Author Archives: coder4

博客挂了一天，换回虚拟主机

6 Replies

原来的VPS服务商ClubUptime居然倒闭了……

幸好我和Ardix的博客都有每天的邮件备份。

上次是HR，这次是ClubUptime，已经经历两家倒闭了。

最后比较可惜的是爬的数据还差最后100w没能爬完，就差一点点啊，悲剧……

现在重回虚拟主机了，觉得维护服务器这些重复性劳动工作应该交给别人做了，其实更主要的原因是，让我做也做不好（不细）。[......]

Python中的Dictionary类似于C++ STL中的Map

Sort by value
#remember to import
from operator import itemgetter
dict={.....}

#sort by value
sorted(dict.items(), key=itemgetter(1), reverse=True)
Sory by Key
#sort by key
sorted(d.items())[......]

数据格式：
<PAIR>
<TEXT>AAA</TEXT>
<LINK>BBB</LINK>
</PAIR>
......

<PAIR>
<TEXT>XXX</TEXT>
<LINK>YYY</LINK>
</PAIR>
代码：特别注意re.DOCALL
def getAnchors(self):
te[......]

一条语句搞定：
:g/^\s*$/d[......]

由于TT对于长文本做Key的存储不太给力（或者是数据分布的问题？）

总之可能要用Hash算法了，MD5不在考虑之列，因为太长。

准备用某种UINT64的Hash算法，然后转为62进制编码，你懂得……

以下内容为转载：

常用的字符串Hash函数还有ELFHash，APHash等等，都是十分简单有效的方法。这些函数使用位运算使得每一个字符都对最后的函数值产生影响。另外还有以MD5和SHA1为代表的杂凑函数，这些函数几乎不可能找到[......]