婿的华丽报国，而在于用中国的价码给土鳖缓解菜色之忧，毕竟他们才是高校教育的一线火枪手，决定教育质量。
@于东in北语：来北语之后领到了第一笔薪水，mark一下。但是从数量上来看，的确不敢恭维啊。虽然已经有很充分的思想准备了，但仍然有些发懵——这是半个月的吗？——竟然比读博士时的科研津贴还要低许多许多。。。
-
#郭美美#1.头一回听郎教授采访，有些磕巴，问得没有那么一针见血，炫耀背书准备工作，他还是写书条理清晰，比较潮的话题把握得不如娱乐或者时事主持人；2.郭美美比想象中的还要无知无畏，如果没有幕后人，很快就能问出真相；3.郭妈妈是个有故事不简单的人，整个事件的突破口所在 http://t.cn/a82Y2Q
-
-
-
【温州动车追尾】用对救援铺天盖地的歌功颂德来掩饰严重失职，用天灾抹去人祸的痕迹，5-12后的今天才能从境外媒体聆听到受难者悲怆控诉。**在温州的危机公关吸纳了很多微博等网络媒体的舆情民意，这是庶民的胜利，也是政府危机处理的一次胜利转型。但愿成为常态化，我们还要继续呐喊。
-
-
-
-
【温州动车脱轨】我们都坐在这条快速而不安全的高速火车上，不知道什么时候什么地点会有什么神奇的遭遇，但愿火车上的人互助呐喊，破窗改变。奇迹小女孩伊伊让我们莫名的悲痛酸楚，让我们这些人更要坚强！一路走好，祝福你们，但愿那个世界没有这些草菅人命的恶心人恶心是 
-
【温州动车追尾】中午CCTV对铁道部盛光祖部长采访，部长表示已经在调集最好的医生，还有周边的医疗救护小组正在赶来，最后记者说了一句：谢谢部长，然后礼貌离开。铁道部已然是救命的恩主，部长已然成了救世主了？不奢望部长引咎辞职，但感觉不到起码的歉意。记者敢直面声讨的动车才是真正的和谐号。
-
温州动车追尾的报道还在延续悲催的中国特色：多报道英勇救援的感人事迹，少报道受害者的哭天抢地；多报道市民排队献血，少报道满地遇难者的流血；多强调天灾，少分析人祸；多报道遇难后的领导关切批示，不挖领导之前的不作为制造豆腐渣的内幕；灾难不怕，怕的是不挖内幕不反思，怕大团圆后灾难依然。
-
做任何一件大事情，好的领导者心中必须有大局，同时设立一个个小的里程碑，每天一点小进步，三天有局部成果，才会激励我辈小人物做进一步的钻研。目标越远大越抽象，落实越要小而可行。他几天完成了比较难的初步工作，在此基础上已经开始进一步的挑战，必须得肯定。
@ICTCLAS张华平博士：最近在做微博相关的研究，安排其中一个同学做电影评论分析，半年叮嘱下来语料库都没有收集齐全，说一直很忙；另外一个同学一声不吭花了三天的时间做了个微博关键词分析，效率很高健壮性也不错。两位我都觉得很聪明，偷懒的那个尤其聪明，结论：现在上过大学的人都很聪明，后续的成就多半靠爱好与勤奋。
-
最近在做微博相关的研究，安排其中一个同学做电影评论分析，半年叮嘱下来语料库都没有收集齐全，说一直很忙；另外一个同学一声不吭花了三天的时间做了个微博关键词分析，效率很高健壮性也不错。两位我都觉得很聪明，偷懒的那个尤其聪明，结论：现在上过大学的人都很聪明，后续的成就多半靠爱好与勤奋。
-
-
在北理工听普度大学计算机教授luo si 报告machine learning approach in information retrieval
-
-
-
刚从最高检所属的正义网http://t.cn/hM8is 回来，拜会了技术总监以及舆情研究院执行副院长，一起吃饭交流。总算知道：原来网上曝光和举报的各类信息就是这个Team在收集管理并给政法领导汇报，领导还是很清楚网络的，网络的各类举报不是没人理，不是不报时候未到。但愿嚣张跋扈者都会有报应。
-
刚从桂林开一个学术会议回来，团队的一个小伙悄悄告诉我，新浪微博的登录、采集与抽取，咱搞定了。亲自测试一番，果然如此，好兴奋，以后几乎没有我们获取不了的网络内容了，facebook,校内，都不在话下，之后的进一步研究就轻松多了 
-
想起老家父母似乎一直都在这样激励自己自立、为人、勇敢。感动
@最实用百科收罗：【农民三句话培养好孩子】：1、孩子，爸妈没本事，你要靠自己；2、孩子，做事先做人，一定不能做伤害别人的事；3、孩子，撒开手闯吧，实在不行，回家还有饭吃。【城里人三句话害孩子】：1.宝贝，好好学习就行，其他爸爸妈妈来办；2、宝贝，记住不能吃亏；3、我告诉你，再不好好学习，长大没饭吃...
-
回复 @kristy珍子:有点闲工夫做点公民教育：Cctv拿的是纳税人的钱，商业广告收入有我的贡献，电视台是公共场合，在自家客厅撒泼光膀子叫爷爷装爹别人管不着，但是公共场所和公共人物就必须有禁忌，不能伤风化，这是公共道德。你很喜欢张涵韵，但是你父母辈的可以不喜欢也可以批评。保留不同观念之自由
@ICTCLAS张华平博士：[CCTV不是你家客厅]昨晚回宾馆手欠，不小心看到了2011第一期我要上春晚，刘德华韩红闫肃三位评委干爹干哥干妹的乱叫一气，张含韵上台后认刘德华干爹认董卿干妈认韩红干姑认闫肃干爷爷，肿么了？这是CCTV吗，CCTV是你家客厅吗？一地鸡皮疙瘩，低俗无聊之极！
-
-
哈哈哈，不小心捅了张涵韵粉丝的马蜂窝。看得懂的人都知道我在批评cctv以及我要上春晚，鄙人不是任何人的粉丝，就算是也绝不放弃冷静观察与独立批评公众媒体与公众人物之权力。
@ICTCLAS张华平博士：[CCTV不是你家客厅]昨晚回宾馆手欠，不小心看到了2011第一期我要上春晚，刘德华韩红闫肃三位评委干爹干哥干妹的乱叫一气，张含韵上台后认刘德华干爹认董卿干妈认韩红干姑认闫肃干爷爷，肿么了？这是CCTV吗，CCTV是你家客厅吗？一地鸡皮疙瘩，低俗无聊之极！
-
[CCTV不是你家客厅]昨晚回宾馆手欠，不小心看到了2011第一期我要上春晚，刘德华韩红闫肃三位评委干爹干哥干妹的乱叫一气，张含韵上台后认刘德华干爹认董卿干妈认韩红干姑认闫肃干爷爷，肿么了？这是CCTV吗，CCTV是你家客厅吗？一地鸡皮疙瘩，低俗无聊之极！
-
-
-
-
读南方周末编的＂晚清变局与民国乱象＂，感觉在借古讽今：以富国强兵为目的的行政制度改革，说到底是朝廷的私事。如果政府权力不被限制，即使国富民强了，也只能增加统治者侵犯个人自由的能力，增加统治者骄傲自满的情绪，进一步败坏民族精神。历史反复证明，这样的政治改革也未必能促进国家的强盛
-
昨天跟一拨朋友在海棠红私人餐厅聚会,结识了@牛魔王的珍满福拉面 ，一个27年的资深IT人，在1年半时间扩张到100多家连锁店，采用IT垂直管理的模式，实现了标准化管理与经营；同时，建立规范的工会凝聚员工之间的向心力，其独到的管理以及对餐饮连锁的细节打造，着实让人佩服。
-
【郭美美背后金主：历史文化之谜】破解要点：1)爱马仕等名包属于郭MM之母，郭母或许才是真正的卖主；2)为什么深圳王军愿意顶包，翁涛爆料，天略老板送豪车；3）红十字会能捞钱，但是起对网络管控的能量尚不具备？美国《越狱》的编剧告诉我们：屁民看到的不过是皮毛，Company幕后真正boss可以操控国家。
-
【郭美美背后金主：历史文化之谜】：悲催的郭美美事件，跟踪了10来天，将我的研究方向引入了历史文化之谜，研究内容主要包括：《圣经》中都藏有什么秘密，谁是日本第一代天皇，耶稣是人还是神，拿破仑死亡之谜，希特勒的性别之谜，郭美美背后金主是谁？
-
ICTCLAS2011切分标注结果：儿子/n 生/v 性病/n 母/ng 倍感/v 安慰/an 悲催的，切分不算错误，但是不合语义逻辑。
-
-
最牛校长叶志平只能在汶川地震三年得病去世后得到官方的表彰，否则三年前会有太多的校长及背后的长官因为豆腐渣被唾弃。社会表彰活着的顺从者和死去的叛逆者，文人不过是时代的点缀。
-
我和谁都不争，和谁争我都不屑 《生与死》——英国诗人兰德暮年之作 Walter Savage Landor I strove with none; for none was worth my strife;
-
网络搜索挖掘与安全实验室每周四开例会，实验室很快就壮大到了十几个人，最近还要加入新人，可以做很多研究工作了，今天由翟岩龙博士报告云计算报告，以后例会欢迎周边的同志参加。例会通知与报告发布均可以访问www.nlpir.org。
-
回复@不会缝衣服的厨子:你说的有些道理，从另外一个角度辩证地看，大公司的狼性管理是把公司当成狼，把员工变成绵羊，从而缺乏创新，甚至逼得跳楼；真正的狼性管理是向《亮剑》李云龙一样带队伍，让每个成员都是有血性讲团结有牺牲精神开拓精神的狼，打造一支狼群，一支更有战斗力和创新精神的队伍。
@ICTCLAS张华平博士：读完《狼图腾》：一部写民族性格的奇书，草原文化与农耕文化的强烈对比，狼生存的草原环境恶劣铸就了几万年以来狼有自己断骨的坚毅、卓越的军事素养，为了自由胜利不惜粉身碎骨的精神；越来越多的国人在人民内部是狼，遇到强敌即揭开画皮变成驯服的羊，国民性中的羊性与奴性值得我们反思。
-
读完《狼图腾》：一部写民族性格的奇书，草原文化与农耕文化的强烈对比，狼生存的草原环境恶劣铸就了几万年以来狼有自己断骨的坚毅、卓越的军事素养，为了自由胜利不惜粉身碎骨的精神；越来越多的国人在人民内部是狼，遇到强敌即揭开画皮变成驯服的羊，国民性中的羊性与奴性值得我们反思。
-
热烈庆祝
