问题标签 [text]

我正在编写一个实用程序来按计划将印象笔记笔记导出到 Outlook 中。Outlook API 需要纯文本，Evernote 输出纯文本笔记的 XHTML 文档版本。我需要的是去掉所有标签，并取消嵌入在 Evernote 导出文件中的源 XHTML 文档。

基本上我需要转；

进入

我可以轻松地解析出 CDATA 部分并仅获取 4 行文本，但我需要一种可靠的方法来剥离 div、取消转义并处理可能潜入其中的任何额外 HTML。

我假设有一些 MS API 组合可以完成这项工作，但我不知道。

我们正在为一个相当大的项目（大约 600 个用户全天使用它 - 至少对我来说很大 ;-) 做很多大而简单的表单。

这些表格有很多问答类型的部分，因此有些人很自然地键入句子，而另一些人则键入小说。 对其中一些字段设置字符限制真的有多大好处？

（如有必要/可能，请包括参考资料或引文 - 谢谢！）

给定任意的单行字符串，我的目标是将其渲染为位图表示。但是，我无法事先找出它的尺寸，所以我只能获取字形范围的边界矩形并在画布不够大时调整画布的大小。不幸的是，如果画布对于字符串不够宽，但足够高以使文本可以换行，布局管理器会认为这是最好的。如何阻止布局管理器包装文本？

我在数据库中有很多文章（带有标题、文本），我正在寻找一种算法来找到 X 最相似的文章，比如当你提出问题时 Stack Overflow 的“相关问题”。

我尝试对此进行谷歌搜索，但仅找到有关其他“相似文本”问题的页面，例如将每篇文章与所有其他文章进行比较并将相似性存储在某处。SO 在我刚刚输入的文本上“实时”执行此操作。

如何？

我有一个 XML 文件，我想查找具有重复 CDATA 的节点。是否有任何工具可以帮助我做到这一点？

我可以使用通常用于文本文档的工具。

我正在寻找一个好的 JavaScript RegEx 来将名称转换为适当的大小写。例如：

反正你懂这个意思。

有人想出一个全面的解决方案吗？

考虑以下文件

我想将数字加载到矩阵中，并将列标题加载到一个变量中，该变量相当于：

我不介意将名称和数字拆分为两个文件，但是准备 matlab 代码文件并对其进行评估不是一种选择。

请注意，可以有任意数量的变量（列）

我有一个文本文件，其中包含多个“记录”。每条记录都包含一个名称和一组数字作为数据。

我正在尝试构建一个将读取文件的类，仅显示所有记录的名称，然后允许用户选择他/她想要的记录数据。

第一次浏览文件时，我只读取标题名称，但我可以跟踪文件中标题所在的“位置”。在用户请求后，我需要随机访问文本文件以查找每条记录的开头。

我必须这样做，因为文件太大而无法在内存（1GB+）中完全读入应用程序的其他内存需求。

我尝试使用 .NET StreamReader 类来完成此操作（它提供了非常易于使用的“ReadLine”功能，但无法捕获文件的真实位置（BaseStream 属性中的位置由于缓冲类使用）。

在 .NET 中没有简单的方法可以做到这一点吗？

假设您有一个像这样的文本文件：http: //www.gutenberg.org/files/17921/17921-8.txt

有没有人有一个好的算法或开源代码来从文本文件中提取单词？如何获取所有单词，同时避免特殊字符，并保留“it's”等内容......

我在 Java 中工作。谢谢

有时您的字符串必须适合某个像素宽度。这个函数试图有效地做到这一点。请在下面发布您的建议或重构:)

更新：@some 下面的解决方案要好得多；请使用它。

更新 2：代码现在作为要点发布；随意分叉并提交补丁:)