摘要: 发出VB.net Demo后，不少人发来邮件询问C++如何调用，因为邮件较多，不逐一回复了。抓紧时间写了个C++的Sample,用法其实和Vb.net差别不大，代码下载在这里（相关文档资料分类中的“Doc,Xls,Pdf等文件中抽取文本的Com组件及Demo(VC++)源代码”）,具体可以参照这里，下面是调用部分的代码(C/C++都可以直接调用)和实际截图：  阅读全文

接受dudu的邀请当cppblog的管理员有一段时间了。下面关于首页原创精华区的文章的一点思考，希望可以和大家一起探讨。
在后台POSTS的网站分类中，“首页是交流思想的地方, 对首页文章的基本要求是经过自己认真思考并能给别人带来收获, 在发表到首页之前请考虑一下, 这篇文章会给别人带来什么收获。”这一段说明相信大家都有注意到，先不说能给别人带来什么收获，首先的最基本的要求，是“原创”，把一些转载的文章也post到了首页，与大家分享好文章的心情是可以理解的，但是转载的文章毕竟不符合“原创”的精神，我想大家也不希望打开cppblog首页，看到的都是别处看到过的文章吧。
cppblog给了用户非常大的自由，可以挂广告可以自己决定是否发在首页，相信自由这一点大家也都是深有体会的，并且从cppblog我们可以学到很多东西。为了使我们的cppblog越来越好，希望大家在发表在首页之前，先用心得去思考一下，是否值得推荐在首页，是否可以带给别人收获……毕竟等到管理员将你的文章移出首页的话，多少心理总会有点不舒服吧。
考虑了一下，看到首页出现下面这些类型的文章，我们将直接移出首页，有什么补充或不妥的，欢迎大家提出自己的意见。
●非原创文章
●内容和cppblog博客主题完全没有关系的文章
●提供盗版下载，注册码类文章
★笔记,感想类的,尽可能写的让一般的读者也可以看懂……
反动，色情类的就不用说了，不仅仅是移出首页的问题了。
因个人精力毕竟有限，希望大家可以共同维护我们的博客家园~

    2008/1/1更新：IE6.0无法下载问题已经修正，需要的请重新下载~
不少人对《超高速中日英分词的实现(10MB/S)》的实现比较感兴趣，今年9月份的时候刚好做过一份资料，用C++代码分析了内部分词的转换，资料的说明部分可以参考《双数组Trie(Double Array Trie)实现原理的一点剖析》,实现的原理和datrie（英文），京都大学情報学研究科的Mecab（日文）还有chasen（日文）一样的，都有完整的C/C++代码，有兴趣的可以下来分析一下。
分析说明文档（PDF）可以在这里下载( 双数组Trie(Double Array Trie)实现原理)。阅读者需要对计算机内部编码比较熟悉，否则可能无法理解其中的转化过程，发布这一文档只是为了分享，当然我也很乐意回复你在阅读中所遇到的任何问题，：）
   2008/1/1更新：IE6.0无法下载问题已经修正，需要的请重新下载~
本来不准备发这篇文章的，不过看到《UTF8编码的中文词库下载》发了仅仅一周，下载量居然达到2200多次，每天都有NN位针对中文词库来自搜索引擎的朋友，看来需要这样的词库的朋友还是挺多的，想写自己分词系统的或者有其他需要的朋友从这里的“ 相关文档资料”中直接下载

    PS:祝大家2008年学业有成,工作顺心,越过越开心~~~
不需要安装Word，Excel，Adobe Reader等应用程序就可以直接读取doc，xls，pdf中的文本内容，这样的功能在很多的场合都会用到，比如搜索引擎抓取各种格式的文件进行索引，比如做一个自己的文本阅读器……Minidx的这一模块将可以使你简单的实现这一功能。具体使用说明参照《利用Minidx Extract-Text Com组件从Word,Xls,Pdf……等文件中读取文本内容》，组件和Demo源代码下载在这里的《Doc,Xls,Pdf等文件中抽取文本的Com组件及Demo源代码》。该组件可用于任何商业和非商业的用途，如果你愿意的话，可以发一个邮件给我告诉我这一模块被用在了你的项目中，当然这不是必需的，：）,下面是中日英Word中抽取文本的效果图：

刚刚购买了国外的一款虚拟主机 + 独立IP + 域名
大家能不能帮忙测试一下能否访问?以及下载速度
主页地址:(应该只有hello,world一句话)
转移了http://minidx.com(2007/10/27)
下载测试文件（2MB左右）:
http://minidx.com/libharu_2_0_8_win32.zip  ※一个从PDF中抽取文本和图片的开发包源代码
例子：
地区：上海
状态：可以访问
网络：上海电信ADSL
下载速度：200KB/S
谢谢啦~~~
cc1af6aa

     摘要: 经常可以看到这样的写法：if (p != NULL) delete p; 或者 if (p) delete p;
这样写没有错，但问题是，这里的if是否必要？  阅读全文

     摘要: 声明：可任意转载，复制，修改，以及用于任何您所希望的目的而与作者无关。 来自：Minidx全文检索(http://minidx.com)
Minidx的IFilter Com组件中的一个字符串处理函数，过滤掉一些特殊字符，转为标准的ASCII字符.因为要处理包括欧洲以及阿拉伯等其他一些特殊字符，所以case比较多，请结合自己的需要选择性的修改使用，：）  阅读全文

     摘要: 北大研究生课程《文本挖掘技术》的全套课件，分享的目的旨在给与勤奋者更多的资源。不得用于任何以营利为目的的活动/方式  阅读全文

     摘要: 一些值得一看的论文，有的看一次需要30＄，这里与大家分享，有需要的自己取吧……
・ Query Time Trade-offs in Dynamic Information Retrieval System
・ Hybrid index maintenance for growing text collections（非常好地在线索引论文）
・ 信息检索模型
・ 信息过滤
・ 搜索引擎技术
・ 双数组Trie树算法
……
以及其他参考书，共12篇  阅读全文