dongge 2007-10-23 19:31
New York Times 不定期连载。
New York Times 不定期连载。
iSiloX 4.0制作，没有图片，只有文字，保留了原文的排版。按照我自己的要求，排版还没有达到“完美”的标准。最后希望达到的目的是只保留有价值的信息，除此以外的内容，全部不要。
每次的文章来自于链接：[url=http://www.nytimes.com/pages/todayspaper/index.html]http://www.nytimes.com/pages/todayspaper/index.html[/url]
简单说一下制作过程：
1. 从上面的索引页中，提取有效的链接，处理后，重新制作本地的索引文件。
2. 利用本地的索引文件，使用下载软件（我用的是免费软件Free Download Manager）下载NY times当日的文章。每天约有100～200篇。
3. 为下载到本地的文章（html格式），制作index.html索引文件。
4. 利用从index.html，用iSiloX制作pdb文件。
上面的1、3步，如果利用正则表达式脚本，可以大幅提高效率。
原来用python学习正则表达式时，写过一个脚本，可以自动处理以上1~3步骤。后来，硬盘失败，导致下载了一年的文章丢失，有点灰心，就没有继续了。现在，NY Times改版，不再坚持原来的收费政策，原来为了绕过这些限制的很多代码，现在都成了累赘。
但是，暂时没有心情重新写脚本，就用了上面这种“刀耕火种”的手工操作。按照我的经验，这种纯粹手工劳动很是折磨人的身心，所以，将本贴命名为“不定期”连载。
另外，说两句对英语学习方法的体会：少背单词，多阅读。
[[i] 本帖最后由 dongge 于 2007-10-23 19:59 编辑 [/i]]