@humiaozuzu 每个模板不一样，不一定只是 password 是敏感。
@cutehalo 只要不要 QQ 邮箱就可以哦

@mengskysama 可以的哦，本来就有这个设计，模板可以使用变量，也能调用函数，写一个函数然后 pull-request 给我。
验证码有一个设计，可以用户间相互帮忙打码，攒点数，然后一段时间就不用来了。但是时间和实际需求不强烈原因就没做。。

@sdysj 可以试试能不能搞定淘宝登录，或者用 cookie，建议自己做模板。。

@mengskysama 这就是为什么开源的最大原因。。

为什么我觉得有用？
至少在百度，部分层由于计算和存储资源不足，只计算title, anchor, url的匹配的，更不用说离线挖掘。

学一遍怎么做网站，前后端一起，然后你就会爬了。

@zewenzhang 不会的，有cache

好荣幸能在V2EX上看到首发

lxml.html.tostring
.text_content()

试试 http://haacked.com/archive/2008/11/20/anatomy-of-a-subtle-json-vulnerability.aspx/

@yangqi 你就不允许人家拓展名叫 0-stable 吗！

@southwolf 我知道有啊，但是你不觉得帮别人签到要比花钱买要有趣得多吗？

在做一个通用签到服务，对验证码有一个这样设计：
1、把验证码抓下来，让用户打码
2、可以帮别人打码，以赚取打码点
3、当别人帮你打码时，会消耗你的打码点
4、打码点可以交易，也可以集中一天上去，帮网站上的所有人把码都打了，以赚取足够的打码点
5、有足够打码点之后，就可以很长时间不用管他啦，会有人帮你打码登录的

有，不多，大部分职位不会指定特定语言，如果喜欢开发 web，在 baidu 请 php

我觉得大的数量级上优化空间不多，只好改进下常数时间了

* 不要 split 多次
* item 按照出现概率排序
* 先对 tweet 进行单字过滤（如果 topic 中的某个单字不存在，就不会匹配了）
* 用 topic 建词表，用这个词表对 tweet 切词，倒排或者怎么地都行

但是，这些改进都是 一亿 * (1500 * n) 后面这部分的效率。
它取决于 topic 平均长度，重复单词概率等特征。

我也想做个东西，每月就收钱养活自己啊。
但是我压根不知道每个月老板给我那么多钱是哪来的。。
看来不是那块料啊。。

如果被黑之后，人家改掉你的解析记录怎么办？