V2EX › est 的所有回复 › 第 349 页 / 共 619 页

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

1 ... 345 346 347 348 349 350 351 352 353 354 ... 619

❮

❯

2015-11-02 22:16:44 +08:00

回复了 est 创建的主题 › Python › 这么多搞爬虫的，有木有直接解析 HTML 的呀？

@binux 求分块树相关 case 。

还有就是你们是怎么保存富文本数据的？直接 html 还是？

2015-11-02 21:57:31 +08:00

回复了 est 创建的主题 › Python › 这么多搞爬虫的，有木有直接解析 HTML 的呀？

@menc wikipedia 的页面特定模板解析起来很有意思的。比如可以绘制出地球上人口超过 20w 的城市分布图。但是我感觉这个属于另外一个话题了。

2015-11-02 21:06:08 +08:00

回复了 est 创建的主题 › 买买买 › 妈的， 499-100 买了个美的 WFS4098 IH 电饭煲，才入手 1 小时就后悔死了。。。。。。。。。。。

@Sivan 国产的。就当 299 的普通电饭煲用。

2015-11-02 21:01:14 +08:00

回复了 est 创建的主题 › 买买买 › 妈的， 499-100 买了个美的 WFS4098 IH 电饭煲，才入手 1 小时就后悔死了。。。。。。。。。。。

@harry890829
@wkdhf233

问了下，买的那家，咬着不放。。因为都好评了。

便宜的那家，说是做活动。名额有限。

包装都拆了。。。。

2015-11-02 20:59:24 +08:00

回复了 est 创建的主题 › Python › 这么多搞爬虫的，有木有直接解析 HTML 的呀？

@hooopo 我还以为去了隔壁 rubychina 。。。哈哈。用 ES 的确可以做到。赞。

2015-11-02 17:51:24 +08:00

回复了 php230 创建的主题 › PHP › 刚接触 SSDB，弱弱问问， value 是不是不能用 array 啊？测试了一下好像只能用字符串

KV 数据库很少有支持 array 的。 redis 是异端。别人号称 data structure server

2015-11-02 16:40:12 +08:00

回复了 est 创建的主题 › Python › 这么多搞爬虫的，有木有直接解析 HTML 的呀？

@chairuosen 不是通用不通用的问题，而是爬出不仅要保留文字本身的信息量，还要保留当时标题，段落。排版，展现格式，甚至页面环境等信息量。

虽然我估计 99% 的页面，都是一种字号不分大小写不分段落标题格式通吃，但是总有那么一些出彩的页面，很注重行文的附加信息。

2015-11-02 16:37:43 +08:00

回复了 est 创建的主题 › Python › 这么多搞爬虫的，有木有直接解析 HTML 的呀？

@iyaozhen
@chairuosen
@anexplore

我想知道业界有没有一些比较好的 case 。

脑洞一下，比如很多时候读到 nytimes 的文章，一些亮点主题词语是斜体的。有木有一个搜索引擎能统计一下：“ NYTimes 斜体名词的分类”。。。。。。。。。。这里面涉及到爬虫，数据处理，清洗，如何索引富文本。。。感觉脑细胞不够用了。希望看到有别人的案例我来抄袭一下 hahahaha

2015-11-02 16:31:24 +08:00

回复了 est 创建的主题 › Python › 这么多搞爬虫的，有木有直接解析 HTML 的呀？

@chairuosen 只是一个想法，可能没用。但是我觉得信息量丢了。。。

首先，当然，语义是很重要的一个方面。比如 <code> 里是代码，就知道这一定是个码农发的贴子。。。。

再比如论坛里一些帖子，有些内容，发帖人喜欢红七醒目。。比如做主题归纳，感觉因该提高重点文字的权重。而不是纯文本那样所有字符平等对待。

只是一个粗略想法。。。。。我知道有不实际的地方。。。乃们就不要喷我不实际了。。。

我的脑洞就是， NLP 是自然语言处理，那么 HLP 算不算超文本处理。。。。

2015-11-01 18:15:22 +08:00

回复了 V69EX 创建的主题 › 分享发现 › 在 Google 眼里，中俄真一体化了，有个 ssl 证书签发给*.rucn.google.com

LZ 怎么发现的，好奇。

2015-11-01 18:14:46 +08:00

回复了 est 创建的主题 › 游戏 › 日， insurgency 的电脑真是碉堡了。我出门就挂

量子服打了一天，真是无语了。。我也成了猥琐流打法了。。。这游戏冲冲冲就是送死。。。。。。。。。。

2015-11-01 10:46:36 +08:00

回复了 nightv2 创建的主题 › Android › 支付宝京东是怎么在禁止联系人权限的情况下访问联系人的？

百度全家桶的做法是本地开端口， json 互传。只要一个 app 有权限全家桶就有权限。上次还爆了 wormhole 漏洞

2015-10-30 23:23:17 +08:00

回复了 hzgmaxwell 创建的主题 › Vim › 美国人民其实也挺认真的，我丢人了

LZ 回复一句： thank your grammer nazi 。保证气他吐血。