新闻类,程序自动从其他网站获取正文,然后保存成html文件,如何获取正文中的关键字信息,把静态页面里的keyword和Description内容替换掉

解决方案 »

  1.   

    想要得到可以替换掉keyword内容的数据,必须从数据库中提取关键字,
    数据的保存格式类似于论坛的分区和帖子之间的父子关系。但,问题是关键字如何生成。我觉得生成关键字方式主要分为以下两种:
    1.手动提交
      也就是在提交新闻的时候,有一个关键字的栏,人工输入需要的关键字。
    2.自动提交提交新闻的时候根据内容生成
      从一篇文章中提取关键字是一项很繁琐的运算,通常叫做分词,也是搜索引擎的关键技术之一。
      想要做到即使提取是不太可能的。可以分为以下两种:
      2.1 提交新闻时自动输入
          提交新闻的时候,可以用JavaScript从内容中提取关键字,当然,如果内容较长,提取的时间也会变长。
          不过,提交内容的时间稍微长一点,通常不会影响到UI的操作质量,而且,具体想要分析到哪一步,可以根据情况而定。
      2.2 后台程序自动生成
          简而言之,就是用一个后台程序,分析新闻内容,然后自动生成关键字信息,保存到数据库中。DZ论坛关键字的提取,就是方法1和2.1的结合。
    lz可以根据自己的需求选择适合自己的方法。