一.概述 word2vec用于处理文本字符串，类似的功能如sklearn的CountVectorizer,TfidfVectorizer,HashingVectorizer CountVectorizer用每个词出现的次数做为向量的值，如特征空间内宫n个词，特征向量i中如果第j个word出现了n次则 ...
分类：
其他好文 时间：
2020-02-14 10:43:23
阅读次数：
73
文本处理基本指令 示例1（新建sort.txt文件） banana 12 apple 1 orange 8 键入如下指令 sort sort.txt sort -t' ' -k2 sort.txt sort -t' ' -k2 -n sort.txt sed指令 awk指令 awk 指令实例（新建a ...
分类：
系统相关 时间：
2020-02-10 00:18:37
阅读次数：
95
字符流 当使用字节流读取文本文件时，可能会有一个小问题。就是遇到中文字符时，可能不会显示完整的字符，那是因为一个中文字符可能占用多个字节存储（如："学生"两个字占用了四个字节）。所以Java提供一些字符流类，以字符为单位读写数据专门用于处理文本文件。 字符输入流 —— Reader java.io. ...
分类：
编程语言 时间：
2020-02-06 10:42:33
阅读次数：
68
文章导读 正则表达式的本质是使用一系列特殊字符模式，来表示某一类字符串。正则表达式无疑是处理文本最有力的工具，而.NET提供的Regex类实现了验证正则表达式的方法。Regex 类表示不可变（只读）的正则表达式。它还包含各种静态方法，允许在不显式创建其他类的实例的情况下使用其他正则表达式类。 基础梳 ...
字符串还有一个编码问题。 因为计算机只能处理数字，如果要处理文本，就必须先把文本转换为数字才能处理。最早的计算机在设计时采用8个比特（bit）作为一个字节（byte），所以，一个字节能表示的最大的整数就是255（二进制11111111=十进制255），0 - 255被用来表示大小写英文字母、数字和一 ...
分类：
其他好文 时间：
2020-02-04 23:32:43
阅读次数：
68
pandas模块 pandas官方文档：https://pandas.pydata.org/pandas docs/stable/?v=20190307135750 pandas基于Numpy，可以看成是处理文本或者表格数据。pandas中有两个主要的数据结构，其中Series数据结构类似于Nump ...
分类：
其他好文 时间：
2020-02-01 10:25:10
阅读次数：
65
awk 简介 awk是一种编程语言，主要用于在linux/unix下对文本和数据进行处理，是linux/unix下的一个工具。数据可以来自标准输入、一个或多个文件，或其它命令的输出。 awk的处理文本和数据的方式：逐行扫描文件，默认从第一行到最后一行，寻找匹配的特定模式的行，并在这些行上进行你想要的 ...
分类：
其他好文 时间：
2020-01-27 23:46:21
阅读次数：
62
Linux命令－－ 四剑客 一：Linux命令 之 AWK 符号：＾ 开头 $ 结尾 awk 是一种处理文本的语言，一个强大的文本分析命令！ １：提取文件中的每行的第二个 提取前文本中内容为 命令：cat 1.txt | awk '{print($2)}' 在 AWK 命令中，它将文本每列的部分当做 ...
分类：
系统相关 时间：
2020-01-26 00:51:10
阅读次数：
118
字符集：是一堆字符组成的集合，用来指定字节或者字符串映射成二进制的规则 （在计算机中存储的，无论是字节还是字符串都是以二进制模式存储的。） 1 Unicode编码的由来 因为计算机只能处理数字，如果要处理文本，就必须先把文本转换为数字才能处理。最早的计算机在设计时采用8个比特（bit）作为一个字节（ ...
分类：
其他好文 时间：
2020-01-17 11:41:23
阅读次数：
60
前提 AWK是一种处理文本文件的语言，是一个强大的文本分析工具。 本文将使用命令awk将具有某个关键字的段落提取出来。 准备数据 段落提取 假设我们需要的关键字为 nid=0x63ef ...
分类：
其他好文 时间：
2020-01-13 00:49:16
阅读次数：
371
