【毕设】日志-2009.04.29-30

-------------------
[日志] 2009.04.30

　　中午来到实验室，主要还是解决正则表达式的问题。text标签的内容是词条正文描述，里面除了有实体的链接外，还有一些无关链接，如类别链接[[Category:Iyobokamana]]，语言链接[[yo:Europe]]，文件链接[[Image:Europe_satellite_globe.jpgthumbright300pxUburayi]]等，在存进ent_text之前，最好将这些内容删去。目前用StringBuffer来避免逐行解析时漏掉某些链接的问题，或许会牺牲效率。

　　在匹配正则表达式时，采用的Matcher.appendReplacement(StringBuffer, String)方法似乎存在问题，输出的时候多打了一遍。后来仔细核对文档，发现必须用两个StringBuffer才行。基本关系抽取的代码到此也差不多了，只是没有用英文维基XML测试。原本这种处理是比较复杂的，但修改数据库后变得简单一些：把删除了无关链接的正文文存进entity表的ent_text项；同时通过ent_id和ent_title来更新relationent表的re_from、re_sortkey，将正文中的其他实体名存进re_to项。暂时通过实体名，而不是编号来查询数据信息，回避当前实体表不全的缺点。



遇到的问题：

　　服务器的MySQL服务仍然无法启用。

下一步计划：

　　劳动节继续劳动 ... 写高级接口功能。


-------------------
[日志] 2009.04.29

　　中午来到实验室，发现服务器的MySQL服务无法启用。昨天是可以用的，但是大三学弟昨晚调试PHP的时候重启了服务器，之后就无法启用了。花了两个小时，没有解决这个问题。几天前曾为了连接服务器修改过一些文件夹的权限，可能改乱了。下午与学弟一起，把服务器搬回了机房，用PuTTY测试连接，暂时没有问题。

　　晚上与同学讨论了一些毕设的进展问题。把UDMGrid-DOC0-数据库设计说明-20090429-0-jyb.doc上传到了FTP的设计文档目录中。

遇到的问题：

　　修改关系抽取代码时，正则表达式抽取到的信息并不准确，原因可能与SAX的抽取方式有关。SAX是逐行解析，会将段落中的每行割裂开，这样会漏掉一些实体的链接。本想用StringBuffer来解决，但是效果不好。

下一步计划：

　　尽快解决问题，然后写接口高级功能。