C++博客-<a href=http://minidx.com>全文检索(http://minidx.com)</a>

C++博客-<a href=http://minidx.com>全文检索(http://minidx.com)</a>http://www.cppblog.com/minidxer/<script type="text/javascript"> </script> <script type="text/javascript" src="http://pagead2.googlesyndication.com/pagead/show_ads.js"> </script> <script type="text/javascript"> </script> <script type="text/javascript" src="http://pagead2.googlesyndication.com/pagead/show_ads.js"> </script>zh-cnThu, 28 Aug 2008 03:36:56 GMTThu, 28 Aug 2008 03:36:56 GMT60Minidx组件从doc,Xls,Pdf……等抽取文本的C++ Demo(VS2005工程)http://www.cppblog.com/minidxer/archive/2008/01/10/40851.htmlminidxerminidxerThu, 10 Jan 2008 01:24:00 GMThttp://www.cppblog.com/minidxer/archive/2008/01/10/40851.htmlhttp://www.cppblog.com/minidxer/comments/40851.htmlhttp://www.cppblog.com/minidxer/archive/2008/01/10/40851.html#Feedback12http://www.cppblog.com/minidxer/comments/commentRss/40851.htmlhttp://www.cppblog.com/minidxer/services/trackbacks/40851.htmlVB.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

minidxer 2008-01-10 09:24 发表评论

]]>关于"首页原创精华区"的一点思考http://www.cppblog.com/minidxer/archive/2008/01/05/40497.htmlminidxerminidxerSat, 05 Jan 2008 14:37:00 GMThttp://www.cppblog.com/minidxer/archive/2008/01/05/40497.htmlhttp://www.cppblog.com/minidxer/comments/40497.htmlhttp://www.cppblog.com/minidxer/archive/2008/01/05/40497.html#Feedback35http://www.cppblog.com/minidxer/comments/commentRss/40497.htmlhttp://www.cppblog.com/minidxer/services/trackbacks/40497.html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~

minidxer 2008-01-05 22:37 发表评论

]]>《超高速中日英分词的实现(10MB/S)》实现原理分析说明文档下载http://www.cppblog.com/minidxer/archive/2008/01/01/39643.htmlminidxerminidxerTue, 01 Jan 2008 00:05:00 GMThttp://www.cppblog.com/minidxer/archive/2008/01/01/39643.htmlhttp://www.cppblog.com/minidxer/comments/39643.htmlhttp://www.cppblog.com/minidxer/archive/2008/01/01/39643.html#Feedback1http://www.cppblog.com/minidxer/comments/commentRss/39643.htmlhttp://www.cppblog.com/minidxer/services/trackbacks/39643.html 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，：）

minidxer 2008-01-01 08:05 发表评论

]]>分享UTF8编码的中文词库，有需要的来下载吧http://www.cppblog.com/minidxer/archive/2008/01/01/39467.htmlminidxerminidxerTue, 01 Jan 2008 00:04:00 GMThttp://www.cppblog.com/minidxer/archive/2008/01/01/39467.htmlhttp://www.cppblog.com/minidxer/comments/39467.htmlhttp://www.cppblog.com/minidxer/archive/2008/01/01/39467.html#Feedback7http://www.cppblog.com/minidxer/comments/commentRss/39467.htmlhttp://www.cppblog.com/minidxer/services/trackbacks/39467.html2008/1/1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

minidxer 2008-01-01 08:04 发表评论

]]>从Word,Xls,Pdf……等文件中直接读取文本内容的组件（纯C++的com DLL）和Vb.net demo源代码下载http://www.cppblog.com/minidxer/archive/2007/12/31/40064.htmlminidxerminidxerMon, 31 Dec 2007 14:45:00 GMThttp://www.cppblog.com/minidxer/archive/2007/12/31/40064.htmlhttp://www.cppblog.com/minidxer/comments/40064.htmlhttp://www.cppblog.com/minidxer/archive/2007/12/31/40064.html#Feedback0http://www.cppblog.com/minidxer/comments/commentRss/40064.htmlhttp://www.cppblog.com/minidxer/services/trackbacks/40064.html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：

minidxer 2007-12-31 22:45 发表评论

]]>【求助】请大家帮忙测试一下http://www.cppblog.com/minidxer/archive/2007/10/24/35098.htmlminidxerminidxerWed, 24 Oct 2007 15:27:00 GMThttp://www.cppblog.com/minidxer/archive/2007/10/24/35098.htmlhttp://www.cppblog.com/minidxer/comments/35098.htmlhttp://www.cppblog.com/minidxer/archive/2007/10/24/35098.html#Feedback24http://www.cppblog.com/minidxer/comments/commentRss/35098.htmlhttp://www.cppblog.com/minidxer/services/trackbacks/35098.html 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

minidxer 2007-10-24 23:27 发表评论

]]>在删除一个指针delete p之前是否需要检查p是否为NULL?http://www.cppblog.com/minidxer/archive/2007/10/19/34641.htmlminidxerminidxerFri, 19 Oct 2007 12:40:00 GMThttp://www.cppblog.com/minidxer/archive/2007/10/19/34641.htmlhttp://www.cppblog.com/minidxer/comments/34641.htmlhttp://www.cppblog.com/minidxer/archive/2007/10/19/34641.html#Feedback51http://www.cppblog.com/minidxer/comments/commentRss/34641.htmlhttp://www.cppblog.com/minidxer/services/trackbacks/34641.html这样写没有错，但问题是，这里的if是否必要？阅读全文

minidxer 2007-10-19 20:40 发表评论

]]>【Minidxer】Minidx的IFilter Com组件中的一个字符串处理函数http://www.cppblog.com/minidxer/archive/2007/09/20/32587.htmlminidxerminidxerThu, 20 Sep 2007 15:37:00 GMThttp://www.cppblog.com/minidxer/archive/2007/09/20/32587.htmlhttp://www.cppblog.com/minidxer/comments/32587.htmlhttp://www.cppblog.com/minidxer/archive/2007/09/20/32587.html#Feedback0http://www.cppblog.com/minidxer/comments/commentRss/32587.htmlhttp://www.cppblog.com/minidxer/services/trackbacks/32587.htmlMinidx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

minidxer 2007-09-20 23:37 发表评论

]]>【Minidxer】分享--文本挖掘课程课件（研究生课程）http://www.cppblog.com/minidxer/archive/2007/09/19/32508.htmlminidxerminidxerWed, 19 Sep 2007 15:42:00 GMThttp://www.cppblog.com/minidxer/archive/2007/09/19/32508.htmlhttp://www.cppblog.com/minidxer/comments/32508.htmlhttp://www.cppblog.com/minidxer/archive/2007/09/19/32508.html#Feedback10http://www.cppblog.com/minidxer/comments/commentRss/32508.htmlhttp://www.cppblog.com/minidxer/services/trackbacks/32508.html阅读全文

minidxer 2007-09-19 23:42 发表评论

]]>【Minidxer】分享一些论文以及参考书籍http://www.cppblog.com/minidxer/archive/2007/09/15/32265.htmlminidxerminidxerSat, 15 Sep 2007 07:20:00 GMThttp://www.cppblog.com/minidxer/archive/2007/09/15/32265.htmlhttp://www.cppblog.com/minidxer/comments/32265.htmlhttp://www.cppblog.com/minidxer/archive/2007/09/15/32265.html#Feedback3http://www.cppblog.com/minidxer/comments/commentRss/32265.htmlhttp://www.cppblog.com/minidxer/services/trackbacks/32265.html・ 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

minidxer 2007-09-15 15:20 发表评论

]]>