stopword all, and stop_zh

【stopword.txt】全量的 stop word
【stopword_zh.txt】仅仅包含中文的 stop word

Slim the dict

格式统一化

1. 将所有的大写字母统一转换为小写

2. 将所有的全角转换为半角

3. 移除所有【空格】【符号】(这个就是各种符号的过滤了)

4. 繁体字统一转换为简体字

最后保证信息的去重。

移除大量的信息

1. 移除 QQ 号的类似数字

2. 移除所有网址（.com、cn、.org）

3. 移除纯英文

4. 移除乱码 �

备份相关信息。