employmentse:csci 572项目

就业SE 概述 EmploymentSE 计划由 4 个主要部分组成： 解析器 包：org.employmentse.parser 类：TSVParser 说明：该类继承自 AbstractParser (tika)，实现了 getSupportedTypes 和 parse 的方法。 基本上，它需要一个 TSV 文件并将文档解析为 XHTML 结构。 JSONTableContentHandler 包：org.employmentse.content.handler 类：JSONTableContentHandler 说明：该类从 SafeContentHandler 扩展并实现了字符、startElement 和 endElement 方法。 在使用 tika 解析器创建 XHTML 期间，它根据表中的行生成单个 json 文件的输出。 可以启用或禁用重复数据删除技术。