• 

  Java爬虫第19课：如何将GitHub上的SimHash源码导入其他项目中使用

  需求背景SimHash算法个人实现比较麻烦，网上有大佬已经实现了，我们拿来用就可以了。源码仓库：https://github.com/CreekLou/simhash.g

  爬虫 webmagic SimHash
• 

  Java爬虫第18课：网页（文本）去重之SimHash算法使用

  导入simhash工程参考项目：https://github.com/CreekLou/simhash.git这个项目不能直接使用，因为jar包的问题，需要进行改造。导入工程s

  爬虫 webmagic SimHash
• 

  Java爬虫第17课：网页（文本）去重之SimHash算法

  流程介绍simhash是由 Charikar 在2002年提出来的，为了便于理解尽量不使用数学公式，分为这几步：1、分词，把需要判断文本分词形成这个文

  爬虫 webmagic SimHash