Webページの本文抽出 (nakatani @ cybozu labs)
Webページの自動カテゴライズ の続き。 前回書いたとおり、パストラックで行っている Web ページのカテゴライズでは、Web ページの本文抽出がひとつの鍵になっています。今回はその本文抽出モジュールを公開しつつ、使っている技法をざっくり解説などしてみます。 本モジュールの利用は至極簡単。require して analyse メソッドに解析したい html を与えるだけ。文字コードは UTF-8 です。 【追記】大事なこと書き忘れ。本モジュールは Ruby1.8.5 で動作確認していますが、特別なことはしていないので、1.8.x なら動くと思います。 $KCODE="u" # 文字コードは utf-8 require 'extractcontent.rb' # オプション値の指定 opt = {:waste_expressions => /お問い合わせ|会社概要/} ExtractCont
404 Blog Not Found:javascript - DOM時代のdocument.write()
2007年11月17日04:00 カテゴリLightweight Languages javascript - DOM時代のdocument.write() id:amachang++; [JavaScript] とてもシンプルに自分自身が属する script 要素を取得 - IT戦記 こうすることで、currentScript はこの script 要素を指す。 これにより、document.write()をこう書き直せます。 document.getCurrentScript = function(){ return (function (e) { if (e.nodeName.toLowerCase() == 'script') return e; return arguments.callee(e.lastChild) })(document) }; document.write
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
http://www.asahi.com/life/update/1117/TKY200711160370.html
http://www.asahi.com/national/update/1116/TKY200711160350.html
