DocumentAnalysis Wikipedia document analysis using Hadoop Map的每个输入是XML文档的 标签到 标签。其中key没有意义，value就是这两个标签（包括标签本身）的值，可以通过 .toString() 方法转化为字符串进行下一步处理 src/documentParser TextParser.java 正则表达式处理String，能够去除大部分标点符号，需要补全 XMLHandler.java SAX流形式处理XML格式的字符串

易读 自定义 JS/CSS 使维基百科页面更易于阅读。 如果您有注册的 Wikipedia 帐户，则可以通过将其复制到您的自定义 JS/CSS 文件来使用它。 请注意，这仅适用于默认的 Vector 皮肤——它需要对任何其他皮肤进行认真的调整。 ＃＃安装 将 JS 文件的内容复制到您的。 将 CSS 文件的内容复制到您的 。 。

一个简单的 Python 维基百科爬虫。 运行： celery worker -A crawler.tasks --loglevel=info -Q fetch_queue -n 'fetcher' celery worker -A crawler.tasks --loglevel=info -Q parse_queue -n 'parser' 用于监控：celery -A crawler.tasks 花 --broker=amqp://guest:guest@localhost:5672// --broker_api=http://guest:guest@localhost:15672/api/ rabbitmq-plugins 启用 rabbitmq_management 花： RabbitMQ： 为什么只有维基百科 => 几乎可以保证健全的 HTML

I2C维基百科.pdf

SPI维基百科.pdf

装起来有点儿复杂

定义什么是1型糖尿病以及病因、诊断、预防、治疗和管理等内容。

定义什么是2型糖尿病以及相关病因、诊断、筛查、预防和管理等内容。

核糖定义及其分子结构

定义核糖核酸（RNA），以及其分子结构，组成、合成与修饰、分类等内容。