哪位大哥在测试黄色网站？别啊

@tmkook 谢谢分享，刚刚简单浏览了一下源码，部分思路很像！

@Bravoios 谢谢！希望能收到大家的建议和意见

@saimax 修复了

@saimax 这个网站监测了 headless 浏览器导致的，这是可以解决的。

是有长期提供服务的打算，不过目前只在 V2EX 和 hackernews 发了两个帖子，想先看看反响。因为 rss 的用户群体还是太小。目前纯 demo 阶段会慢慢修复很多问题。

后面我会把格局改大一点，“自动转 rss” 改为 “自动抽取结构化数据”

@tfdetang

目前我这个算法最重要的东西是 getComputedStyle. 总的逻辑也是最后生成 xpath.

更新了主页和优化了对英文的兼容

@ClarkAbe 对这个东东有什么建议吗？

@abersheeran 这不是最后的效果，最后调用端的感知是<100ms 的，因为会直接取缓存

@hackpro Demo 确实比较慢，但是最后的逻辑不会是实时解析。最后的方案是，定时解析后写入缓存即可，调用 rss 链接直接从缓存中取数据。

@Sailwww 和 RSSHub 的区别就是不需要人维护了。

@Sailwww 文字区块的位置，字体大小粗细长短，作为特征 /etc ，普通分类即可。

@xiaozizayang 等我找你沟通一波

@tfdetang

我也发现了这个问题。
最后也是希望能够从网站和 App 中自动提取结构化信息。如果用传统的分析方法，需要写很多逻辑处理 html ，未来也难以操作 app/doc/pdf 等其他类型的输入

如果我能直接从截图中提取出结构化信息，那么我就不用关心输入是什么了，变成了和人眼一样的提取逻辑.

人眼也是，先分类，看到这个页面是列表 /详情 /评论 /etc ，然后对应不同的类型，去寻找结构化信息的特征，比如价格，那么就寻找字体大点的，红点的，位置靠近商品标题的数字信息（比如这里还直接消除了字体反爬虫的问题）。

@ptsa 再试试呢 现在用内网穿透做的 demo

@dantangfan 最近才结束的

@tialias

有的，第三个岗位就是

@FlyingDough 后端开发算法要求不高，主要是问题解决能力的编码能力

@AmberJiang 所有岗位都是中高级岗位, 没有特别要求, 随便复制了一份 JD 是满足需求的：

1.计算机相关专业, 大学本科及以上学历,4 年以上工作经验
2.熟练使用 python 开发,有 flask,django,tornado 等 web 框架的实际使用经验
3.有 MySQL/MongoDB/ES/Redis/Kafka/Zookeeper 等组件的使用经验
4.熟悉 linux ，熟练使用 linux 常用命令及 docker 生态体系