邮件内容过滤的中文编码盲识别算法

邮件内容过滤是信息安全领域的重点课题。文章着重介绍了一种中文文本编码自动识别算法,可以对目前互联网通信所使用的各种常用中文编码(GB2312,GBK,BIG5,UNICODE)进行盲识别,基本解决乱码问题,从而降低邮件内容过滤系统的虚警和漏警率,提高其处理范围。

浅谈CALIS联机编目系统中的字符集问题

介绍目前主要的中文编码系统,如GB2312、GBK、Unicode、BIG5等,并形象地解释这些字符集之间的包容关系,指出由于应用程序的运行环境不同,导致字符集之间转码出现问题;深入分析CALIS联机编目系统中遇到的字符集问题,包括检索、显示、排序、著录繁体字、异体字、小语种时的问题,并提出相应的解决方案。