分享我毕设中的一些东西

本文会讲述我在毕设中用到的 “在 iOS 中渲染 Markdown ” 以及 “关键字提取的简单方法” 。

在 iOS 中渲染 markdown

GitHub: RoomTime

Markdown 其实与 HTML 关联的。所以在 iOS 中原生渲染 markdown 可能不是一件“合理”的事。一些渲染 markdown 的 JS 库通常的做法是：

1. 用正则匹配 markdown 中的语法，并用 HTML 标签包裹匹配的结果。比如：

   Hello **markdown** !

   会被（初步）渲染成：

   Hello <strong>markdown</strong> !

2. 让浏览器自己去渲染生成的 HTML 。

同样地，iOS 可以：

1. 将 markdown 构建成类似 HTML 的元素树。

2. 将元素树渲染成视图。

实现及难点

一个渲染器除了将文本转为视图，还要考虑：

• 对文本进行预加工处理（比如规范空白符）。

• 能够让用户自定义语法、以及要渲染的视图的样式。

实现方法

这个实现方法大概能满足我的 80% 的渲染需求。

1. 将文本根据一系列规则进行分割（或转换）。

2. 将分割出来的文本转为元素。

3. 将元素转为要呈现的视图。

难点及遇到的问题

• 缩进的识别

  1. fruit
      - apple
      - banana
      - melon
  2. pet
      - cat
      - dog

• 语法优先级

  ```css
  // 通用选择器
  * {
      color: hotpink;
  }
  ```

  -   通用选择器
  
      ```css
      * {
          color: hotpink;
      }
      ```
  
  -   类选择器...

关键字提取的简单方法

1. 分词：从句子中分出短语。

2. 筛选：将没用的介词、连词、代词等去除。

3. 评估：计算一个词的关键程度。

前两个涉及 NLP（Natural Language Processing ，即自然语言处理），我直接用了工具。

评估方法可以使用最简单的 TF-IDF ：

TF-IDF

TF-IDF 关注两个维度：

• TF ：即 Term frequency ，词频。

  TF = 词在该文章中的次数 / 该文章的总词数

• IDF ：即 Inverse document frequency ，反文档频率。

  如果一个词在许多文章中均出现，那么它通常不能成为关键词。

  IDF = log( 文章数量 / 词在多少篇文章出现过 ) + 1

一个词的 TF-IDF 值则为：

TF-IDF = TF * IDF

对于 markdown 可能还要考虑词的权重。比如一个词如果在标题中出现过，它应当更适合当关键词；在代码块中的词不应当被统计。

参考

Understanding TF-ID: A Simple Introduction - MonkeyLearn

sklearn.feature_extraction.text.TfidfTransformer - scikit-learn