- Python全站爬取与知识图谱构建实战:从数据采集到语义建模的全流程指南
Python爬虫项目
python知识图谱easyui信息可视化开发语言爬虫人工智能
引言随着信息爆炸时代的到来,如何系统化地获取并结构化网站上的海量信息,成为数据科学和人工智能领域的重要课题。知识图谱作为将结构化数据和语义联系可视化的强大工具,正广泛应用于搜索引擎、推荐系统、智能问答等领域。本文将系统讲解如何用Python实现对目标网站的全站爬取,并结合自然语言处理技术,自动抽取实体与关系,最终构建成知识图谱。全流程涵盖爬取策略、信息抽取、知识融合及可视化,配合丰富的代码示例,助
- 使用Python爬虫与自然语言处理技术抓取并分析网页内容
Python爬虫项目
python爬虫自然语言处理javascript数据分析人工智能
1.引言在如今数据驱动的时代,网页爬虫(WebScraping)和自然语言处理(NLP)已成为处理大量网页数据的重要工具。利用Python爬虫抓取网页内容,结合NLP技术进行文本分析和信息抽取,能够从大量网页中提取有价值的信息。无论是新闻文章的情感分析、社交媒体的舆情分析,还是电商网站的商品评论挖掘,这些技术都发挥着至关重要的作用。本文将介绍如何利用Python爬虫与自然语言处理技术抓取并分析网页
- [AI笔记]-LLM中的3种架构:Encoder-Only、Decoder-Only、Encoder-Decoder
Micheal超
AI笔记人工智能笔记架构
一、概述架构描述特点案例Encoder-Only仅包含编码器部分这类模型主要专注输入数据中提取特征或上下文信息,通常不需要生成新内容、只需要理解输入的任务,如:分类(文本分类、情感分析等)、信息抽取、序列标注等。在这种架构中,所有的注意力机制和网络层都集中在编码输入数据上,其输出通常是关于输入的复杂语义表示。谷歌的BERT、智谱AI发布的第四代基座大语言模型GLM4Decoder-Only也被称为
- 信息抽取数据集全景分析:分类体系、技术演进与挑战_DEEPSEEK
致Great
分类数据挖掘人工智能
信息抽取数据集全景分析:分类体系、技术演进与挑战摘要信息抽取(IE)作为自然语言处理的核心任务,是构建知识图谱、支持智能问答等应用的基础。近年来,随着深度学习技术的发展和大规模预训练模型的兴起,IE数据集呈现爆发式增长,其分析与评估对模型研发和领域迁移至关重要。本文基于对158个主流IE数据集的系统性梳理,首次提出“信息提取与命名实体识别数据集分类体系”。该体系涵盖8大类别(命名实体识别、关系提取
- 信息抽取领域关键Benchmark方法:分类体系
信息抽取领域关键Benchmark方法:分类体系摘要信息抽取(InformationExtraction,IE)作为自然语言处理的核心任务之一,旨在从非结构化文本中识别并结构化关键信息(如实体、关系、事件等),广泛应用于知识图谱构建、智能问答和数据分析等领域。近年来,随着深度学习技术的快速发展,信息抽取方法在性能和应用范围上取得了显著进步,但同时也面临着任务多样性、跨领域泛化性以及低资源场景下的适
- 自然语言处理分类
要奋斗呀
自然语言处理
NLP学习Nlp基本分类NLP领域的任务分为两个类别:第一类是人工智能NLP。包括词性标注,分词,语法解析,语言模型,信息检索,信息抽取,语义表示,文本分类。这些任务发展较为成熟,各种相关工作的主要目的是提高当前模型的性能。第二类是人工智障NLP。包括机器翻译,对话系统,问答系统。目前模型的性能尚不尽如人意,有些任务上甚至没有足够多的,真正有影响力的工作。一、文本分类--情感分类1.定义情感分类是
- 规范化信息抽取:原理流程与Python实战
闲人编程
pythonNLPNEREE信息抽取pythonRE模型角色联合
目录怎样规范化实现信息抽取:原理、流程与Python实战一、引言二、信息抽取系统架构与流程2.1总体架构2.2主要组件三、核心算法与模型原理3.1命名实体识别(NER)3.1.1序列标注模型(BiLSTM-CRF)3.2关系抽取(RE)3.2.1基于依存路径的卷积网络(DepCNN)3.3事件抽取(EE)四、规范化流程可视化五、端到端Python实现示例5.1环境依赖5.2文本预处理模块5.3NE
- EMNLP 2017 北京论文报告会笔记
ljtyxl
NLP
16号在北京举办的,邀请了国内部分被录用论文的作者来报告研究成果,整场报告会分为文本摘要及情感分析、机器翻译、信息抽取及自动问答、文本分析及表示学习四个部分。感觉上次的CCF-GAIR参会笔记写的像流水账,这次换一种方式做笔记。分为四个部分,并没有包含分享的所有论文。第一部分写我最喜欢的论文,第二部分总结一些以模型融合为主要方法的论文,第三部分总结一些对模型组件进行微调的论文,第四部分是类似旧瓶装
- 提取微博文本中的具体地名有哪些方法
DarthP
深度学习人工智能
提取微博文本中的具体地名有以下几种方法:基于正则表达式:对微博文本进行正则匹配,提取出文本中符合某种特定格式的地名。基于词典匹配:使用一个预先编制的词典,在微博文本中查找是否有在词典中出现过的地名。基于命名实体识别(NER):利用自然语言处理技术中的命名实体识别方法,对微博文本进行语言分析,从中提取出地名。基于地理信息抽取:利用地理信息处理技术,从微博文本中提取出经纬度信息或地理位置信息,然后根据
- 自然语言处理之命名实体识别:Bi-LSTM-CRF在信息抽取中的实战革命
Loving_enjoy
计算机学科论文创新点自然语言处理
**从海量文本中精准捕捉关键信息,是AI时代企业的核心竞争力**在医疗报告中快速定位疾病与药物、从法律文书中提取关键条款、在新闻中实时追踪热点事件——这些场景的背后,都离不开**命名实体识别(NER)**技术的支撑。而作为NER领域的“黄金搭档”,**Bi-LSTM-CRF模型**凭借其独特的序列建模能力,正在推动信息抽取技术进入工业级应用时代。本文将深入解析该模型在信息抽取中的实战价值,并揭示其
- Transformers之环境安装
AIVoyager
transformers深度学习transformernlp人工智能
Transformers安装指南使用pip安装源码安装开发模式安装docker安装自定义dockerfile缓存设置离线模式获取离线时使用的模型和分词器参考Transformers提供了数以千计的预训练模型,支持100多种语言的文本分类、信息抽取、问答、摘要、翻译、文本生成。Transformers支持三个最热门的深度学习库:Jax,PyTorch以及TensorFlow—并与之无缝整合。你可以直
- 自然语言处理之命名实体识别:Flair:命名实体识别基础概念
zhubeibei168
自然语言(二)自然语言处理easyui人工智能深度学习
自然语言处理之命名实体识别:Flair:命名实体识别基础概念一、命名实体识别简介1.1什么是命名实体识别命名实体识别(NamedEntityRecognition,NER)是自然语言处理(NLP)领域的一个重要任务,旨在从文本中识别并分类特定类型的实体,如人名、地名、组织机构名、时间、货币等。这一过程对于信息抽取、问答系统、机器翻译等应用至关重要,因为它帮助系统理解文本中的关键信息,从而做出更准确
- 统计学(贾俊平)学习笔记--第三章、 数据预处理
石榴花专场
笔记统计学python数据分析统计学学习
数据预处理无论是从数据分类分析、数据信息抽取、数据挖掘、模型建立等方面都是需要的,也是数据工作者最开始招手做的,而统计学(贾俊平)中从理论的角度讲解了数据预处理的概念和方法吗,在此将主要要点列举如下,供有心人参考学些。数据的预处理是在对数据分类或分组之前所做的必要处理,内容包括数据的审核、筛选、排序等。审核就是检查数据中是否有错误。从完整性和准确性两个方面去审核。完整性审核:是否有遗漏,是否完整准
- 自然语言处理(NLP)技术。
@程序员ALMJ
nlp
自然语言处理(NLP)技术可以应用于多个领域,以下是一些示例:情感分析:NLP可以用来分析文本中包含的情感,帮助企业了解用户对他们产品或服务的感受。例如,社交媒体平台可以利用情感分析技术来监测用户对特定话题的情绪反馈。机器翻译:NLP可以用来开发机器翻译系统,帮助人们跨越语言障碍进行沟通。例如,谷歌翻译就是一个利用NLP技术的机器翻译工具。信息抽取:NLP可以用来从大量文本中提取出特定信息。例如,
- 【AI提示词】金融信息抽取工程师工作流程
结冰架构
提示词人工智能AI提示词学习金融
提示说明专注于从金融行业的文本中提取关键信息,确保准确性和规范性。具备良好的文本处理能力和数据整理经验,能够处理复杂的信息结构。提示词#Role:金融信息抽取工程师##Background:用户希望从金融行业的文本中严格提取关键信息,确保输出的准确性。这可能涉及到股票、公司、经济指标、市场动态、政策法规等内容。用户的需求可能是为了数据分析、报告生成或决策支持,因此信息抽取需要精确、规范。##Att
- 推荐开源项目:KeyInfoExtraction - 深度学习文本关键信息抽取利器
黎情卉Desired
推荐开源项目:KeyInfoExtraction-深度学习文本关键信息抽取利器去发现同类优质开源项目:https://gitcode.com/在大数据时代,信息处理和理解变得尤为重要,尤其是在海量文本数据中提取关键信息是一项挑战。为此,我们向大家推荐一个强大的、基于深度学习的文本关键信息抽取项目——。该项目利用先进的自然语言处理技术,帮助开发者高效地从非结构化文本中提炼出重要信息。项目简介KeyI
- 好家伙!仅需1行Python,腾讯云智能OCR让手写发票识别效率飙升!
Python自动化办公社区
Python自动化办公社区python腾讯云ocr
大家好,这里是程序员晚枫,今天给大家带来一个腾讯云的新功能:智能结构化识别(Pro版)。智能结构化(SmartStructureOpticalCharacterRecognition)融合了业界领先的深度学习技术、图像检测技术以及OCR大模型能力,能够实现不限版式的结构化信息抽取。无论是固定卡证还是复杂的物流单据,均可实现智能识别。该产品预学习建立键值对应关系,支持客户定制模板,提升数据提取录入效
- 综述:大语言 RDRec:如何利用大语言模型做推荐系统模型在信息抽取上的应用_rdrec 模型
AI大模型-搬运工
语言模型人工智能自然语言处理AI大模型产品经理大模型大语言模型
推荐系统RDRec:RationaleDistillationforLLM-basedRecommendation大型语言模型(LLM)通过文本提示实现用户与物品间的有效语义推理,其推荐模型备受瞩目。然而,多数方法未深入探究交互背后的逻辑,如用户偏好与物品属性,这限制了LLM在推荐领域的推理深度。本文创新性地提出了原理蒸馏推荐器(RDRec),一种精简模型,旨在汲取更大语言模型(LM)生成的深层原
- python接入deepseek对数据分类分级
AI安全这点事
大模型前沿技术及应用python开发语言
背景在当今大数据时代,如何高效地提取和分类信息成为了许多开发者关注的重点。数据分类分级,也是数据安全和数据治理的基础。本文将介绍如何使用Python接入DeepSeekAPI,实现对医疗病历和新闻数据的自动分类和分级。✨DeepSeek简介DeepSeek是一个国产的开源大模型,具备强大的自然语言处理能力,能够进行文本理解、信息抽取、问答等任务。作为一款基于深度学习的AI模型,DeepSeek采用
- NLP 面试宝典
关于NLP那些你不知道的事
大模型LLMs面试经验自然语言处理自然语言处理面试人工智能深度学习AIGC职场和发展chatgpt
介绍:本项目是作者们根据个人面试和经验总结出的自然语言处理(NLP)面试准备的学习笔记与资料,该资料目前包含自然语言处理各领域的面试题积累。Github地址:https://github.com/km1994/NLP-Interview-Notes四、NLP学习算法常见面试篇4.1信息抽取常见面试篇4.1.1命名实体识别常见面试篇隐马尔科夫算法HMM常见面试篇一、基础信息介绍篇1.1什么是概率图模
- PP-ChatOCRv3新升级:多页PDF信息抽取支持自定义提示词工程,拓展大语言模型功能边界
飞桨PaddlePaddle
技术干货最新上线飞桨人工智能paddlepaddleDeepSeek百度
文本图像信息抽取技术在自动化办公、建筑工程、教育科研、金融风控、医疗健康等行业领域具有广泛应用场景。2024年9月,飞桨低代码开发工具PaddleX中新增文本图像智能产线PP-ChatOCRv3,充分结合PaddleOCR的文本图像版面解析能力和文心一言语言理解优势,实现了高效的文本图像信息抽取。近期,飞桨研发团队对飞桨低代码开发工具PaddleX中文本图像智能产线PP-ChatOCRv3进行升级
- PaddlePaddle Uie-Base 信息抽取
weixin_37806923
paddlepaddle人工智能
微调代码,打标签后的文件放在work目录下不会被删除,若放在data下重启环境后会被删掉pythondoccano.py\--doccano_file./work/admin.jsonl\--task_typeext\--save_dir./data\--splits0.80.20\--schema_langchexportfinetuned_model=./checkpoint/model_be
- PaddleNLP UIE 通过OCR识别银行回执信息
冲上云霄的Jayden
AIocr银行回执PaddleNLPPaddleUIE信息提取NLP
概述UIE(UniversalInformationExtraction):YaojieLu等人在ACL-2022中提出了通用信息抽取统一框架UIE。该框架实现了实体抽取、关系抽取、事件抽取、情感分析等任务的统一建模,并使得不同任务间具备良好的迁移和泛化能力。为了方便大家使用UIE的强大能力,PaddleNLP借鉴该论文的方法,基于ERNIE3.0知识增强预训练模型,训练并开源了首个中文通用信息抽
- 使用提示词进行信息抽取的实用方法
scaFHIO
windowspython
在大规模语言模型(LLM)中进行信息抽取时,我们不一定需要工具调用功能。通过精心设计的提示词(prompt)可以指导模型输出特定格式的信息,然后对其进行解析以生成结构化数据。这种方法依赖于创建良好的提示词,并将LLM的输出解析为所需的Python对象。技术背景介绍大规模语言模型可以根据提示词生成特定格式的文本。例如,我们可以要求模型以JSON格式输出所需的信息。在信息抽取的场景中,设计良好的提示词
- SciER:首个大规模科学文档中的实体和关系抽取数据集
数据集
2024-10-28,为科学文档中的实体和关系抽取领域带来了突破,提供了一个包含106篇完整科学出版物、超过24,000个实体和12,000个关系的大规模数据集,这对于构建科学知识图谱和促进科学信息抽取技术的发展具有重要意义。数据集地址:SciER|科学信息提取数据集|人工智能数据集一、研究背景:在科学文档中,实体(如数据集、方法、任务)和它们之间的关系对于理解科学发现和推动研究进展至关重要。然而
- OLMo 7B:推动自然语言处理领域的技术革新
单皎娥
OLMo7B:推动自然语言处理领域的技术革新OLMo-7B项目地址:https://gitcode.com/hf_mirrors/ai-gitcode/OLMo-7B引言随着人工智能技术的飞速发展,自然语言处理(NLP)领域取得了显著的进步。然而,在实际应用中,NLP技术仍然面临着诸多挑战,如语境理解、信息抽取、情感分析等。为了解决这些问题,艾伦人工智能研究所(AI2)推出了OLMo系列模型,其中
- 【AI大模型】Transformers大模型库(九):大模型微调之计算微调参数占比
LDG_AGI
人工智能
目录一、引言二、计算微调参数占比2.1概述2.2模型参数结构一览2.3微调参数占比计算三、总结一、引言这里的Transformers指的是huggingface开发的大模型库,为huggingface上数以万计的预训练大模型提供预测、训练等服务。Transformers提供了数以千计的预训练模型,支持100多种语言的文本分类、信息抽取、问答、摘要、翻译、文本生成。它的宗旨是让最先进的NLP技术人人
- 深入探讨使用Python和LangChain加载与解析HTML文档:从基础操作到高级应用
m0_57781768
pythonlangchainhtml
深入探讨使用Python和LangChain加载与解析HTML文档:从基础操作到高级应用在现代互联网时代,HTML(超文本标记语言)作为一种标准的网页文档格式,广泛应用于各类网站和应用中。无论是网页开发、数据爬取、信息抽取,还是自然语言处理和数据分析,处理HTML文档都是开发者和数据科学家不可避免的任务。然而,HTML文档的结构复杂且多变,往往需要使用专业的工具和库来解析和处理。在Python生态
- 1. 什么是Scrapy框架?
杨胜增
scrapy爬虫
1.什么是Scrapy框架?1.1Scrapy简介爬虫框架的定义与作用在网络数据采集的过程中,爬虫(Spider)是用来从网页上抓取信息的程序。爬虫框架则是一个封装了网络请求、数据提取、存储等功能的工具集,帮助开发者更高效、简便地完成爬虫的开发。Scrapy是一个流行的Python爬虫框架,它以高效、灵活和易扩展的特点,被广泛应用于数据抓取、网页爬取、信息抽取等多个领域。Scrapy作为一个开源框
- NLTK命名实体识别(NER)
Mr数据杨
Python自然语言技术NLTK自然语言处理1024程序员节
命名实体识别(NamedEntityRecognition,NER)是自然语言处理(NLP)中的一项核心技术,旨在从文本中识别出具有特定意义的实体,如人名、地名、组织名等。通过对文本的自动化处理,NER能够帮助计算机理解和组织大量的非结构化数据,为信息抽取、搜索引擎优化、数据分析等领域提供强有力的技术支持。NLTK(NaturalLanguageToolkit)是一个广泛使用的Python库,提供
- Java 并发包之线程池和原子计数
lijingyao8206
Java计数ThreadPool并发包java线程池
对于大数据量关联的业务处理逻辑,比较直接的想法就是用JDK提供的并发包去解决多线程情况下的业务数据处理。线程池可以提供很好的管理线程的方式,并且可以提高线程利用率,并发包中的原子计数在多线程的情况下可以让我们避免去写一些同步代码。
这里就先把jdk并发包中的线程池处理器ThreadPoolExecutor 以原子计数类AomicInteger 和倒数计时锁C
- java编程思想 抽象类和接口
百合不是茶
java抽象类接口
接口c++对接口和内部类只有简介的支持,但在java中有队这些类的直接支持
1 ,抽象类 : 如果一个类包含一个或多个抽象方法,该类必须限定为抽象类(否者编译器报错)
抽象方法 : 在方法中仅有声明而没有方法体
package com.wj.Interface;
- [房地产与大数据]房地产数据挖掘系统
comsci
数据挖掘
随着一个关键核心技术的突破,我们已经是独立自主的开发某些先进模块,但是要完全实现,还需要一定的时间...
所以,除了代码工作以外,我们还需要关心一下非技术领域的事件..比如说房地产
&nb
- 数组队列总结
沐刃青蛟
数组队列
数组队列是一种大小可以改变,类型没有定死的类似数组的工具。不过与数组相比,它更具有灵活性。因为它不但不用担心越界问题,而且因为泛型(类似c++中模板的东西)的存在而支持各种类型。
以下是数组队列的功能实现代码:
import List.Student;
public class
- Oracle存储过程无法编译的解决方法
IT独行者
oracle存储过程
今天同事修改Oracle存储过程又导致2个过程无法被编译,流程规范上的东西,Dave 这里不多说,看看怎么解决问题。
1. 查看无效对象
XEZF@xezf(qs-xezf-db1)> select object_name,object_type,status from all_objects where status='IN
- 重装系统之后oracle恢复
文强chu
oracle
前几天正在使用电脑,没有暂停oracle的各种服务。
突然win8.1系统奔溃,无法修复,开机时系统 提示正在搜集错误信息,然后再开机,再提示的无限循环中。
无耐我拿出系统u盘 准备重装系统,没想到竟然无法从u盘引导成功。
晚上到外面早了一家修电脑店,让人家给装了个系统,并且那哥们在我没反应过来的时候,
直接把我的c盘给格式化了 并且清理了注册表,再装系统。
然后的结果就是我的oracl
- python学习二( 一些基础语法)
小桔子
pthon基础语法
紧接着把!昨天没看继续看django 官方教程,学了下python的基本语法 与c类语言还是有些小差别:
1.ptyhon的源文件以UTF-8编码格式
2.
/ 除 结果浮点型
// 除 结果整形
% 除 取余数
* 乘
** 乘方 eg 5**2 结果是5的2次方25
_&
- svn 常用命令
aichenglong
SVN版本回退
1 svn回退版本
1)在window中选择log,根据想要回退的内容,选择revert this version或revert chanages from this version
两者的区别:
revert this version:表示回退到当前版本(该版本后的版本全部作废)
revert chanages from this versio
- 某小公司面试归来
alafqq
面试
先填单子,还要写笔试题,我以时间为急,拒绝了它。。时间宝贵。
老拿这些对付毕业生的东东来吓唬我。。
面试官很刁难,问了几个问题,记录下;
1,包的范围。。。public,private,protect. --悲剧了
2,hashcode方法和equals方法的区别。谁覆盖谁.结果,他说我说反了。
3,最恶心的一道题,抽象类继承抽象类吗?(察,一般它都是被继承的啊)
4,stru
- 动态数组的存储速度比较 集合框架
百合不是茶
集合框架
集合框架:
自定义数据结构(增删改查等)
package 数组;
/**
* 创建动态数组
* @author 百合
*
*/
public class ArrayDemo{
//定义一个数组来存放数据
String[] src = new String[0];
/**
* 增加元素加入容器
* @param s要加入容器
- 用JS实现一个JS对象,对象里有两个属性一个方法
bijian1013
js对象
<html>
<head>
</head>
<body>
用js代码实现一个js对象,对象里有两个属性,一个方法
</body>
<script>
var obj={a:'1234567',b:'bbbbbbbbbb',c:function(x){
- 探索JUnit4扩展:使用Rule
bijian1013
java单元测试JUnitRule
在上一篇文章中,讨论了使用Runner扩展JUnit4的方式,即直接修改Test Runner的实现(BlockJUnit4ClassRunner)。但这种方法显然不便于灵活地添加或删除扩展功能。下面将使用JUnit4.7才开始引入的扩展方式——Rule来实现相同的扩展功能。
1. Rule
&n
- [Gson一]非泛型POJO对象的反序列化
bit1129
POJO
当要将JSON数据串反序列化自身为非泛型的POJO时,使用Gson.fromJson(String, Class)方法。自身为非泛型的POJO的包括两种:
1. POJO对象不包含任何泛型的字段
2. POJO对象包含泛型字段,例如泛型集合或者泛型类
Data类 a.不是泛型类, b.Data中的集合List和Map都是泛型的 c.Data中不包含其它的POJO
 
- 【Kakfa五】Kafka Producer和Consumer基本使用
bit1129
kafka
0.Kafka服务器的配置
一个Broker,
一个Topic
Topic中只有一个Partition() 1. Producer:
package kafka.examples.producers;
import kafka.producer.KeyedMessage;
import kafka.javaapi.producer.Producer;
impor
- lsyncd实时同步搭建指南——取代rsync+inotify
ronin47
1. 几大实时同步工具比较 1.1 inotify + rsync
最近一直在寻求生产服务服务器上的同步替代方案,原先使用的是 inotify + rsync,但随着文件数量的增大到100W+,目录下的文件列表就达20M,在网络状况不佳或者限速的情况下,变更的文件可能10来个才几M,却因此要发送的文件列表就达20M,严重减低的带宽的使用效率以及同步效率;更为要紧的是,加入inotify
- java-9. 判断整数序列是不是二元查找树的后序遍历结果
bylijinnan
java
public class IsBinTreePostTraverse{
static boolean isBSTPostOrder(int[] a){
if(a==null){
return false;
}
/*1.只有一个结点时,肯定是查找树
*2.只有两个结点时,肯定是查找树。例如{5,6}对应的BST是 6 {6,5}对应的BST是
- MySQL的sum函数返回的类型
bylijinnan
javaspringsqlmysqljdbc
今天项目切换数据库时,出错
访问数据库的代码大概是这样:
String sql = "select sum(number) as sumNumberOfOneDay from tableName";
List<Map> rows = getJdbcTemplate().queryForList(sql);
for (Map row : rows
- java设计模式之单例模式
chicony
java设计模式
在阎宏博士的《JAVA与模式》一书中开头是这样描述单例模式的:
作为对象的创建模式,单例模式确保某一个类只有一个实例,而且自行实例化并向整个系统提供这个实例。这个类称为单例类。 单例模式的结构
单例模式的特点:
单例类只能有一个实例。
单例类必须自己创建自己的唯一实例。
单例类必须给所有其他对象提供这一实例。
饿汉式单例类
publ
- javascript取当月最后一天
ctrain
JavaScript
<!--javascript取当月最后一天-->
<script language=javascript>
var current = new Date();
var year = current.getYear();
var month = current.getMonth();
showMonthLastDay(year, mont
- linux tune2fs命令详解
daizj
linuxtune2fs查看系统文件块信息
一.简介:
tune2fs是调整和查看ext2/ext3文件系统的文件系统参数,Windows下面如果出现意外断电死机情况,下次开机一般都会出现系统自检。Linux系统下面也有文件系统自检,而且是可以通过tune2fs命令,自行定义自检周期及方式。
二.用法:
Usage: tune2fs [-c max_mounts_count] [-e errors_behavior] [-g grou
- 做有中国特色的程序员
dcj3sjt126com
程序员
从出版业说起 网络作品排到靠前的,都不会太难看,一般人不爱看某部作品也是因为不喜欢这个类型,而此人也不会全不喜欢这些网络作品。究其原因,是因为网络作品都是让人先白看的,看的好了才出了头。而纸质作品就不一定了,排行榜靠前的,有好作品,也有垃圾。 许多大牛都是写了博客,后来出了书。这些书也都不次,可能有人让为不好,是因为技术书不像小说,小说在读故事,技术书是在学知识或温习知识,有
- Android:TextView属性大全
dcj3sjt126com
textview
android:autoLink 设置是否当文本为URL链接/email/电话号码/map时,文本显示为可点击的链接。可选值(none/web/email/phone/map/all) android:autoText 如果设置,将自动执行输入值的拼写纠正。此处无效果,在显示输入法并输
- tomcat虚拟目录安装及其配置
eksliang
tomcat配置说明tomca部署web应用tomcat虚拟目录安装
转载请出自出处:http://eksliang.iteye.com/blog/2097184
1.-------------------------------------------tomcat 目录结构
config:存放tomcat的配置文件
temp :存放tomcat跑起来后存放临时文件用的
work : 当第一次访问应用中的jsp
- 浅谈:APP有哪些常被黑客利用的安全漏洞
gg163
APP
首先,说到APP的安全漏洞,身为程序猿的大家应该不陌生;如果抛开安卓自身开源的问题的话,其主要产生的原因就是开发过程中疏忽或者代码不严谨引起的。但这些责任也不能怪在程序猿头上,有时会因为BOSS时间催得紧等很多可观原因。由国内移动应用安全检测团队爱内测(ineice.com)的CTO给我们浅谈关于Android 系统的开源设计以及生态环境。
1. 应用反编译漏洞:APK 包非常容易被反编译成可读
- C#根据网址生成静态页面
hvt
Web.netC#asp.nethovertree
HoverTree开源项目中HoverTreeWeb.HVTPanel的Index.aspx文件是后台管理的首页。包含生成留言板首页,以及显示用户名,退出等功能。根据网址生成页面的方法:
bool CreateHtmlFile(string url, string path)
{
//http://keleyi.com/a/bjae/3d10wfax.htm
stri
- SVG 教程 (一)
天梯梦
svg
SVG 简介
SVG 是使用 XML 来描述二维图形和绘图程序的语言。 学习之前应具备的基础知识:
继续学习之前,你应该对以下内容有基本的了解:
HTML
XML 基础
如果希望首先学习这些内容,请在本站的首页选择相应的教程。 什么是SVG?
SVG 指可伸缩矢量图形 (Scalable Vector Graphics)
SVG 用来定义用于网络的基于矢量
- 一个简单的java栈
luyulong
java数据结构栈
public class MyStack {
private long[] arr;
private int top;
public MyStack() {
arr = new long[10];
top = -1;
}
public MyStack(int maxsize) {
arr = new long[maxsize];
top
- 基础数据结构和算法八:Binary search
sunwinner
AlgorithmBinary search
Binary search needs an ordered array so that it can use array indexing to dramatically reduce the number of compares required for each search, using the classic and venerable binary search algori
- 12个C语言面试题,涉及指针、进程、运算、结构体、函数、内存,看看你能做出几个!
刘星宇
c面试
12个C语言面试题,涉及指针、进程、运算、结构体、函数、内存,看看你能做出几个!
1.gets()函数
问:请找出下面代码里的问题:
#include<stdio.h>
int main(void)
{
char buff[10];
memset(buff,0,sizeof(buff));
- ITeye 7月技术图书有奖试读获奖名单公布
ITeye管理员
活动ITeye试读
ITeye携手人民邮电出版社图灵教育共同举办的7月技术图书有奖试读活动已圆满结束,非常感谢广大用户对本次活动的关注与参与。
7月试读活动回顾:
http://webmaster.iteye.com/blog/2092746
本次技术图书试读活动的优秀奖获奖名单及相应作品如下(优秀文章有很多,但名额有限,没获奖并不代表不优秀):
《Java性能优化权威指南》