1、锁定某个主题抓取； 2、能够产生日志文本文件，格式为：时间戳(timestamp)、URL； 3、抓取某一URL时最多允许建立2个连接（注意：本地作网页解析的线程数则不限） 4、遵守文明蜘蛛规则：必须分析robots.txt文件和meta tag有无限制；一个线程抓完一个网页后要sleep 2秒钟； 5、能对HTML网页进行解析，提取出链接URL，能判别提取的URL是否已处理过，不重复解析已crawl过的网页； 6、能够对spider/crawler程序的一些基本参数进行

从eco文本里提取几条相关信息，然后保存到output文本文件中-To extract text from a few eco-related information, and then save the output text file

基于隐马尔科夫模型的文本信息提取，压缩包中带有源码和相关资料-Hidden Markov Model based text information extraction, compressed packets with source code and related information

IDF反映了在文档集合中一个单词对一个文档的重要性，经常在文本数据挖据与信息提取中用来作为权重因子。在一份给定的文件里，词频(termfrequency-TF)指的是某一个给定的词语在该文件中出现的频率。逆向文件频率（inversedocument frequency，IDF）是一个词语普遍重要性的度量。-IDF reflects the importance of a word in a document collection for a document, often in the text