提醒楼上那些 996 当没事的 一定要坚持吃早饭 每次体检都有人查出胆囊息肉 这东西就跟不吃早饭有很大关系 胆囊息肉如果变化不明显还好 大了就要手术
还有个同事 忘了 I 度还是 II 度房室阻滞的 这都不拿体检报告当回事 早晚要吃不了兜着走

996 问题不止是简单的 996 要求 996 就是有 917 的时候

@keifer 想多了， wp 的安卓计划已经流产了，微软最靠不住了

@MASAILA 你在黑知乎吧，知乎大家都是推荐直接用 wap 页面

@SlipStupig 万物基于米 ui 开发 所以是中国人搞的多

scrapy 这个怎么看也不像国人做的项目。。

nutch 是啥东西呢？
于是说版权 国内研究 到不说国内看不起 java 的多吧？

楼主快给自己买保险

根据书名分类？我认为做不到，因为信息是在太少了，分词都分不出来，何况还有标题党
比如轮回的拉格朗日 讲什么的 数学？

@SlipStupig 这页我就没看到 md5 和 sha

@SlipStupig 问题 bloomfilter 是 hash 到位点上的。。撞起来不要太容易

另外补充一下，新浪新闻那个不适合作为考点，这种新闻网站他是希望你去爬的，只要别过分，因为有竞争，所以收录的越多越全越好，如果这个问题放到 3 年前答，爬新闻类网站首选他的 RSS ，可惜现在 RSS 用的越来越少，死链一是多二是更新不及时
一声叹息
但是新浪微博不一样，这个东西压根就没想让你爬，他自己有自己的搜索引擎，我们以前做监控的时候，就是用他的站内搜索，新浪微博和新闻不一样，没有固定的信息源，也就是说你不知道一个重要的东西是啥时候冒出来的，所以只能监控重要关键词
新浪微博还一个很恶心一点就是移动端（官方客户端）的乱序时间线，他会随机打乱时间，把以前很老的数据挖出来当新的，貌似 pc 端还是正常的，这个真的没法理解为什么要这么做
以前可以爬微博的移动端，还有一部分人选择盗用 weico 什么的 key 来用，比爬页面容易很多，但是现在第三方微博客户端越来越少，能盗用的 key 也不多了，何况现在应该没什么客户端直接把 key 加密在 app 里吧，应该都是服务端中转一次

B 新浪网本身肯定是防爬虫的，那么常见防爬虫的方式有哪些？
这个问题，新浪微博是冻结账号，必须手机解封，而且一个手机每天只能解封 5 个账号，这也是我读研的时候爬微博碰到的问题
验证码什么都弱爆了，真的

@mornlight 碰撞就碰撞呗，那又怎么样，又不是搜索引擎有漏掉必须手动补上的情况，新浪微博产生的数据在日千万级别，还是我上学刚开始的数据，现在早都日亿了，比起 bloomfilter ，你没爬到的数据能有多少能估计到么。。

阿里云不是每周都有自动镜像吗 回滚一个就好了