原书出处
社交网站的数据挖掘与分析(原书第2版)
繁琐。文本显然已经在网页中了,但还有许多
样板(boilerplate)的内容,比如导航栏、头、脚注、广告等其他你不关心的内容。因此,并不是去掉HTML标签再处理剩下的文本就行了,因为去掉HTML标签不会对去掉那些样板有什么作用。有些时候,网页中会有更多的样板给你造成干扰。 好消息是,近年来帮你识别感兴趣内容的工具越来越成熟,并且对你想要进行文本挖掘的材料进行隔离的方法也有了很多出色的可供选择。另外
,相对普遍的订阅,比如RSS和Atom,
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part0082.html
EPUB SHA-256:06582ecdf071724c9e218bc2698d2fff4e82a992d672b287e4c2e6092c924bcf