JE是什么意思？Java的自学过程中怎么能有个清晰的学习路线

本文目录

• JE是什么意思
• Java的自学过程中怎么能有个清晰的学习路线
• Lucene+nutch搜索引擎开发的目录　内核揭秘篇
• python已经自动化了，大家一般用什么测试框架

JE是什么意思

JavaEye :也简称JE

JavaEye是在2003年9月创办的，缘起是创始人范凯自己在学习和研究java的开源框架却发现没有一个讨论的地方，于是自己就办一个。如今，已经是国内专业性内容社区网站的佼佼者。

***隐藏网址***

JavaEye是一个以讨论Java技术和Hibernate技术开始的技术论坛，已经成为一个涵盖整个软件开发领域的综合性网站，2005年被选为中国十佳技术网站之一，受到广大软件开发者的好评。

但是，2010年11月22日，国内知名Java编程网站JavaEye被关闭，访问网站被提示：“网站因有违规内容而被关闭，具体事宜请联系您的接入商”。JavaEye网站应该是在下午时间（1点10分左右）被关闭。截止当日晚间尚不知网站具体违规内容。网站域名没有跳转直接显示该内容，有部分网友质疑是被黑了。

创始人范凯在微博中称：JavaEye被封是因为写的动态防火墙代码太智能，把电信负责内容监控的爬虫给封了，导致被封。把监控爬虫加入白名单了，争取下午恢复网站访问。并非由于是网站含有违法内容导致。

据此前消息，JavaEye已被CSDN收购，不过CSDN和JavaEye均未对此事发表任何说明，收购的细节也无从得知。

Java的自学过程中怎么能有个清晰的学习路线

1、自学Java知识学习步骤：

①java基础(基础语法)

②java面向对象

③数组、集合、常用类

④IO流

⑤多线路SOCKET编程

⑥数据库、网络传输、数据解析。

2、根据上面六项串起来做实例，

3、优化代码：编写代码规范，通用逻辑或处理共同话，性能优化等等

4、改善代码和功能完善等等。

上面的基础学会了，开始试着开发项目，或都看别人已经开发好的项目自己拿来练习，巩固知识点。

进公司能上手，对技术也扎实，工资绝对比你期望的要高!

自学的话时间比较长，但是一定不要太过多依赖于视频，视频的目的是理解里面的技术。

Java程序员基本上都是高薪待遇的，

而通过Java培训课程的学习，是相对而言比较便捷的成为Java程序员的方法，

通过Java培训班四个半月的课程学习，掌握Java编程技术，

将所学与项目结合，迈出程序员职业道路的第一步，随着工作经验的积累，薪资只会增长。

Lucene+nutch搜索引擎开发的目录　内核揭秘篇

4.1　网络蜘蛛原理
4.1.1　体系结构设计
4.1.2　访问策略与算法
4.1.3　效率优化与更新
4.1.4　蜘蛛访问规范
4.1.5　开源蜘蛛简介
4.2　Nutch网络蜘蛛
4.2.1　Nutch网络蜘蛛概述
4.2.2　Nutch抓取模式分类
4.2.3　抓取测试站点建立
4.3　Nutch局域网抓取
4.3.1　本地下载准备
4.3.2　启动下载过程
4.3.3　下载过程解析
4.3.4　下载多个网站
4.4　Nutch互联网抓取
4.4.1　下载列表获取
4.4.2　下载大量网站
4.5　Nutch抓取比较
4.6　Nutch结果检测
4.6.1　网页内容检索
4.6.2　使用Readdb获取摘要
4.6.3　使用SegRead读取分段
4.6.4　Luke工具使用
4.7　Nutch配置文件解析
4.8　Heritrix网络蜘蛛
4.8.1　Heritrix概述
4.8.2　Heritrix体系结构
4.8.3　Heritrix安装与使用
4.9　小结 5.1　文档索引原理
5.1.1　索引概述
5.1.2　索引基本结构
5.1.3　倒排索引原理
5.1.4　索引分类
5.1.5　高性能索引
5.2　Lucene索引器
5.2.1　Lucene索引介绍
5.2.2　Lucene索引结构
5.2.3　多文件索引结构
5.2.4　复合索引结构
5.3　Lucene索引实例
5.3.1　索引创建代码解析
5.3.2　索引创建器（IndexWriter）
5.3.3　索引管理器（IndexReader）
5.3.4　索引修改器（IndexModifier）
5.3.5　索引分析器（Analyzer）
5.4　Lucene索引操作
5.4.1　添加文本文件索引
5.4.2　创建Lucene增量索引
5.4.3　使用索引项删除文档
5.4.4　使用编号删除文档
5.4.5　压缩文档编号
5.4.6　索引文档更新
5.5　Lucene索引高级特性
5.5.1　选择索引域类型
5.5.2　索引参数优化
5.5.3　使用磁盘索引
5.5.4　使用内存索引
5.5.5　同步与锁机制
5.6　Lucene高级应用实例
5.6.1　创建本地搜索的索引
5.6.2　索引数据库记录
5.6.3　索引优化与合并
5.7　Nutch中的Lucene索引
5.8　小结 6.1　信息查询原理
6.1.1　信息查询概述
6.1.2　查询基本流程
6.1.3　查询结果显示
6.1.4　高性能查询
6.2　Lucene查询概述
6.2.1　Lucene查询操作基础
6.2.2　Lucene查询实例入门
6.2.3　查询工具IndexSearcher类
6.2.4　查询封装Query类
6.2.5　查询分析器QueryParser类
6.2.6　查询结果集Hits类
6.3　Lucene基本查询
6.3.1　Lucene查询Query对象
6.3.2　最小项查询TermQuery
6.3.3　区间范围搜索RangeQuery
6.3.4　逻1/4组合搜索BooleanQuery
6.3.5　字串前缀搜索PrefixQuery
6.3.6　短语搜索PhraseQuery
6.3.7　模糊搜索FuzzyQuery
6.3.8　通配符搜索WildcardQuery
6.3.9　位置跨度搜索SpanQuery
6.4　Lucene高级查询
6.4.1　索引内存检索
6.4.2　多关键字跨域检索
6.4.3　多检索器跨索引检索
6.5　Nutch中的Lucene查询
6.6　小结 7.1　搜索引擎文档排序原理
7.1.1　传统检索排序技术
7.1.2　向量模型排序局限
7.1.3　搜索引擎相关性排序
7.1.4　链接分析PageRank原理
7.1.5　搜索引擎排序流程
7.2　Lucene检索排序
7.2.1　Lucene相关性因素
7.2.2　Lucene相关排序流程
7.2.3　Lucene排序计算体系
7.2.4　Lucene排序控制方法
7.3　文档Boost加权排序
7.3.1　Lucene中Boost介绍
7.3.2　Boost值全文档排序
7.3.3　Boost值文档域排序
7.3.4　BoostingTermQuery排序
7.4　Sort对象检索排序
7.4.1　Sort对象概述
7.4.2　Sort对象相关性排序
7.4.3　Sort对象文档编号排序
7.4.4　Sort对象独立域排序
7.4.5　Sort对象联合域排序
7.4.6　Sort对象逆向排序
7.5　Lucene相关性公式
7.5.1　Lucene评分结果分析
7.5.2　Lucene排序公式
7.5.3　其他动态排序因子
7.6　Lucene自定义排序
7.6.1　自定义排序比较接口
7.6.2　自定义排序接口类实例
7.6.3　自定义排序结果测试实例
7.6.4　自定义排序测试结果
7.7　Nutch中的结果排序
7.7.1　Nutch排序因素
7.7.2　Nutch链接分析
7.7.3　Nutch相关度计算
7.8　小结 8.1　文档分析与中文分词原理
8.1.1　文档分析预处理概述
8.1.2　文档分析基本流程
8.1.3　中文分析处理中的分词
8.2　Lucene分析器内核原理
8.2.1　Lucene分析器原理
8.2.2　Analysis包简介
8.2.3　Analyzer类的组合结构
8.2.4　JavaCC构造分析器
8.2.5　StopAnalyzer内核代码分析
8.2.6　StandardAnalyzer内核代码分析
8.3　Lucene分析器应用模式
8.3.1　使用默认分析器建立索引
8.3.2　使用多种分析器建立索引
8.3.3　使用分析器检索查询
8.4　Lucene主要分析器应用实例
8.4.1　停用词分析器StopAnalyzer
8.4.2　标准分析器StandardAnalyzer
8.4.3　简单分析器SimpleAnalyzer
8.4.4　空格分析器WhitespaceAnalyzer
8.4.5　关键字分析器KeywordAnalyzer
8.5　TokenStream分词器内核分析
8.5.1　Tokenizer分词器
8.5.2　标准分词器StandardTokenizer
8.5.3　字符分词器CharTokenizer
8.5.4　空格分词器WhiteSpaceTokenizer
8.5.5　字母分词器LetterTokenizer
8.5.6　小写分词器LowerCaseTokenizer
8.6　TokenStream过滤器内核分析
8.6.1　TokenFilter过滤器
8.6.2　标准过滤器StandardFilter
8.6.3　停用词过滤器StopFilter
8.6.4　小写过滤器LowerCaseFilter
8.6.5　长度过滤器LengthFilter
8.6.6　词干过滤器PorterStemFilter
8.7　Lucene中文分词
8.7.1　中文分词基本原理方法
8.7.2　StandardAnalyzer分析器中文处理
8.7.3　CJKAnalyzer中文分析器
8.7.4　ChineseAnalyzer中文分析器
8.7.5　IK_CAnalyzer中文分析器
8.7.6　中科院ICTCLAS中文分词
8.7.7　JE中文分词
8.7.8　中文分词问题
8.8　Nutch分词和预处理
8.8.1　Nutch分析器
8.8.2　Nutch中文分词
8.9　小结 9.1　非结构化文本简介
9.1.1　非结构化文本概述
9.1.2　非结构化文本检索
9.2　HTML文档分析
9.2.1　主流HTML文档分析器
9.2.2　HTMLParser安装配置
9.2.3　HTMLParser的框架结构
9.3　HTMLParser应用实例
9.3.1　HTMLParser功能模式
9.3.2　HTMLParser内容解析方式
9.3.3　Visitor模式正文解析
9.3.4　Filter模式简单链接提取
9.3.5　Filter模式搜索链接提取
9.3.6　Lexer模式遍历文档
9.4　PDF文档分析
9.4.1　常用的PDF处理包
9.4.2　PDFBox安装配置
9.5　PDFBox应用实例
9.5.1　PDFBox提取文档内容
9.5.2　PDFBox文档内容索引
9.6　Office文档分析
9.6.1　常用Office文档处理包
9.6.2　使用POI安装与配置
9.6.3　POI原理与接口介绍
9.7　POI分析Office文档实例
9.7.1　POI处理Excel文档
9.7.2　POI处理Word文档
9.8　XML文档分析
9.8.1　主流XML文档分析器
9.8.2　JDOM分析器安装配置
9.8.3　xerces分析器安装配置
9.9　XML解析应用实例
9.9.1　使用JDOM分析XML 文档
9.9.2　使用xerces分析XML 文档
9.10　Nutch文档处理
9.11　小结 10.1　分布式检索与缓存
10.1.1　分布式搜索引擎现状
10.1.2　分布式搜索引擎原理
10.1.3　搜索引擎缓存现状
10.1.4　搜索引擎缓存原理
10.2　Nutch与分布式检索
10.2.1　Google分布式文件系统
10.2.2　MapReduce系统介绍
10.2.3　Hadoop分布式文件系统
10.2.4　Nutch分布式文件系统
10.2.5　Nutch分布式检索概述
10.2.6　Nutch分布式检索器
10.3　Lucene分布式检索
10.3.1　Socket通信基础
10.3.2　Lucene索引服务器
10.4　Nutch与搜索缓存
10.5　开源系统缓存系统
10.6　小结

python已经自动化了，大家一般用什么测试框架

首先我们需要明白自动化测试框架更倾向于一种设计思想 ，这种思想指导工具的使用或者自研开发，并且不是只能使用仅仅一种框架，结合被测系统本身特性一般是选择多种测试框架的组合，来满足测试和设计需求(开发、维护角度)。
录制回放测试框架
录制回放测试框架所采用的原理是通过录制应用程序产生的线性脚本进行回放从而达到自动化测试的目的。

优点：对测试人员测试开发能力要求最低，通过录制就可以得到所需脚本。

缺点：一般不具有逻辑判断的能力 ，可维护性差 ，效率低。

适应场景：不推荐，传统的UI自动化测试逐步弱化。关于U自动化，一定要清楚 被测系统是否满足开展自动化的条件，在被测系统变动频繁的项目中，开展UI自动化无疑是挖了一个很大的坑，其后期维护工作足以让大心疲惫，被迫放弃自动化测试。
测试库构架框架(The Test Library Architecture Framework )
测试库构架框架的核心思想可以概括为系统功能操作和业务逻辑的解耦。将所有的针对测试系统支持的功能操作封装在测试库中，测试脚本调用测试库的同时传递外部的测试数据，测试库的编写由自动化测试发工程编写(可以不懂业务)，负责控件的变更和维护， 测试脚本的编写可由对业务比较掌握的自动化测试开发工程编写，负责业务逻辑、测试数据的变更和维护。

优点：被测试系统无论是哪层发生变化(代码层或业务层等)，只需要相应的人员进行变更维护即可。

缺点：变更引起的维护工作同时附加在自动化测试开发工程师与业务测试人员身上，维护代码建级大。

适应场景：基于各种自动化开展方式(基于工具如Jemet或不基于工具的自研研发+持续集成)一般都会应用该框架。
数据驱动的自动化测试框架( The Data-Driven Testing Framework )
数据驱动的核心思想可以概括为数据(测试数据、配置数据)与代码解耦。该种框架的原理是采用了数据驱动脚本进行测试，数据驱动脚本是将数据输入存储在独立的数据文件中，脚本只存代码，运行时脚本的输入直接从文件中读取，如此相同的脚本(代码模版)可以运行于不同的测试用例中，实现了代码与数据的分离。

优点：对于业务人员由面向代码的开发转换为面向配置的设计(参数组合设计)， 降低了开发难度与开发成本，同时提高了测试用例的易扩展性，可以快速扩展相似测试，实现了自动化代码不随用例的增长而增

缺点：测试脚本的维护由自动化测试开发工程师负责，要求懂自动化编程和业务逻辑，初始测试脚本设计成本较大，具有一定局限性 (针对相同的测试内容并具有相同的测试逻辑).

适用场景：更适应于测试内容测试逻相重复度高，被测对象对测试用例易扩展性、可复用性要求较高的场景。
关键字或表驱动的自动化测试框架(The Keyword-Driven or Table-Driven Testing Framework )
关键字驱动是对数据驱动的逻相扩展，它的核心思想可以概括为数据代码流程(逻辑)解耦，同时完成了代码与测试描述(针对被测对象的测试描述)的映射。该框架的原理是基于数据驱动的基础上，完成了对被测对象的拆分、抽象、 封装使之映射成个个“关键词” (测试描述)，编写测试用例时，仅需要对关键词进行组合 ，即可完成不同场景的测试用例开发。

优点:对于业务手工测试人员，由面向代码或配置的开发转化为面向自然语言(测试描述)的开发，最大程度的降低了开发难度与维护成本，同时提高了测试用例的易扩展性、易组织性，实现了自动化代码不随用例的增长而增多。

缺点:对测试人员的测试开发能力以及业务了解程度要求很高。

适用场景:被测对象包含复杂业务流程(逻辑)，当然复杂的能做简单的更ok。
了解 更多可以看着这篇文章，希望对你有所帮助，欢迎关注、点赞支持。
***隐藏网址***