微博内容提取学案.docVIP

微博内容提取 摘要 随着近年来微博等社交软件的使用人数日益增多，微博的隐私发展也成为人们日益关注的问题，然而由于微博没有固定的格式约束使得在微博的研究过程中有一些无意义的“噪音”的干扰，本文主要是为了完成微博的“噪音”过滤问题，实现一个小软件，来将新浪微博等微博中下载到本地的微博来进行过滤，去除其中的噪音，提取出纯净的页面内容，主要工作包括以下几个方面 ： （1）字符串的查找函数与分割函数的实现。 （2）多个文件的查找的函数的实现。 （3）固定字符串的即表情“噪音”的过滤实现。 （4）具有一定正则文法的“噪音”的过滤实现。 关键字：中文微博，微博，过滤，噪音，正则  Microblogging content extraction Author: Liudi Tutor: Yangkexin Abstract With recent years the number of micro-blog using social software is increasing, the development of micro-blog privacy has become a growing concern, However, due to the micro blog there is no fixed format constraint makes the interference of some meaningless noise in the research process of micro blog. the purpose of this paper is to complete the noise micro-blog filtering problem, the realization of a small software, to be used for filtering the download to the Sina micro-blog micro-blog etc., remove the noise, extract the page content is pure, the main work includes the following aspects: (1) the search function and the function of the string segmentation. (2) the implementation of the search function for multiple files (3) the filter of the expression noise of the fixed string. (4) the filter of a certain regular grammar noise of the fixed string. Keywords: Chinese micro-blog，micro-blog， filtering ，noise ，regular目 录 目 录 1 1章　绪论 1 1.1 研究背景 1 1.2 国内外研究现状 2 第2章 需求分析 3 第3章 支持平台与开发平台的选择 4 3.1 平台环境 4 3.2 开发工具的选择 4 第4章 系统的总体功能分析与结构图 5 4.1 系统功能分析 5 4.1.1过滤微博功能 5 4.1.2读取微博功能 5 4.1.3删除微博功能 5 4.1.4处理所有功能 5 4.1.5退出功能 6 4.2 系统的功能特点 6 4.3 系统功能结构图 7 第5章 数据结构的设计与主要全局变量介绍 8 第6章 系统的详细设计 9 6.1 主界面模块 9 6.1.1主界面 9 6.1.2主界面模块流程图 10 6.2 文件选择模块 11 6.2.1文件选择界面： 11 6.2.2流程图 12 6.2.3主要程序代码 13 6.3 微博过滤模块 14 6.3.1微博过滤模块界面： 14 6.3.2 流程图： 15 6.3.3、主要代码 17 6.4 批量处理模块 19 6.4.1流程图： 19 6.4.2、主要代码 20 6.5 删除模块： 20 6.5.1删除模块 20 6.5.2删除模块流程图 21 第7章 系统测试与维护 22 7.1 系统测试 22 7.2 系统维护 22 第8章 结 论 23 致 谢 24 参考文献 25 第1章　绪论 1.1 研究背景 微博（Mirco Blog），是用户关系的获取，信息共享，信息传播的平台，用户可以通过多种形式（网页,APP，移动网页，轻应用，第三方客户端等）登录微博，随时随地发布