12 月杂碎一堆
版权声明: 允许非商业性转载，但转载时必须标明原作者 fcicq、原始链接 http://www.fcicq.net/wp/?p=775 及本声明。
www.fcicq.net = apache2-mop.luanda.dreamhost.com
feed.fcicq.net/fcicqblog = fcicqrss.appspot.com/fcicqblog
(如有变动另行通知，再次感谢 vayn 同学给的 Dreamhost 空间)
首先是 RSS 与阅读问题。阅读只会多不会少的问题很多人都有体会。
送两句话。
第一句：
寻找真正的自己（那自己究竟做某事是为了什么？应该考虑一下人生问题，这里不谈这个）。今天看这个人写的好，明天看另一个好。你就是根稻草（随风倒嘛）！
第二句：
（这句大家很熟悉 
）过度优化（优化自我？阅读是真正的优化吗？稻草再优化也是稻草？）是万恶之源（偶对万恶持保留态度，只是走弯路而已）。
接着是关于 proxy 的杂碎。
http proxy: 支持 GET/POST/HEAD/… URI, 设计良好的 API 能够重置 HTTP METHOD 以适应只支持 GET/POST 的代理
ssl proxy: 支持 CONNECT HOST/IP:PORT，成功后即完成连接，经常有端口限制
socks4/5: 专门协议
tor 可用 ssl 或 socks4/5 proxy 翻墙，vidalia bundle 很方便。
下一个，一种提取 html 中的有用文字的方法，也叫正文抽取。
1 将整个页面以 td，p，table 等作为分割标志，并去掉这些标签。
2 对分割出的每一块做 strip_tags （为了兼容性，应该自己写一个类似的函数），并得到 html 长度与文本长度的比值。
3 根据比值计算并提取。如只根据比值和长度计算就可以用动态规划的方法，找一片长度最大的连续文本（具体参数和策略自己考虑）。
赶快结束，不留结尾。
友情提示: 请注意文章的时效性与准确性, 作者不对文章的有效性负责.
Tags:
Permalink Bookmark on del.icio.us
Last Modified: December 21, 2009 at 1:53 pm