从web抓取数据的一点经验教训

昨天做了一个从web上抓取相应成语拼音的小程序，从上午不到十一点开始写，写到下午四点才初见端倪，真是很惭愧。

这个工作本身的意义并不是很大，但是从中获取的经验教训还是很有意义的。以前总是想找个地方去记下来这些琐碎的东西，由于再三，最后决定先把东西都放在这里吧。

 

先描述一下这个工作的主要目的：目前有一个.txt格式的文本，每行的格式如下：

                        成语 空格 拼音

我通过将成语作为参数post到查询页面上获取正确的拼音与原来的进行校对。

 

当然，网上的词典也有可能出现错误，有很多需要改进的地方。

 

现在总结一下经验教训吧。

首先，我越发认为做东西要足够快才能显出优势，11-16是个很漫长的过程。这么久的时间都在编码么？不可能。编代码的时间永远都是很少的时间。但是，它也可能很多。如果编码没有很好的习惯，有诸多的不规范，就很可能产生巨大的debug以及重构的时间，这写都应当统统计算到编码过程中的。快速，本身就包含的准确的要求，不准确总是要用更多的时间去弥补的。这段的关键词可以是 编码 快速 准确 

下面就是具体的工作中的问题了。

• html的分析永远是个必需品，用到的频率很大，不要每次都临时抱佛脚 耗时
• 中文是个很讨厌的东西，unicode gbk iso8859-1非常讨厌，细细观察 耗时
• 程序需要对外接口，要想让你的东西可以让别人用，就必须要提供接口，可是这个工作很讨厌，我不喜欢，但要做的时候还是很多的 耗时 但是可选
• 善用利器可以打打减少时间的浪费，感谢fire-bug，感谢chrome的html‘审查元素’

编码的高速永远是我追求的目标，但快永远包含质量，不可动摇。