- 综合排序
- 最热优先
- 最新优先
- 来自专栏前端词典
【前端词典】4 个实用有趣的 JS 特性
4 个有趣的 JS 特性 利用 a 标签解析 URL 有的时候我们需要从一个 URL 中提取域名，查询关键字，变量参数值等，一般我们会自己去解析 URL 来获取这些内容。 ele.getBoundingClientRect().top; self.titleFixed = offsetTop < 0; }, 50)); }}, 希望这 4
70450发布于 2019-07-10 - 来自专栏前端词典
【前端词典】4 种滚动吸顶实现方式的比较
后来在项目中总会遇到滚动吸顶的效果需要实现，现在我将我知道的 4 种滚动吸顶实现方式做详细介绍。 使用条件： 父元素不能 overflow:hidden 或者 overflow:auto 属性 必须指定 top、bottom、left、right 4 个值之一，否则只会处于相对定位 父元素的高度不能低于
3.1K60发布于 2019-06-01 - 来自专栏前端词典
【前端词典】4 （+1）种滚动吸顶实现方式的比较
后来在项目中总会遇到滚动吸顶的效果需要实现，现在我将我知道的 4 种滚动吸顶实现方式做详细介绍。 使用条件： 父元素不能 overflow:hidden 或者 overflow:auto 属性 必须指定 top、bottom、left、right 4 个值之一，否则只会处于相对定位 父元素的高度不能低于 性能优化篇（新增） 到此 4 中滚动吸顶的方式介绍完了，可是这样就真的结束了吗？其实还是有优化的空间的。
2.6K30发布于 2019-06-01 - 来自专栏全栈程序员必看
情感词典是什么_中文情感分析词典
【实例简介】 1.褒义词及其近义词；2.否定词典；3.情感词汇本体；4.清华大学中文褒贬词典；5.台湾大学NTUSD情感词典；6.知网情感词典；7.汉语情感极值表；8.情感词典及其分类。 【实例截图】 【核心代码】 SentimentAnalysisDic `– SentimentAnalysisDic |– 知网Hownet情感词典 | |– 主张词语(中文).txt | |– 主张词语 程度级别词语(英文).txt | |– 负面情感词语(中文).txt | |– 负面情感词语(英文).txt | |– 负面评价词语(中文).txt | `– 负面评价词语(英文).txt |– 否定词典 | `– 否定.txt |– 台湾大学NTUSD简体中文情感词典 | |– NTUSD_negative_simplified.txt | |– NTUSD_positive_simplified.txt | `– 情感词典及其分类.xls |– 汉语情感词极值表 | `– 汉语情感词极值表.txt |– 褒贬词及其近义词 | `– 褒贬词及其近义词.xls `– 清华大学李军中文褒贬义词典 |– tsinghua.negative.gb.txt
1.6K30编辑于 2022-09-23 - 来自专栏HHTjim'S 部落格
Mdict词典文件
Mdict词典文件 作者：matrix 被围观: 2,640 次 发布时间：2013-01-26 分类：兼容并蓄 | 一条评论 » 这是一个创建于 3504 天前的主题，其中的信息可能已经有所发展或是发生改变 网上收罗来的MDX词典文件。 常用中文词典：http://dl.vmall.com/c0969vmpa2 几个英汉词典：http://dl.vmall.com/c0l1rztt8c 15万词的美式发音库,共376M大小,分4个压缩包 dl.vmall.com/c0ldqi9w2x 压缩包2:http://dl.vmall.com/c0ve8jdkyo 压缩包3:http://dl.vmall.com/c0ff8eitua 压缩包4: FileID=232113 掌上百科N多 词典:http://pdawiki.5d6d.net/bbs.php
1.2K20编辑于 2022-09-26 - 来自专栏前端词典
【前端词典】继承
function staff(){ this.test = [1,2,3,4];}function employee(name,profession){ this.employeeName = name let instanceTwo = new employee();instanceOne.test.push(5);console.log(instanceTwo.test); // [1, 2, 3, 4, employee('Andy','front-end');let instanceTwo = new employee('Mick','after-end');instanceOne.test.push(4) employee('Andy','front-end');let instanceTwo = new employee('Mick','after-end');instanceOne.test.push(4) } let instanceOne = object(employee);let instanceTwo = object(employee);// 测试 instanceOne.test.push(4)
94870发布于 2019-06-01 - 来自专栏Vamei实验室
Python进阶01 词典
我们要介绍一个新的类，词典 (dictionary)。与列表相似，词典也可以储存多个元素。这种储存多个元素的对象称为容器(container)。 基本概念 常见的创建词典的方法: >>>dic = {'tom':11, 'sam':57,'lily':100} >>>print type(dic) 词典和表类似的地方，是包含有多个元素，每个元素以逗号分隔 比如上面的例子中，‘tom’对应11，'sam对应57，'lily'对应100 与表不同的是，词典的元素没有顺序。你不能通过下标引用元素。词典是通过键来引用。 >>>print dic['tom'] >>>dic['tom'] = 30 >>>print dic 构建一个新的空的词典： >>>dic = {} >>>print dic 在词典中增添一个新元素的方法 与表类似，你可以用len()查询词典中的元素总数。 >>>print(len(dic)) 总结 词典的每个元素是键值对。元素没有顺序。
1.2K80发布于 2018-01-18 - 来自专栏全栈程序员必看
SenticNet情感词典介绍
在进行情感分析时，一个好的情感词典能够让我们的工作事半功倍，较为出名的情感词典有SentiWordNet，General Inquirer等，这篇博客将介绍另外一个出色情感词典，SenticNet。 下载使用 SenticNet提供了各种类型、任务、语言的词典，都可以从该页面下载。 最新的SenticNet5包含100,000个自然语言概念，可以通过以下三种途径获取。
4.7K50编辑于 2022-09-23 - 来自专栏Mac软件
Eudic欧路词典 for Mac(英语词典翻译查询工具)
Eudic欧路词典 mac版是一款英语词典翻译查询工具，可以通过软件进行深度的英文学习，单词模糊搜索、拼写校正、单词发音朗读、鼠标取词、划词翻译等。 id=MjU2NjEmXyYyNy4xODYuMTI0LjQ%3D功能介绍50万条常用例句库，不需联网也能搜索例句文章短句翻译功能支持繁体中文输入，支持解释以繁体中文显示独创LightPeek划词搜索功能
92910编辑于 2022-08-08 - 来自专栏软件测试经验与教训
爬一爬有道词典~
研究有道词典的反爬虫机制 1、打开有道词典 http://fanyi.youdao.com/，按下F12，输入要翻译的内容进行翻译，观察network。 ? 4、找出post 发送的给服务端的数据（Headers标签下的 Form Data），并进行分析 i:我爱你 #需要翻译的内容from:AUTO #应该为自动翻译，自动检测语言并翻译 to:AUTO 有一个要注意的地方，请求中获取的url 需要去除 “_o” ，否则运行会提示）： 1 import urllib.request 2 import urllib.parse 3 import time 4 # python 中的时间戳是 10位加小数点，可以乘以 1000 取整14 f = str(int(time.time()*1000))15 16 c = "rY0D^0'nM0}g5Mm1z%1G4"17
1.6K80发布于 2018-05-15 - 来自专栏技术向
词典中最长的单词
leetcode题号：720 给出一个字符串数组words组成的一本英语词典。从中找出最长的一个单词，该单词是由words词典中其他单词逐步添加一个字母组成。 words = ["a", "banana", "app", "appl", "ap", "apply", "apple"] 输出: "apple" 解释: "apply"和"apple"都能由词典中的单词组成
1.5K10发布于 2020-07-14 - 来自专栏WordPress果酱
词典机器人dictman
这给了因为各种原因不能安装词典软件的用户又一个选择。
50840编辑于 2023-04-15 - 来自专栏爬虫逆向案例
NLTK-003：词典资源
词典或者词典资源的意思是一个 词或短语 以及一些相关信息的集合。例如：词性和词意定义等相关信息。词典资源附属于文本，通常在文本的帮助下创建和丰富。 fileid, name[-1]) for fileid in names.fileids() for name in names.words(fileid)) cfd.plot() 发音的词典 属于表格词典 ，NLTK中包括美国CMU发音词典，它是为语音合成器使用而设计的。 entries = nltk.corpus.cmudict.entries() for entr in entries: print(entr) 输出结果： 对任意一个词，词典资源都有语音的代码
80130发布于 2021-11-22 - 来自专栏python3
python爬取有道词典
一、网页分析 打开Google浏览器，找的有道词典的翻译网页（http://fanyi.youdao.com/） 打开后摁F12打开开发者模式，找Network选项卡，点击Network选项卡，然后刷新一下网页
2.4K20发布于 2020-12-14 - 来自专栏WordPress果酱
有道词典推出 MAC 版本
在布局 iPhone 版本之后，有道词典也推出 Mac 版了，看来有道词典也会很快成一个跨平台的工具。 有道词典 MAC 版主要功能有： 海量免费“云词库” 无限容量词库，实时收录最新词汇，翻译永不过时单词输入智能索引,只需输入字母就能看到推荐单词，仅仅1.6M，很小很强大。
98020编辑于 2023-04-14 - 来自专栏江涛的博客
软件推荐(Glodendict) -- 本地词典
阅读完本篇，我期望你能够在没有网络的情况下，又想在电脑上查看单词啥意思的时候，可以看看阿涛啦同学写的这篇文章 今天是软件专场的倒数第86场，跟大家分享的是电脑离线词典工具软件--Glodendict。 安装完以后打开你会看到如下界面，其中1是你电脑上已经导入的词典的离线字典文件，可以看到有牛津词典、维基百科，其他的我记不住，你们后期自己感受吧。 2就是最开始的介绍，3是如果你查的单词在词典中命中，那么会显示在这里供你选择，其他的你应该看的懂的。 ? 我们尝试下输入“SuerStar",可以看到它能够查出这个单词的，中文意思并给你例子介绍，然后能够查近义词反义词等等，还有它还可以发音，功能还有很大，其他的同学们自己去体会吧，词典的选择也多的。 至此，关于本地词典的介绍就到这里了，这个也有手机版本，如有需要可访问楼下链接。 官网地址： http://goldendict.org/
1.7K20发布于 2020-06-19 - 来自专栏Lan小站
JS解密之有道词典
642873656.3243192; OUTFOX_SEARCH_USER_ID="-1816126791@10.108.160.19"; _ga=GA1.2.434622419.1578909502; _ntes_nnid=f4c96d313794593a0bb9a311af471452,1583376095745
3.8K20编辑于 2024-01-16 - 来自专栏猿人谷
词典对象 NSDictionary与NSMutableDictionary
词典的关键字为NSDictionary与NSMutableDictionary。对OC稍有认识的朋友应该从关键字的结构就可以看出这两个的区别。很明显前者为不可变词典，后者为可变词典。 1.创建不可变词典 [NSDictionary dictionaryWithObjectsAndKeys:..] : 使用键值对儿直接创建词典对象，结尾必需使用nil标志结束。 :使用键值对儿初始化词典对象，结尾必需使用nil标志结束。 [dictionary count]: 得到词典的长度单位。 如果词典中存在这个KEY的数据则直接替换这个KEY的值。 [dictionary removeAllObjects..] : 删除掉词典中的所有数据。 :删除掉词典中指定KEY的数据。
1.6K70发布于 2018-01-17 - 来自专栏文章部
UDP英译汉网络词典
这里我们用UDP实现一个简单的英译汉小词典。我们还是仿照前一篇的UDP编程，将各自的组件封装起来，实现高内聚低耦合。 一. 字典翻译功能实现 首先我们将我们的字典知识库放在txt文本中。
35810编辑于 2024-09-09 - 来自专栏AI机器学习与深度学习算法
基于词典规则的中文分词
本文主要介绍基于词典规则的中文分词。 基于词典规则的中文分词简单来说就是将中文文本按照顺序切分成连续词序，然后根据规则以及连续词序是否在给定的词典中来决定连续词序是否为最终的分词结果。 a 加载HanLP词典 为了方便使用HanLP附带的迷你核心词典。 比如现在词典中的最长单词中包含5个汉字，那么最长匹配的起始汉字个数就为5，如果与词典匹配不成功就减少一个汉字继续与词典进行匹配，循环往复，直至与词典匹配且满足规则或者剩下一个汉字。 ? 第二轮 去除"就读"之后，依然正向选择5个汉字，不过由于我们分词文本比较短，不足5个汉字，所以直接对剩下的4个汉字进行匹配。" 第二轮 去除"起源"之后，依然反向选择5个汉字，不过由于我们分词句子比较短，不足5个汉字，所以直接对剩下的4个汉字进行匹配。"研究生命"，词典中没有对应的单词，匹配失败； 减少一个汉字。"
2.5K31发布于 2020-05-13
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号