中文处理 – 第2页 – 朝复暮

2012 年 07 月 29 日2016 年 02 月 27 日 -- 点击：2,383次

Unicode 和 ISO 10646

ISO 和 Unicode 组织在大约80年代末，各自独立的推出了各语言的全球统一编码标准，但是在推出不久，他 …

继续阅读“Unicode 和 ISO 10646”

2012 年 07 月 29 日2016 年 02 月 27 日 -- 点击：2,144次

php 支持的编码格式

mb_list_encodings()的输出，我的php版本是 PHP 5.3.2-1 Array ( [0] …

继续阅读“php 支持的编码格式”

2012 年 07 月 29 日2016 年 02 月 27 日 -- 点击：3,817次

GB2312/GBK/GB18030 和汉字的Unicode编码

GB2312-1980 是中国1981年公布的，包含7,445个字符，其中6,763个汉字和682个非汉字字符 …

继续阅读“GB2312/GBK/GB18030 和汉字的Unicode编码”

2012 年 07 月 28 日2016 年 02 月 25 日 -- 点击：1,866次

处理中文的脚本

在处理中文的过程中，中文编码是一件很头疼的事情，经常会出现这样那样的问题。这里有一个通用的解决方案。 1. 确 …

继续阅读“处理中文的脚本”

2012 年 07 月 27 日2016 年 02 月 27 日 -- 点击：1,774次

关于网络文章的收集

一直想收集一些网络上的小说文章，可以让自己很方便的查询。或者另外一个很有说服力的理由就是，有这些东西，可以以自 …

继续阅读“关于网络文章的收集”

2012 年 04 月 20 日2016 年 02 月 27 日 -- 点击：1,664次

中文分词项目(python)

http://code.google.com/p/pymmseg/ 有download , 有字典，可运行 …

继续阅读“中文分词项目(python)”