一个通用html抽取类

下面以新浪微博为例子

Java代码

1. package com.ansj.sun.pojo;   
2.   
3. import java.util.ArrayList;   
4. import java.util.Iterator;   
5. import java.util.List;   
6. import java.util.regex.Matcher;   
7. import java.util.regex.Pattern;   
8.   
9. public class AnsjPaser {   
10.   
11.     private String beginRegex;   
12.   
13.     private String endRegex;   
14.   
15.     private Matcher matcher;   
16.   
17.     public final static String TEXTTEGEX = ".*?";   
18.        
19.     public final static String W = "\\W*?" ;   
20.        
21.     public final static String N = "" ;   
22.        
23.     private List<String> filterRegexList = new ArrayList<String>();   
24.   
25.     /**  
26.      *   
27.      * @param beginRegex 起始正则  
28.      * @param endRegex 结束正则  
29.      * @param content 需要解析的正文(如果没有此项必须为rest设置)  
30.      * @param textRegex 其实和结束正则中间的部分,默认为.*?  
31.      */  
32.     public AnsjPaser(String beginRegex, String endRegex, String content,   
33.             String textRegex) {   
34.   
35.         this.beginRegex = beginRegex;   
36.   
37.         this.endRegex = endRegex;   
38.   
39.         StringBuilder sb = new StringBuilder();   
40.   
41.         sb.append(beginRegex);   
42.   
43.         sb.append(textRegex);   
44.   
45.         sb.append(endRegex);   
46.   
47.         matcher = Pattern.compile(sb.toString()).matcher(content);   
48.     }   
49.   
50.     /**  
51.      *   
52.      * @param beginRegex 起始正则  
53.      * @param endRegex 结束正则  
54.      * @param textRegex 其实和结束正则中间的部分,默认为.*?  
55.      */  
56.     public AnsjPaser(String beginRegex, String endRegex, String textRegex) {   
57.   
58.         this.beginRegex = beginRegex;   
59.   
60.         this.endRegex = endRegex;   
61.   
62.         StringBuilder sb = new StringBuilder();   
63.   
64.         sb.append(beginRegex);   
65.   
66.         sb.append(textRegex);   
67.   
68.         sb.append(endRegex);   
69.   
70.         matcher = Pattern.compile(sb.toString()).matcher(N);   
71.     }   
72.        
73.   
74.     /**  
75.      * @param beginRegex 起始正则  
76.      * @param endRegex 结束正则  
77.      */    
78.     public AnsjPaser(String beginRegex, String endRegex) {   
79.   
80.         this.beginRegex = beginRegex;   
81.   
82.         this.endRegex = endRegex;   
83.   
84.         StringBuilder sb = new StringBuilder();   
85.   
86.         sb.append(beginRegex);   
87.   
88.         sb.append(TEXTTEGEX);   
89.   
90.         sb.append(endRegex);   
91.   
92.         matcher = Pattern.compile(sb.toString()).matcher(N);   
93.     }   
94.   
95.     /**  
96.      * @创建人：Ansj -创建时间：2011-8-16 下午09:30:56  
97.      * @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  
98.      */  
99.     public String getText() {   
100.         if (matcher.find()) {   
101.             String str = matcher.group().trim().replaceFirst(beginRegex, N)   
102.                     .replaceAll(endRegex, N);   
103.             Iterator<String> it = filterRegexList.iterator() ;   
104.             while(it.hasNext()){   
105.                 str = str.replaceAll(it.next(), N) ;   
106.             }   
107.             return str ;   
108.         }   
109.         return null;   
110.     }   
111.   
112.     /*  
113.      * 得到下一个  
114.      */  
115.     public String getNext() {   
116.         return matcher.group();   
117.     }   
118.   
119.     /*  
120.      * 是否包含下一个  
121.      */  
122.     public boolean hasNext() {   
123.         return matcher.find();   
124.     }   
125.   
126.     /**  
127.     * @创建人：Ansj  -创建时间：2011-8-17 上午12:11:12      
128.     * @方法描述：   @param content 需要解析的正文   
129.     * @方法描述：   @return 返回本身  
130.     * 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  
131.      */  
132.     public AnsjPaser reset(String content) {   
133.         this.matcher.reset(content);   
134.         return this ;   
135.     }   
136.        
137.     /*  
138.      * 添加getText的正则过滤条件  
139.      */  
140.     public AnsjPaser addFilterRegex(String filterRegex){   
141.         filterRegexList.add(filterRegex) ;   
142.         return this ;   
143.     }   
144.   
145. }  

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<String> filterRegexList = new ArrayList<String>();

	/**
	 * 
	 * @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<String> 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

Java代码

1. package com.ansj.sun.impl;   
2.   
3. import java.io.BufferedReader;   
4. import java.io.IOException;   
5.   
6. import com.ansj.sun.pojo.AnsjPaser;   
7. import com.ansj.sun.util.IOUtil;   
8.   
9. public class HtmlPaser{   
10.   
11.     public static void main(String[] args) throws IOException {   
12.         //阅读正文   
13.         BufferedReader br = IOUtil.getReader(   
14.                 "C:\\Users\\caiqing\\Desktop\\ajax采集\\zhanghuaping.html",   
15.                 "UTF-8");   
16.         StringBuilder sb = new StringBuilder();   
17.         String temp = null;   
18.         while ((temp = br.readLine()) != null) {   
19.             sb.append(temp);   
20.         }   
21.   
22.         System.out.println(sb);   
23.         // 模块抽取   
24.         String beginRegex = "<div class=\"MIB_feed_c\">\\W*?<p class=\"sms\"";   
25.         String endRegex = "<div id=\"_comment_list_miniblog.*?\"></div>\\W*?</div>";   
26.         AnsjPaser ansjHtml = new AnsjPaser(beginRegex, endRegex, sb.toString(),   
27.                 AnsjPaser.TEXTTEGEX);   
28.         // 正文抽取   
29.         beginRegex = "<p class=\"sms\" mid=\"\\d*?\" type=\"\\d*?\">";   
30.         endRegex = "</p>";   
31.         AnsjPaser ansjContent = new AnsjPaser(beginRegex, endRegex).addFilterRegex("<.*?>");   
32.         // 时间抽取   
33.         beginRegex = "οnclick=\"GB_SUDA._S_uaTrack\\('weibo_transmit','time_origin'\\);\"><strong date=\"";   
34.         endRegex = "\">";   
35.         AnsjPaser ansjPubTime = new AnsjPaser(beginRegex, endRegex);   
36.         // 来源抽取   
37.         beginRegex = "<strong lang=\"CL1006\">来自</strong><cite><a.*?>";   
38.         endRegex = "</a>";   
39.         AnsjPaser ansjFrom = new AnsjPaser(beginRegex, endRegex);   
40.         // 转发抽取   
41.         beginRegex = "<strong lang=\"CD0023\" pop=\"true\">转发</strong><strong id=\"num_\\d*?\" rid=\"\\d*?\" type=\"rttCount\">\\(";   
42.         endRegex = "\\)</strong>";   
43.         AnsjPaser ansjRepeat = new AnsjPaser(beginRegex, endRegex);   
44.         // 评论抽取   
45.         beginRegex = "<strong lang=\"CL1004\">评论</strong><strong rid=\"\\d*?\" type=\"commtCount\">\\(";   
46.         endRegex = "\\)</strong>";   
47.         AnsjPaser ansjComment = new AnsjPaser(beginRegex, endRegex);   
48.            
49.         //开始抽取   
50.         while (ansjHtml.hasNext()) {   
51.   
52.             String c1 = ansjHtml.getNext();   
53.   
54.             System.out   
55.                     .println("=========================================================================");   
56.   
57.             System.out.println("时间:" + ansjPubTime.reset(c1).getText());   
58.   
59.             System.out.println("来源:" + ansjFrom.reset(c1).getText());   
60.   
61.             String str = ansjRepeat.reset(c1).getText();   
62.             System.out.println("转发:"  
63.                     + ((str == null || "".equals(str)) ? "0" : str));   
64.   
65.             str = ansjComment.reset(c1).getText();   
66.             System.out.println("评论:"  
67.                     + ((str == null || "".equals(str)) ? "0" : str));   
68.   
69.             System.out.println("正文:" + ansjContent.reset(c1).getText());   
70.   
71.         }   
72.   
73.     }   
74.   
75. }  

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 = "<div class=\"MIB_feed_c\">\\W*?<p class=\"sms\"";
		String endRegex = "<div id=\"_comment_list_miniblog.*?\"></div>\\W*?</div>";
		AnsjPaser ansjHtml = new AnsjPaser(beginRegex, endRegex, sb.toString(),
				AnsjPaser.TEXTTEGEX);
		// 正文抽取
		beginRegex = "<p class=\"sms\" mid=\"\\d*?\" type=\"\\d*?\">";
		endRegex = "</p>";
		AnsjPaser ansjContent = new AnsjPaser(beginRegex, endRegex).addFilterRegex("<.*?>");
		// 时间抽取
		beginRegex = "οnclick=\"GB_SUDA._S_uaTrack\\('weibo_transmit','time_origin'\\);\"><strong date=\"";
		endRegex = "\">";
		AnsjPaser ansjPubTime = new AnsjPaser(beginRegex, endRegex);
		// 来源抽取
		beginRegex = "<strong lang=\"CL1006\">来自</strong><cite><a.*?>";
		endRegex = "</a>";
		AnsjPaser ansjFrom = new AnsjPaser(beginRegex, endRegex);
		// 转发抽取
		beginRegex = "<strong lang=\"CD0023\" pop=\"true\">转发</strong><strong id=\"num_\\d*?\" rid=\"\\d*?\" type=\"rttCount\">\\(";
		endRegex = "\\)</strong>";
		AnsjPaser ansjRepeat = new AnsjPaser(beginRegex, endRegex);
		// 评论抽取
		beginRegex = "<strong lang=\"CL1004\">评论</strong><strong rid=\"\\d*?\" type=\"commtCount\">\\(";
		endRegex = "\\)</strong>";
		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

Java代码

1. =========================================================================   
2. 时间:2011-08-15 10:19:24  
3. 来源:iPhone客户端   
4. 转发:0  
5. 评论:4  
6. 正文:云南石林奇景，难忘云南昆明的#yssnlp#   
7. =========================================================================   
8. 时间:2011-08-12 09:23:37  
9. 来源:新浪微博   
10. 转发:2  
11. 评论:1  
12. 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。   
13. =========================================================================   
14. 时间:2011-08-11 15:58:05  
15. 来源:iPhone客户端   
16. 转发:3  
17. 评论:7  
18. 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！   
19. =========================================================================   
20. 时间:2011-08-11 13:16:30  
21. 来源:iPhone客户端   
22. 转发:1  
23. 评论:0  
24. 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   
25. =========================================================================   
26. 时间:2011-08-11 11:35:02  
27. 来源:新浪微博   
28. 转发:2  
29. 评论:0  
30. 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。   
31. =========================================================================   
32. 时间:2011-08-11 10:03:14  
33. 来源:新浪微博   
34. 转发:8  
35. 评论:1  
36. 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。   
37. =========================================================================   
38. 时间:2011-08-11 08:39:37  
39. 来源:iPhone客户端   
40. 转发:1  
41. 评论:1  
42. 正文:第八届全国自然语言处理青年学者研讨会 #yssnlp2011#   
43. =========================================================================   
44. 时间:2011-08-10 22:38:02  
45. 来源:新浪微博   
46. 转发:2  
47. 评论:2  
48. 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   
49. =========================================================================   
50. 时间:2011-08-10 21:20:37  
51. 来源:iPhone客户端   
52. 转发:0  
53. 评论:1  
54. 正文:夕阳，滇池，余正涛教授组织得很精细   
55. =========================================================================   
56. 时间:2011-08-10 18:21:55  
57. 来源:iPhone客户端   
58. 转发:1  
59. 评论:0  
60. 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。   
61. =========================================================================   
62. 时间:2011-08-06 11:12:40  
63. 来源:新浪微博   
64. 转发:3  
65. 评论:4  
66. 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。   
67. =========================================================================   
68. 时间:2011-08-04 09:52:26  
69. 来源:新浪新闻中心   
70. 转发:1  
71. 评论:1  
72. 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   
73. =========================================================================   
74. 时间:2011-08-02 11:16:40  
75. 来源:新浪微博   
76. 转发:0  
77. 评论:0  
78. 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 @   
79. =========================================================================   
80. 时间:2011-07-31 17:41:14  
81. 来源:新浪微博   
82. 转发:3  
83. 评论:2  
84. 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   
85. =========================================================================   
86. 时间:2011-07-29 12:49:44  
87. 来源:新浪微博   
88. 转发:4  
89. 评论:2  
90. 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。   
91. =========================================================================   
92. 时间:2011-07-28 13:31:18  
93. 来源:关联博客   
94. 转发:3  
95. 评论:1  
96. 正文:ICTCLAS2011 0728在Win7下C与C#调用的升级包 http://t.cn/aj30qU   
97. =========================================================================   
98. 时间:2011-07-26 17:26:03  
99. 来源:iPhone客户端   
100. 转发:1  
101. 评论:0  
102. 正文:与sigir2011组委会**，国际信息检索知名学者聂建芸老师交流。   
103. =========================================================================   
104. 时间:2011-07-26 11:43:55  
105. 来源:iPhone客户端   
106. 转发:1  
107. 评论:0  
108. 正文:参加#sigir2011#   
109. =========================================================================   
110. 时间:2011-07-25 14:37:28  
111. 来源:新浪微博   
112. 转发:1  
113. 评论:1  
114. 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     
115. =========================================================================   
116. 时间:2011-07-24 15:18:47  
117. 来源:新浪微博   
118. 转发:11  
119. 评论:3  
120. 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。   
121. =========================================================================   
122. 时间:2011-07-24 10:55:20  
123. 来源:新浪新闻中心   
124. 转发:18  
125. 评论:8  
126. 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。   
127. =========================================================================   
128. 时间:2011-07-23 22:06:10  
129. 来源:新浪微博   
130. 转发:1  
131. 评论:1  
132. 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。   
133. =========================================================================   
134. 时间:2011-07-23 15:43:17  
135. 来源:新浪微博   
136. 转发:15  
137. 评论:5  
138. 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。   
139. =========================================================================   
140. 时间:2011-07-21 09:37:35  
141. 来源:新浪微博   
142. 转发:0  
143. 评论:0  
144. 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。   
145. =========================================================================   
146. 时间:2011-07-18 15:52:42  
147. 来源:iPhone客户端   
148. 转发:2  
149. 评论:9  
150. 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   
151. =========================================================================   
152. 时间:2011-07-18 11:31:22  
153. 来源:iPhone客户端   
154. 转发:2  
155. 评论:2  
156. 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   
157. =========================================================================   
158. 时间:2011-07-18 11:13:13  
159. 来源:iPhone客户端   
160. 转发:13  
161. 评论:6  
162. 正文:宋真宗劝学篇：男儿欲遂平生志，五经勤向窗前读。   
163. =========================================================================   
164. 时间:2011-07-14 14:17:13  
165. 来源:新浪微博   
166. 转发:7  
167. 评论:9  
168. 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。   
169. =========================================================================   
170. 时间:2011-07-13 16:30:52  
171. 来源:新浪微博   
172. 转发:13  
173. 评论:30  
174. 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    
175. =========================================================================   
176. 时间:2011-07-13 11:33:08  
177. 来源:iPhone客户端   
178. 转发:6  
179. 评论:0  
180. 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   
181. =========================================================================   
182. 时间:2011-07-13 11:18:42  
183. 来源:iPhone客户端   
184. 转发:0  
185. 评论:1  
186. 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   
187. =========================================================================   
188. 时间:2011-07-12 19:50:01  
189. 来源:iPhone客户端   
190. 转发:0  
191. 评论:0  
192. 正文:老外着中国皇帝装致晚宴欢迎辞。   
193. =========================================================================   
194. 时间:2011-07-12 19:44:30  
195. 来源:iPhone客户端   
196. 转发:1  
197. 评论:15  
198. 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。   
199. =========================================================================   
200. 时间:2011-07-12 18:17:44  
201. 来源:新浪微博   
202. 转发:5  
203. 评论:17  
204. 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！   
205. =========================================================================   
206. 时间:2011-07-12 15:29:58  
207. 来源:iPhone客户端   
208. 转发:3  
209. 评论:5  
210. 正文:香港中文大学黄锦辉教授演讲，查询驱动的自动摘要。   
211. =========================================================================   
212. 时间:2011-07-12 09:47:39  
213. 来源:iPhone客户端   
214. 转发:1  
215. 评论:1  
216. 正文:桂林象鼻山   
217. =========================================================================   
218. 时间:2011-07-11 15:51:30  
219. 来源:iPhone客户端   
220. 转发:0  
221. 评论:3  
222. 正文:进入了桂林，参加明天的一个小型国际会议。   
223. =========================================================================   
224. 时间:2011-07-10 20:17:47  
225. 来源:iPhone客户端   
226. 转发:1  
227. 评论:3  
228. 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   
229. =========================================================================   
230. 时间:2011-07-10 10:57:01  
231. 来源:新浪微博   
232. 转发:4  
233. 评论:3  
234. 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。   
235. =========================================================================   
236. 时间:2011-07-08 18:48:07  
237. 来源:新浪微博   
238. 转发:4  
239. 评论:2  
240. 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。   
241. =========================================================================   
242. 时间:2011-07-08 18:34:25  
243. 来源:新浪微博   
244. 转发:2  
245. 评论:3  
246. 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？   
247. =========================================================================   
248. 时间:2011-07-05 11:23:01  
249. 来源:新浪微博   
250. 转发:4  
251. 评论:10  
252. 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。   
253. =========================================================================   
254. 时间:2011-07-03 19:46:19  
255. 来源:iPhone客户端   
256. 转发:0  
257. 评论:1  
258. 正文:孩子的即兴作品，太阳下的兔子   
259. =========================================================================   
260. 时间:2011-07-02 11:57:41  
261. 来源:iPhone客户端   
262. 转发:5  
263. 评论:3  
264. 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。   
265. =========================================================================   
266. 时间:2011-07-02 11:49:58  
267. 来源:iPhone客户端   
268. 转发:1  
269. 评论:0  
270. 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;   
271. =========================================================================   
272. 时间:2011-06-30 11:26:24  
273. 来源:iPhone客户端   
274. 转发:0  
275. 评论:4  
276. 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。   
277. =========================================================================   
278. 时间:2011-06-28 16:30:56  
279. 来源:新浪微博   
280. 转发:0  
281. 评论:1  
282. 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。   
283. =========================================================================   
284. 时间:2011-06-28 11:12:37  
285. 来源:新浪微博   
286. 转发:4  
287. 评论:7  
288. 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。   
289. =========================================================================   
290. 时间:2011-06-26 06:23:16  
291. 来源:iPhone客户端   
292. 转发:0  
293. 评论:4  
294. 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。