DocumentAnalysis

Wikipedia document analysis using Hadoop

---

Map的每个输入是XML文档的 标签到 标签。其中key没有意义，value就是这两个标签（包括标签本身）的值，可以通过 .toString() 方法转化为字符串进行下一步处理

---

src/documentParser

TextParser.java

正则表达式处理String，能够去除大部分标点符号，需要补全

XMLHandler.java

SAX流形式处理XML格式的字符串