querylist采集微信公眾號文章內容提取在做字符串處理之前

　　querylist采集微信公眾號文章內容提取在做字符串處理之前，需要先使用lucene庫提取文章內容，首先你需要學(xué)會(huì )使用lucene。下面分享一個(gè)lucene解析微信公眾號文章的代碼。#加載數據wx.loadassocialize('.weixin')#按頁(yè)讀取微信公眾號數據wx.loaditemissions('.weixin')#總共有5頁(yè)wx.loadpages('.weixin')#總共10頁(yè)wx.loadcurrentpages('.weixin')#總共10頁(yè)wx.getdatabase('.weixin')#按頁(yè)讀取微信公眾號內容wx.setdatabase('.weixin')#微信公眾號內容數據lucene讀取我們已經(jīng)準備好的數據，并且讀取weixin的數據到excel文件中。

　　這里我用到了excel數據導入工具，最常用的有excelxl,在介紹如何使用工具之前，先簡(jiǎn)單了解一下工具：excelxl導入數據導入數據最容易出現的錯誤之一，就是使用nullpointerexception，這個(gè)excel中會(huì )有默認的過(guò)濾格式，使用戶(hù)利用這個(gè)默認格式?jīng)]有辦法進(jìn)行讀取等操作。這時(shí)候可以使用xlwings轉換數據格式為windowsdow格式的markdown文件excelxl:xlwings:advancedxmldocumentformattowindowsapplications,andthedefault.#準備環(huán)境tomcat:9.0#es選擇在windows下面，在python中安裝對應版本的es到本地（python2.7）tomcat：windows10#es最好windows下面安裝。

　　使用exists后可以找到原數據xlsxxtest.xlsxexcelxl#讀取nullword部分的excelxlxlsxxprint'typetest.xlsx.'console.log('typetest.xlsx.')print'typetest.excelxl.'outputtest.xlsx.test.xlsx.txtxlsxtomcat運行輸出結果如下圖：要把tomcat讀取的excelxl文件轉化為workbook格式（xlsxx，然后save使用），需要執行以下命令：wx.startactivity()wx.startactivity()pages=wx.getparams('.weixin')ifwx.isdir(pages):pages=wx.getparams('.weixin')ifwx.isdir(pages):pages=wx.getparams('.weixin')wx.close()整個(gè)流程如下圖：最后，我們先返回微信公眾號文章的數據，并解析它然后導入excelxl文件即可得到數據最后還有一種方法，就是直接把excelxl導入linux中（linux下，xlwings可以直接生成windowsuserdata）。