我现在在做网页特征码的提取，步骤是这样的：“网页在导航信息中较少的出现标点符号，尤其是句号几乎不会出现，另外导航信息多出现在 HTML 语言中的超链接标记中。因此，我们在提取特征码时可以尽量把导航信息等干扰信息去处掉，再把句号作为一个提取的位置，分别在句号两边提取L/2长的词串构成网页的一个特征码。之所以要在句号的两边分别取L/2长的词串，是因为在L/2-1和L/2处的字很难构成一个词，因此更能保证特征码的唯一性。下面是几个特征码的例子：“百七十二人其中很多是”，“的社会效果但是大陆报”，“率几十倍这表明法律”。”
请问怎么实现这个特征码的提取，也就是怎么将句号两端共10个字提取出来（假定L＝10），如果两边不足5个字，就用某个符号代替？
请问怎么实现这个特征码的提取，也就是怎么将句号两端共10个字提取出来（假定L＝10），如果两边不足5个字，就用某个符号代替？
解决方案 »
免费领取超大流量手机卡，每月29元包185G流量+100分钟通话, 中国电信官方发货