0
点赞
收藏
分享

微信扫一扫

整理网页资料加入App的流程


整理网页资料加入App的流程

编者:李国帅

时间:2019/11/11

起因:

以前收集了一些电子图书,后来学了android编程,就像把它们放到app里,自己有时间的话就会翻翻,比起直接看txt应该好很多。

 

步骤:

         网上的资料很多都是html的形式,需要格式化才能放到app。这需要一个流程,我就是按照下面的流程来做的。

整理网页资料加入App的流程_数据库

说明:

1、下载。

首先我们不管爬的网页,还是下的chm书,都会是html的形式。

整理网页资料加入App的流程_简单程序_02

2合并。

我们可能一次下载成千上万的文章,这时候,就需要进行分门别类的进行合并,这样处理起来才会更方便。

3、提出html标记。

把那些无用的标记去除,但是注意:一个笑话可能有标题,需要对标题和内容使用特殊符号标出来。

4、除杂。

从上面步骤获取的文件依然有很多乱七八糟的符号文字,依然出需要整理。

5、断句处理。

走到这一步,基本上文章已经定型,只需要做一些修饰处理了。

因为html格式的原因,会有一些句子还没有结束就直接换行了。所以需要判断一句话是否结束,如果不是以?。这些符合结束的,又不是标题,可以合并这一行。

6、文件格式化

对文件进行格式化,让程序能够判断一个文件中,那些是标题,那些是内容。

如果资料很多,那些没有标题的文章可以舍弃,因为开发者不是编辑。

7、文字审查

对文件进行简单审查,抛弃那些不完整,重复,低俗的内容。

8、入库。

编写一个小程序,把txt中的文章一个个的存入sql数据库中。

9、排错

使用数据库查询语句删除那些不符合要求的文章,删除重复的文章。

10、加密

放入程序之前,可以使用数据库加密工具进行简单加密。

主要方法:

文本正则式处理。

编写简单程序,进行字符串处理。

Sql语句删除重复。

 

处理原则

基于所处理的文章都非常小,对段落和句子的区别要求很松,所以既可以一句一段,也可以只使用一个段落。这一点在处理的可以节省很多时间。

同时这些程序只是整理而不是创作,并且资料量很大,所以没有必要对每个文章进行审核,觉得不合适的部分可以进行抛弃,没必要编辑和润饰,毕竟不是编辑人员。

App共享:

有兴趣可以直接问我要。

微云

 

格言卡片

​​https://share.weiyun.com/58k0SSr​​

 

笑话大全

​​https://share.weiyun.com/5eZlO1r​​

 

阿凡提故事

​​https://share.weiyun.com/5dCta3O​​

 

百度网盘

 

阿凡提故事

​​https://pan.baidu.com/s/1duH0pmOY-zaCmdImRAN8YA​​

 

格言卡片

​​https://pan.baidu.com/s/1yFNl5Sx0SBoWzMnkS17JSw​​

 

笑话大全

​​https://pan.baidu.com/s/1zy3QHNxGgZ2aZwdTRrhubA​​

 

 

 

 

举报

相关推荐

0 条评论