发布一个HTML正文提取程序HTMLExtractor， 程序主要是基于内容统计的方法，暂不包含自学习能力，仅是 一个分析程序而以，网上也有别人实现了的正文提取程序，不过 大部人都当宝，都不愿意公开完整代码，有些大人实现了一些简 单的，不过分析能力和识别能力都不太理想。所以自己做了一个 简单的，本来想用PHP DOM分析器，不过大部份网页都不规范， 缺个标签啥的都很正常，所以自已又造了个简单的轮子分析HTML标 签，功能比较简单，每个元素都生成一个对象，内存方面占用比

数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程。数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统（依靠过去的经验法则）和模式识别等诸多方法来实现上述目标。-Data mining generally refers to data from a large number of algorithms to search through the process in which information is hidden. Data mining i

发式扫描引擎：一种自学习的扫描方法，可以根据客户提供的内容，在扫描过程中对算法做出适当的实时调整。 3.统计扫描引擎：依据据概率统计算法，根据已有信息来推断客户提供的新信息是否是垃圾信息。 4.词法扫描引擎：根据已有词库，对所有信息进行扫描，能有效阻止非法，反动，等阻碍网络和谐发展的信息。 另外我们目前可以扫描木马，病毒等信息，由于木马和病毒库较小，只能识别出少量木马病毒,以后会不断加强。-Scanning engine: a self-learning scan method, c