问题标签 [extraction]

我只是想问问你对这件事的看法。出于某种重要原因，我必须提取/获取在 C 源文件的“main()”函数中调用的函数的所有函数名称（例如：main.c）。

示例源代码：

如您所知，我唯一可以用作标记/符号来识别这些函数调用的是括号“（）”。在实现这个函数名提取时，我已经考虑了几个因素。它们是：
1. 函数可能有参数。例如：functionA(100)
2. 循环运算符。例如：while() 3. 其他运算符。例如：if(), else if() 4. 函数调用之间没有空格的其他运算符。例如：函数A()+函数B()

此刻我知道你在说什么，这是$$$$的痛苦......所以请分享你的想法和想法......并在这个问题上容忍我......

注意：这是在 C++ 语言中...

我想从用户提供的文本语句中提取相关词。例如。对于“矩形有几条边？”这个问题。单词应该是“矩形”、“边”、“许多”、“如何”。

我们发现我的目标是建立一个 NLP 问答系统。但是现在我只想从问题中提取所需的关键字，问题的范围不是很大。

我遇到过各种数据挖掘工具，但不太确定它们是否真的对此有用。它们似乎有点太高级或不完全相关。

请让我知道是否有任何适合要求的工具，或者我应该继续尝试自己编码。

请提供您认为可能有帮助的任何类型的指针。

我想知道是否有一种自动方法来提取大型 C++ 库的一小部分。

假设我在某个项目中只需要 boost::rational 。然而，整个提升 1.42 占用了 279 MiB！

为了让我的项目“自成一体”（一些学校作业的 fx），我希望能够将 boost::rational 与我自己的源一起包括在内。（想法是，我的老师不必为了编译而提前安装 1000 个库）

我知道这违反了良好的做法，因为实际上安装了整个 boost 会更好——但这个论点仍然适用于其他（鲜为人知的）大型库。

我想这个提取可以通过遍历根#include的#include依赖树来轻松完成（如boost/rational.hpp）；但是有这样的工具吗？它叫什么名字？

我将开始我的文章提取工作。

我将要做的任务是提取发布在不同网页上的酒店评论（例如1. http://www.tripadvisor.ca/Hotel_Review-g32643-d1097955-Reviews-San_Mateo_County_Memorial_Park_Campground-Loma_Mar_California.html，2 . http://www.travelpod.com/hotel/Comfort_Suites_Sfo_Airport-San_Mateo.html )

我需要在 Java 中完成这项任务，而在过去的几个月里，我只是在使用 Java。

这是我关于这些的问题。

1. 是否有可能以通用方式从不同的网页中单独提取评论。

2. 请让我知道是否有任何 API 支持 Java 中的任务。

3. 另外，请告诉我您的想法/来源，这将更有利于我完成上述任务。

更新

如果网上有任何相关示例，请发布相同的示例，因为这可能很有用。

有人用过维基百科数据提取吗？我需要用它来工作。

您能否提供其他用于提取网页信息的工具？

谢谢！

我正在尝试使用正确的模式实例化一个正则表达式，以便只获取字符串的正确值。我的文本文件有：

我想得到正确的值如下：

什么是正确的正则表达式模式？

这是我到目前为止所拥有的

但这也带来了不需要的字符串“评论 ID”

可以不使用组标记<comment_id>吗？

我对 Python 还很陌生，所以如果我遗漏了一些明显的东西，请原谅我。

我一直在使用Topia TermExtract包，我编写的代码在我的本地机器（Mac OS 10.6.5；Python 2.6）上运行良好。但是，当我将包含包文件的整个目录复制到我的 GoDaddy 主机时，我收到此错误：

我不确定我需要做什么才能完成这项工作。这是我写的脚本：

谢谢！

我在 DOS 批处理文件中有以下值（例如...）：

我需要从每个值中提取姓氏值（“Jones”、“Smith”、“Wilson”）。我可以使用哪一种技术来始终给我这些子字符串值？

这个 PHP 函数工作得很好：

在

但是如果我在这种情况下使用相同的 php 函数：

该preg_match函数不给出任何结果。我究竟做错了什么？

我有将近 100 个网站会在某种情况下更新，我有一个 winzip 存档，其中包含替换这些网站的文件。我想知道

1. 我可以将这些文件提取到一个文件夹中，然后将它们复制到所有 100 个网站文件夹中
2. 我可以将存档直接提取到 100 个网站文件夹

哪个性能更好，更不容易出错。