cnyangkui / html-extractor

Related projects: ⓘ

• xizhicode / ahocorasick-python
  AC自动机python的实现，并进行了优化。 主要修复了 查询不准确的问题。
  ☆70Updated 3 years ago
• shibing624 / pinyin-tokenizer
  pinyintokenizer, 拼音分词器，将连续的拼音切分为单字拼音列表。
  ☆26Updated 8 months ago
• xiaorancs / text-similarity
  使用不同的方法计算相似度
  ☆41Updated 5 years ago
• neverneverendup / Translator
  互联网在线翻译引擎爬虫集合，包含谷歌翻译、百度翻译、有道翻译、必应翻译等引擎。Internet online translation engine crawler collection, including Google translation, Baidu transla…
  ☆79Updated 3 years ago
• kiwirafe / xiangshi
  中文文本相似度计算器
  ☆111Updated 8 months ago
• pyunits / pyunit-time
  一个简单易用的 Python 模块，用于通过字符串来操作日期/时间。正则时间提取，字符串时间解析，字符串时间提取。中文时间提取，一句话里面提取时间
  ☆74Updated 2 months ago
• shibing624 / companynameparser
  company name parser, extract company name brand. 中文公司名称分词工具，支持公司名称中的地名，品牌名（主词），行业词，公司名后缀提取。
  ☆80Updated 2 years ago
• yiyujianghu / sinan
  中文日期/时间/数字量提取工具
  ☆62Updated 4 years ago
• qianzhengyang / AllDataPackages
  中文、分词、词表、核心词典、事件词表、停用词、敏感词、问答、问答数据、知识图谱、文本语料。
  ☆144Updated 2 years ago
• jllan / jannlp
  ☆58Updated 2 years ago
• CyberCommy / baidu-wiki-500w
  百度百科 500 万数据集
  ☆29Updated 9 months ago
• foowaa / Chinese_from_dongxiexidian
  中文预处理语料
  ☆103Updated 5 years ago
• buttered-cat / chinese_company_name_recognition
  中文命名实体识别（公司名称），Tensorflow 1.3 + Python3
  ☆38Updated 7 years ago
• RuilinXu / GovDoc-CN
  A Multi-Modal Dataset of Chinese Governmental Docunments
  ☆22Updated 3 years ago
• ryanInf / Time-NLPY
  Time-NLP的Python3版本 中文时间表达识别
  ☆85Updated 4 years ago
• liuhuanyong / ImportantEventExtractor
  An exploration for Eventline (important news Rank organized by pulic time)，针对某一事件话题下的新闻报道集合，通过使用docrank算法，对新闻报道进行重要性识别，并通过新闻报道时间挑选出时间线上重要…
  ☆210Updated 5 years ago
• striver-ing / distributed-spider
  通用新闻类网站分布式爬虫
  ☆71Updated 6 years ago
• liu-nlper / KeywordProcesser
  使用python实现了一个简单的trie树结构，可增加/查找/删除关键词，用于中文文本的关键词匹配、停用词删除等。
  ☆65Updated 4 years ago
• hanxweb / Scrapy-SearchEngines
  bing、google、baidu搜索引擎爬虫。python3.6 and scrapy
  ☆41Updated 6 years ago
• xiaopangxia / kuakua_corpus
  夸夸语料，来自豆瓣互相表扬组数据
  ☆75Updated 5 years ago
• anycodes / companyCategory
  根据企业名称对企业类型进行分类
  ☆37Updated 5 years ago
• zhangyics / Chinese-abbreviation-dataset
  This is a corpus of Chinese abbreviation, including negative full forms.
  ☆188Updated 3 years ago
• FreeFlyXiaoMa / pycorrector
  错别字纠正算法。调用pycorrector接口，使用规则。
  ☆63Updated 4 years ago
• Yogayu / weibo-summary
  微博自动摘要系统 Chinese Microblog Automatic Summary System
  ☆31Updated 5 years ago
• li-aolong / li-aolong.github.io
  李傲龍的博客
  ☆82Updated 2 months ago
• liuhuanyong / EventMonitor
  Event monitor based on online news corpus including event storyline and analysis，基于给定事件关键词，采集事件资讯，对事件进行挖掘和分析。
  ☆151Updated 5 years ago
• fighting41love / Chinese_from_dongxiexidian
  mirror of dongxiexidian/Chinese
  ☆281Updated 5 years ago
• liuhuanyong / AbstractKnowledgeGraph
  AbstractKnowledgeGraph, a systematic knowledge graph that concentrate on abstract thing including abstract entity and action. 抽象知识图谱，目前规模…
  ☆235Updated 5 years ago
• 1YCxZ / Fake-review-generation
  无监督中文仿真评论自动生成。 Unsupervised Automatic Generation of Chinese Fake Reviews.
  ☆84Updated 5 years ago
• minitrill / TextAudit
  一个短视频app文本审核模块的实现思路及demo
  ☆99Updated 6 years ago