com.rondhuit.html

クラス RecursiveFSHTMLNoiseReducer

java.lang.Object

com.rondhuit.html.RecursiveFSHTMLNoiseReducer

public final class RecursiveFSHTMLNoiseReducer
extends java.lang.Object

同類の複数のHTMLページからノイズを削除するツール HTMLNoiseReducer の簡単なコマンドラインインタフェース。 クラスパス上にプロパティファイル conf.properties を配置し、起動引数に処理対象HTMLファイルのディレクトリ（入力ディレクトリ）と、 処理後の出力ディレクトリの2つのディレクトリパスを指定する。

 $ java com.rondhuit.html.RecursiveFSHTMLNoiseReducer work out

この場合、カレントディレクトリ /a/b でこのツールを起動したとき、/a/b/work 以下に配置されるHTMLファイルが処理対象となり、 処理後のHTMLファイルは /a/b/out 以下に出力される。
conf.properties ファイルには下記および HTMLNoiseReducer で使われるプロパティを設定する。

プロパティの一覧

プロパティ名	説明	デフォルト値／必須
rcss.html.noise.reducer.encoding	処理対象のHTMLファイルの文字コード	必須
rcss.html.noise.reducer.encoding.out	ノイズ削減後のHTMLファイルの文字コード	nlp4l.html.noise.reducer.encodingと同じ値
rcss.html.noise.reducer.batch.num	バッチ処理単位HTMLファイル数	10
rcss.html.noise.reducer.batch.min	最小のバッチ処理単位HTMLファイル数。入力HTMLファイルをrcss.html.noise.reducer.batch.numの 数ずつ処理していくが、残ったHTMLファイル数がrcss.html.noise.reducer.batch.min未満とならないよう、直前のバッチ処理単位に組み込む	3
rcss.html.noise.reducer.exts	処理対象のHTMLファイルのファイル拡張子をカンマ区切りで指定する。ファイル名はString.toLowerCase()されたあと String.endsWith(String)を使ってこのプロパティで指定された文字列と比較されるため、小文字で指定する必要がある	html

導入されたバージョン:

1.3

関連項目:

HTMLNoiseReducer

フィールドのサマリー

フィールド

修飾子とタイプ	フィールドと説明
static int	DEF_BATCH_MIN
static int	DEF_BATCH_NUM
static java.lang.String	DEF_EXTS
static java.lang.String	P_BATCH_MIN
static java.lang.String	P_BATCH_NUM
static java.lang.String	P_ENCODING
static java.lang.String	P_ENCODING_OUT
static java.lang.String	P_EXTS

コンストラクタのサマリー

コンストラクタ

コンストラクタと説明
RecursiveFSHTMLNoiseReducer()

メソッドのサマリー

修飾子とタイプ	メソッドと説明
static java.io.File[]	getHtmlList(java.lang.String inDir, java.lang.String[] exts)
static java.lang.String	getOutputFileWithMkdirs(java.lang.String inFilePath, java.lang.String inTopDirPath, java.lang.String outTopDirPath) 入力HTMLファイルの絶対パスに対応する出力HTMLファイルの絶対パスを求める。
static java.lang.String	getOutputFileWithMkdirs(java.lang.String inFilePath, java.lang.String inTopDirPath, java.lang.String outTopDirPath, boolean mkdirs) 入力HTMLファイルの絶対パスに対応する出力HTMLファイルの絶対パスを求める。
static void	main(java.lang.String[] args)
static void	printUsage()

クラスから継承されたメソッド java.lang.Object

clone, equals, finalize, getClass, hashCode, notify, notifyAll, toString, wait, wait, wait

フィールドの詳細

P_ENCODING

public static final java.lang.String P_ENCODING

関連項目:

定数フィールド値

P_ENCODING_OUT

public static final java.lang.String P_ENCODING_OUT

関連項目:

定数フィールド値

P_BATCH_NUM

public static final java.lang.String P_BATCH_NUM

関連項目:

定数フィールド値

P_BATCH_MIN

public static final java.lang.String P_BATCH_MIN

関連項目:

定数フィールド値

P_EXTS

public static final java.lang.String P_EXTS

関連項目:

定数フィールド値

DEF_BATCH_NUM

public static final int DEF_BATCH_NUM

関連項目:

定数フィールド値

DEF_BATCH_MIN

public static final int DEF_BATCH_MIN

関連項目:

定数フィールド値

DEF_EXTS

public static final java.lang.String DEF_EXTS

関連項目:

定数フィールド値

コンストラクタの詳細

RecursiveFSHTMLNoiseReducer

public RecursiveFSHTMLNoiseReducer()

メソッドの詳細

main

public static void main(java.lang.String[] args)
                 throws java.lang.Exception

例外:

java.lang.Exception

printUsage

public static void printUsage()

getHtmlList

public static java.io.File[] getHtmlList(java.lang.String inDir,
                                         java.lang.String[] exts)

getOutputFileWithMkdirs

public static java.lang.String getOutputFileWithMkdirs(java.lang.String inFilePath,
                                                       java.lang.String inTopDirPath,
                                                       java.lang.String outTopDirPath)

入力HTMLファイルの絶対パスに対応する出力HTMLファイルの絶対パスを求める。 出力HTMLファイルはすぐに書き込めるようFile.mkdirs()で親ディレクトリが作成される。

パラメータ:

inFilePath - 入力HTMLファイルの絶対パス

inTopDirPath - 入力トップディレクトリの絶対パス

outTopDirPath - 出力トップディレクトリの絶対パス

戻り値:

出力HTMLファイルの絶対パス

getOutputFileWithMkdirs

public static java.lang.String getOutputFileWithMkdirs(java.lang.String inFilePath,
                                                       java.lang.String inTopDirPath,
                                                       java.lang.String outTopDirPath,
                                                       boolean mkdirs)

入力HTMLファイルの絶対パスに対応する出力HTMLファイルの絶対パスを求める。 mkdirsパラメータをtrueにセットすると、出力HTMLファイルはすぐに書き込めるようFile.mkdirs()で親ディレクトリが作成される。

パラメータ:

inFilePath - 入力HTMLファイルの絶対パス

inTopDirPath - 入力トップディレクトリの絶対パス

outTopDirPath - 出力トップディレクトリの絶対パス

mkdirs - File.mkdirs()で出力HTMLファイルの親ディレクトリを作成する場合はtrue、作成しない場合はfalse

戻り値:

出力HTMLファイルの絶対パス