博客园_好好学习，天天向上

从 datetime2 数据类型到 datetime 数据类型的转换产生一个超出范围的值。

2011-11-29T05:53:00Z

在使用Entity Framework操作数据库时遇到的这个错误。

这个错误比较奇怪，在园子里看到一位兄弟写到有位大哥提出的原因是：http://www.cnblogs.com/plwang1990/articles/2025334.html

sqlServer2008中提供datetime2类型的数据（比datetime更精确），而用entity framework4会默认的把C#中的
System.DateTime类转化成sqlServer2008中的datetime2类型，而你的数据库中的元素的属性设的是datetime类型，
把datetime2转化成datetime系统会认为会丢失数据，所以会报错。（感觉这TM是设计缺陷吧！这是熟么默认设置啊！）

经过调试发现，这位大哥说的当并不完全正确。SqlServer的datetime有效范围是1753 年 1 月 1 日到 9999 年 12 月 31 日，如果超出这个范围，EF就会把datetime转换为datetime2，也就是会出现上面的错误。

本文链接

移除google搜索结果中烦人的URL跟踪跳转

2011-11-14T06:14:00Z

在点击google搜索结果时，google会在结果的URL前做个跳转，且有时这个跳转地址会被墙，这样极大的影响对搜索引擎的使用体验。

本方法只针对google chrome浏览器，解决方法很简单，因为chrome已经原生支持Greasemonkey脚本，所以只需要写下面一段脚本，然后导chrome既可：

var url = window.location.href.toLowerCase();
if (url.indexOf("www.google.com.hk") >= 0 || url.indexOf("/search") >= 0)
{
    var all = document.querySelectorAll("*");
    for (var i = 0; i < all.length; i ++)
    {
        all[i].onmousedown=null;
    }
}

本文链接

关于分页存储过程的优化【让数据库按我们的意思执行查询计划】

2011-08-25T09:28:00Z

先来对比两段分页SQL，假设条件：news表有15万记录，NewsTypeId=10有9万记录，当前查询NewsTypeID=10。那么，你会认为哪个SQL效率会高呢？

--代码一

DECLARE @cc INT
SELECT NewsId,ROW_NUMBER() OVER(ORDER BY SortNum DESC) AS RowIndex INTO #tb FROM news WITH(NOLOCK) WHERE NewsTypeId=@NewsTypeId AND IsShow=1
SET @cc = @@ROWCOUNT
SELECT n.* FROM news AS n WITH(NOLOCK), #tb As t WHERE t.RowIndex>@PageIndex*@PageSize AND t.RowIndex<=(@PageIndex+1)*@PageSize AND t.newsid=n.newsid
SELECT @cc
DROP TABLE #tb

--代码二
DECLARE @cc INT
SELECT NewsId,ROW_NUMBER() OVER(ORDER BY SortNum DESC) AS RowIndex INTO #tb FROM news WITH(NOLOCK) WHERE NewsTypeId=@NewsTypeId AND IsShow=1
SET @cc = @@ROWCOUNT
SELECT NewsId INTO #tb2 FROM #tb As t WHERE t.RowIndex>@PageIndex*@PageSize AND t.RowIndex<=(@PageIndex+1)*@PageSize
SELECT * FROM news WITH(NOLOCK) WHERE NewsId IN (SELECT * FROM #tb2)
SELECT @cc
DROP TABLE #tb
DROP TABLE #tb2

答案是代码二远远高于代码一。在代码一中加粗代码的操作会引起整表扫描，因为数据库引擎在认为WHERE表达式中满足条件记录大于一定阀值的时候，就不再去进行查询优化，而直接使用表扫描。看执行信息，：

表 'news'。扫描计数 1，逻辑读取 342 次，物理读取 0 次，预读 0 次，lob 逻辑读取 0 次，lob 物理读取 0 次，lob 预读 0 次。

(98361 行受影响)

(1 行受影响)

(40 行受影响)

表 '#tb________________________________________00000004C024'。扫描计数 1，逻辑读取 257 次，物理读取 0 次，预读 0 次，lob 逻辑读取 0 次，lob 物理读取 0 次，lob 预读 0 次。

表 'news'。扫描计数 1，逻辑读取 2805 次，物理读取 0 次，预读 235 次，lob 逻辑读取 0 次，lob 物理读取 0 次，lob 预读 0 次。

(1 行受影响)

原本，我想的执行计划，加粗部分的代码应该是聚焦索引查找，这样性能就提高很多。看代码二：

表 'news'。扫描计数 1，逻辑读取 342 次，物理读取 0 次，预读 0 次，lob 逻辑读取 0 次，lob 物理读取 0 次，lob 预读 0 次。

(98361 行受影响)

(1 行受影响)

表 '#tb____________________________________00000004BEEF'。扫描计数 1，逻辑读取 257 次，物理读取 0 次，预读 0 次，lob 逻辑读取 0 次，lob 物理读取 0 次，lob 预读 0 次。

(40 行受影响)

(1 行受影响)

(40 行受影响)

表 'news'。扫描计数 0，逻辑读取 131 次，物理读取 0 次，预读 0 次，lob 逻辑读取 0 次，lob 物理读取 0 次，lob 预读 0 次。

表 '#tb2___________________________________00000004BEF0'。扫描计数 1，逻辑读取 2 次，物理读取 0 次，预读 0 次，lob 逻辑读取 0 次，lob 物理读取 0 次，lob 预读 0 次。

(1 行受影响)

很明显，代码二与代码一中的IO操作数大大降低。且代码一随着@PageIndex越来越大，效率会越来越低；但代码二的效率不会随@PageIndex变化而改变。

本文链接

DiscuzNT首页版块提取优化

2011-05-18T03:32:00Z

最近论坛更换为DiscuzNT，在对数据库监测过程发现[dnt_getindexforumlist]这个存储过程的lob逻辑读取次数过大，且等待时间也相对较长。查看存储过程源码发现，其实这个存储过程很简单，也就是dbo.dnt_forums和dbo.dnt_forumfields两个表关联查询。主要原因出现在dbo.dnt_forumfields这个表上，该表共有text和ntext类型字段10个。我们知道text是做为LOB对象来存储的，在实际的存储中，数据记录页上存储的是该字段的一个指针，真正的数据是存储在LOB数据页上。因此查询每一条记录时，都需要10次的IO来读取该字段的实际值。

解决方案很简单，只需要把text换为varchar(max)，把ntext换为nvarchar(max)既可。为什么这样就能减少IO次数，提高性能呢？因为，varchar(max)类型的实际长度如果在8000字节以下，这个值将被做为普通的varchar类型来处理，只有在长度超赤8000时，才被做为LOB对象来存储。

我们论坛的版块有290个，优化之后ＩＯ次数立马见分晓。

优化之前的IO信息：

表 'dnt_forumfields'。扫描计数 1，逻辑读取 77 次，物理读取 0 次，预读 0 次，lob 逻辑读取 5801 次，lob 物理读取 0 次，lob 预读 0 次。
表 'Worktable'。扫描计数 0，逻辑读取 0 次，物理读取 0 次，预读 0 次，lob 逻辑读取 0 次，lob 物理读取 0 次，lob 预读 0 次。
表 'dnt_forums'。扫描计数 2，逻辑读取 298 次，物理读取 0 次，预读 0 次，lob 逻辑读取 0 次，lob 物理读取 0 次，lob 预读 0 次。

优化之后的IO信息：

表 'dnt_forumfields'。扫描计数 1，逻辑读取 2 次，物理读取 0 次，预读 0 次，lob 逻辑读取 0 次，lob 物理读取 0 次，lob 预读 0 次。
表 'Worktable'。扫描计数 0，逻辑读取 0 次，物理读取 0 次，预读 0 次，lob 逻辑读取 0 次，lob 物理读取 0 次，lob 预读 0 次。
表 'dnt_forums'。扫描计数 2，逻辑读取 298 次，物理读取 0 次，预读 0 次，lob 逻辑读取 0 次，lob 物理读取 0 次，lob 预读 0 次。

本文链接

中国娱乐网招聘asp.net软件工程师

2011-05-12T05:11:00Z

急着招人，不敢占用首页位置。之前发到招聘频道，好像没被看到几次，所以发到这里，如有不妥，还请见谅。

---------------------------------------------------

今天的娱乐网不同往昔了，现在已经被华杨联众收入旗下，各向福利待遇还是不错地……

进入正题，其实下面写的都是费话，只要你是asp.net程序员，没必要看下面的内容，只需要记住联系方式，你懂得……

联系方式：

E-mail：sh#67.com （请把#换为@，你懂得）
公司地址：建国门内贡院西街6

工作地点：北京 - 东城
工作年限：2年以上
学历要求：大专
招聘分类：.NET程序员
工资范围：5000 ～ 10000
福利待遇：带薪年假、病假，五险一金，每年一次免费旅游。
招聘人数：2

职位描述

1、负责网站现有程序的维护
2、解决编辑人员提出的功能改进
3、负责网站新功能产品的开发
4、协助技术主管对网站进行性能优化

职位要求

1．两年以上的asp.net网站开发经验；
2．精通C#语言，熟悉.Net框架，熟练使用VS.NET开发环境，理解并能熟练使用WebService，ASP.NET，ADO.NET、JS、CSS、HTML等技术；
3．熟悉SQL Server等数据库技术；
4．掌握面向对象设计编程思想；
5．有大型网站开发经验者优先；
6．诚实、正直、客观，良好的团队合作精神；
----------------------------------------
注：薪酬范围还是给出来吧，看不到数字，大家不积极呀。不过，事先说明这个是我给人事的建议范围，最终还要看能力来定。

本文链接

几个有用的DMV查询

2011-04-18T03:29:00Z

找出是否存在一个或多个等待获取 tempdb 中页面锁存器的线程

SELECT session_id,wait_type, wait_duration_ms, resource_description
FROM sys.dm_os_waiting_tasks
WHERE wait_type LIKE 'PAGE%LATCH_%' AND resource_description LIKE '2:%'

下面DMV查询来确认 tempdb 中当前引发最多分配和回收操作的执行查询

SELECT TOP 10
      t1.session_id, t1.request_id, t1.task_alloc, t1.task_dealloc,t2.plan_handle,
      (SELECT SUBSTRING(text, t2.statement_start_offset/2 + 1,
            (CASE WHEN statement_end_offset = -1
                  THEN LEN(CONVERT(nvarchar(MAX), text)) * 2
                  ELSE statement_end_offset
            END - t2.statement_start_offset)/2)
      FROM sys.dm_exec_sql_text(sql_handle)) AS query_text
FROM (SELECT session_id, request_id,
            SUM(internal_objects_alloc_page_count +
            user_objects_alloc_page_count) AS task_alloc,
            SUM(internal_objects_dealloc_page_count +
            user_objects_dealloc_page_count) AS task_dealloc
      FROM sys.dm_db_task_space_usage
      GROUP BY session_id, request_id) AS t1,
      sys.dm_exec_requests AS t2
WHERE t1.session_id = t2.session_id AND
      (t1.request_id = t2.request_id) AND t2.session_id > 50
ORDER BY t1.task_alloc DESC

下面DMV查询找出当前执行事务或当前执行事务等待的锁

SELECT request_session_id AS spid, resource_type AS rt,resource_database_id AS rdb,
      (CASE resource_type
            WHEN 'OBJECT' THENobject_name(resource_associated_entity_id)
            WHEN 'DATABASE' THEN ' '
            ELSE (SELECT object_name(object_id) FROM sys.partitionsWHERE hobt_id=resource_associated_entity_id)
      END) AS objname,
      resource_description as rd,
      request_mode as rm,
      request_status AS rs
FROM sys.dm_tran_locks

下面查询得到正在被阻塞的查询

--request_mode表示查询要请求的锁，resource_description中的mode=x表示该查询被阻塞的锁
SELECT
      t1.resource_type,
      'database' = DB_NAME(resource_database_id),
      'blk object' = t1.resource_associated_entity_id,
      t1.request_mode,
      t1.request_session_id,
      t2.blocking_session_id,
      t2.wait_duration_ms,
      (SELECT SUBSTRING(text, t3.statement_start_offset/2+1,
            (CASE WHEN t3.statement_end_offset = -1 THENLEN(CONVERT(nvarchar(max), text)) * 2
            ELSE t3.statement_end_offset END -t3.statement_end_offset)/2)
      FROM sys.dm_exec_sql_text(sql_handle)) AS query_text,
      t2.resource_description
FROM sys.dm_tran_locks AS t1, sys.dm_os_waiting_tasks AS t2,sys.dm_exec_requests AS t3
WHERE t1.lock_owner_address = t2.resource_address AND
      t1.request_request_id = t3.request_id AND
      t2.session_id = t3.session_id

下面查询返回表的索引被使用的情况

SELECT index_id, range_scan_count, row_lock_count, page_lock_count
FROM sys.dm_db_index_operational_stats(DB_ID('<db name>'),OBJECT_ID('table name'), NULL, NULL)

本文链接

【转】Iframe高度自适应（兼容IE/Firefox、同域/跨域）

2011-04-14T09:13:00Z

本文转自：http://www.ccvita.com/376.html

在实际的项目进行中，很多地方可能由于历史原因不得不去使用iframe，包括目前正火热的应用开发也是如此。

随之而来的就是在实际使用iframe中，会遇到iframe高度的问题，由于被嵌套的页面长度不固定而显示出来的滚动条，不仅影响美观，还会对用户操作带来不便。于是自动调整iframe的高度就成为本文的重点。

采用JavaScript来控制iframe元素的高度是iframe高度自适应的关键，同时由于JavaScript对不同域名下权限的控制，引发出同域、跨域两种情况。

同域时Iframe高度自适应
下面的代码兼容IE/Firefox浏览器，控制id为“iframeid”的iframe的高度，通过JavaScript取得被嵌套页面最终高度，然后在主页面进行设置来实现。

代码如下，可复制。另外，请注意此解决方案仅供同域名下使用。

<script type="text/javascript">
 function SetCwinHeight(){
  var iframeid=document.getElementById("iframeid"); //iframe id
  if (document.getElementById){
   if (iframeid && !window.opera){
    if (iframeid.contentDocument && iframeid.contentDocument.body.offsetHeight){
     iframeid.height = iframeid.contentDocument.body.offsetHeight;
    }else if(iframeid.Document && iframeid.Document.body.scrollHeight){
     iframeid.height = iframeid.Document.body.scrollHeight;
    }
   }
  }
 }
</script>

<iframe width="100%" id="iframeid" onload="Javascript:SetCwinHeight()" height="1" frameborder="0" src="kimi.php"></iframe>

跨域时Iframe高度自适应
在主页面和被嵌套的iframe为不同域名的时候，就稍微麻烦一些，需要避开JavaScript的跨域限制。

原理：现有iframe主页面main.html、被iframe嵌套页面iframe.html、iframe中介页面agent.html三个，通过main.html（域名为http://www.ccvita.com）嵌套iframe.html（域名为：http://www.phpq.net），当用户浏览时执行iframe.html中的JavaScript代码设置iframeC的scr地址中加入iframe页面的高度，agent.html（域名为：http://www.ccvita.com）取得传递的高度，通过JavaScript设置main.html中iframe的高度。最终实现预期的目标。

演示地址：http://www.ccvita.com/wp-content/uploads/demo/iframe/main.html
代码下载：http://www.ccvita.com/wp-content/uploads/demo/iframe/iframe.zip

iframe主页面main.html

< !DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html xmlns="http://www.w3.org/1999/xhtml">
<head><title>iframe主页面</title></head>
<body>
<div style="border:1px solid #ccc;padding:10px;">
<iframe id="frame_content"  name="frame_content" src="iframe.html" width="100%" height="0" scrolling="no" frameborder="0"></iframe>
</div>
<br />尾部<br />
</body>
</html>

iframe嵌套页面iframe.html

< !DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html xmlns="http://www.w3.org/1999/xhtml">
<head><title>被iframe嵌套页面</title></head>
<body>
文字<br /><br /><br /><br /><br /><br /><br /><br /><br /><br />
文字<br /><br /><br /><br /><br /><br /><br /><br /><br /><br />
文字<br /><br /><br /><br /><br /><br /><br /><br /><br /><br />
文字<br /><br /><br /><br /><br /><br /><br /><br /><br /><br />
<iframe id="iframeC" name="iframeC" src="" width="0" height="0" style="display:none;" ></iframe>
<script type="text/javascript">
function sethash(){
    hashH = document.documentElement.scrollHeight;
    urlC = "agent.html";
    document.getElementById("iframeC").src=urlC+"#"+hashH;
}
window.onload=sethash;
</script>
</body>
</html>

iframe中介页面agent.html

< !DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html xmlns="http://www.w3.org/1999/xhtml">
<head><title>iframe中介页面</title></head>
<body>
<script>
function  pseth() {
    var iObj = parent.parent.document.getElementById('frame_content');
    iObjH = parent.parent.frames["frame_content"].frames["iframeC"].location.hash;
    iObj.style.height = iObjH.split("#")[1]+"px";
}
pseth();
</script>
</body>
</html>

本文链接

【转】MAQETTA: 基于HTML5的开源可视化界面设计工具

2011-04-14T01:18:00Z

本文转自：http://www.showeb20.com/?p=3168

Maqetta 是IBM在昨天Impact 2011大会上发布的一款基于完全HTML5的界面设计工具，操作所见即所得，并且开源。

Maqetta 是IBM在昨天Impact 2011大会上发布的一款基于HTML5和AJAX技术的原型界面设计工具，提供了WYSIWYG所见即所得的编辑模式，用户仅仅需要拖曳鼠标即可完成对界面上复杂Widget的布局和摆饰。在Impact 2011大会上，IBM 同时宣布将该项目捐赠给Dojo 开源基金会；这意味着，任何人都可以随意下载Maqetta 源代码并部署安装在自己的服务器上；同时允许开发者自定义源码来满足自己个性化的需求。

回顾过去写的几篇文章，其中精挑细选，9款基于Web浏览器的线框图绘制软件，相信对Maqetta这款产品比较关注的同学同样会对那篇文章比较感兴趣。

本文链接

高效能人士的七个习惯

2011-03-30T01:53:00Z

习惯一:积极主动——个人愿景的原则

人性本质是主动而非被动的，不仅能消极选择反应，更能主动创造有利环境。采取主动并不表示要强求、惹人厌或具侵略性，只是不逃避为自己开创前途的责任。

我经常劝导有意更上一层楼的人，加倍积极进取，不妨做爱好和能力的测验，研究适合从事的行业。甚至设法打听试图加入的机构正面临何种难题，然后以有效的表达方式，向对方证明自己能够协助他们解决问题。

积极主动与消极被动有天壤之别，尤其再配合聪明才智，差距就更远了。想要生命的产能与产出平衡，进而追求圆满人生，主动精神实在不可缺少。

任何团体，包括企业、社会团体及家庭，都可以汇集各个成员的聪明才智，对环境主动出击，以达成群体的共同目标，建立积极主动的企业文化。

　　习惯二:以终为始——自我领导的原则

太多人成功之后，反而感到空虚;得到名利之后，却发现牺牲了更可贵的事物。因此，我们务必掌握真正重要的愿景，然后勇往直前坚持到底，使生活充满意义。

我因为主持一项研讨会而住进一家旅馆，由于到得太迟，已无餐点可用。前台人员却主动表示，可以到厨房跑一趟，还殷切询问:“您要不要先看看会议厅？有没有需要我效劳的地方？您还需要其他东西吗？”当时并没有主管在旁边监督。

第二天研讨会开始，我发现所带的色笔不够，便趁空抓住一名服务员，说明困难。他瞥了我的名片一眼，然后说:“柯维先生，我会解决这个问题的。”

他并没有推脱:“叫我到哪儿去找。”或者:“请你问前台。”他一口承担下来，而且表现出为服务深感荣幸的样子。

事后我请教经理秘诀，他拿出了要求所有员工遵守的两份宣言。这两份宣言代表整个旅馆的中心思想，无怪乎营运成绩斐然。它既有助于

员工与顾客、员工与员工之间的关系，也决定了主管的领导方式，甚至影响到人员的招募、训练与薪资福利。

　　习惯三:要事第一——自我管理的原则

有效管理是掌握重点式的管理，它把最重要的事放在第一位。由领导决定什么是重点后，再靠自制力来掌握重点，时刻把它们放在第一位，以免被感觉、情绪或冲动所左右。有效的个人管理可分为四个步骤:

确定角色——写下个人认为重要的角色。假若以往不曾认真考虑这个问题，就把这时闪过脑际的角色逐一写下。

选择目标——为每个角色确定未来一周欲达成的２至３个重要成果。

安排进度——根据上面所列目标，安排未来７天的行程。

逐日调整——每天早晨依据行事历，安排一天的大小事务。

　　习惯四:双赢思维——人际领导的原则

利人利己者把生活看做一个合作的舞台，而不是一个角斗场。一般人看事情多用二分法:非强即弱、非胜即败。其实世界之大，人人都有足够的立足空间，他人之得不必就视为自己之失。

利人利己可使双方互相学习、互相影响及共蒙其利。要达到互利的境界必须具备足够的勇气及与人为善的胸襟，尤其与损人利己者相处更得这样。培养这方面的修养，少不了过人的见地、积极主动的精神，并且以安全感、人生方向、智慧与力量作为基础。

想达到利人利己，须从自身的“品德”着手，建立起互利“关系”，进而获得两全其美的“协议”。协议则有赖合理的“制度”配合，经由正确的“流程”来完成。

　　习惯五:知彼解己——同理心交流的原则

若要用一句话归纳我在人际关系方面学到的一个最重要的原则，那就是:知彼解己——首先寻求去了解对方，然后再争取让对方了解自己。这一原则是进行有效人际交流的关键。

同理心倾听的出发点是为了理解而非为了回应，也就是透过言谈明了一个人的观念、感受与内在世界。同理心和同情有些差别，同情掺杂了价值判断与认同。有时人际关系的确需要多一份同情，但却易养成对方的依赖心。同理心也不代表赞同，而是指深入了解对方的感情与理智世界。

同理心倾听不只是理解个别的词句而已。据专家估计，人际沟通仅有一成通过语言来进行，三成取决于语调与声音，其余六成则得靠肢体语言。所以在同理心倾听的过程中，不仅要耳到，还要眼到、心到;用眼睛去观察，用心灵去体会。

　　习惯六:统合综效——创造性合作的原则

统合综效的基本心态是：如果一位具有相当聪明才智的人跟我意见不同，那么对方的主张必定有我尚未体会的奥妙，值得加以了解。

与人合作最重要的是重视不同个体的不同心理、情绪与智能，以及个人眼中所见到的不同世界。假如两人意见相同，其中一人必属多余。与所见略同的人沟通毫无益处，要有分歧才有收获。

统合综效的观念源自一种自然现象:全体大于部分的总和。有些不同种的植物生长在一起，根部会互相缠绕，土质因而改善，植物也比单独生长时更为茂盛。两块木头所能承受的力量大于个别承受力的总和，两种药物并用的疗效也可能大于分开使用之和。这说明1+1等于3，甚至更多。

创造性合作不仅对人际关系非常重要，对个人也十分重要。凡擅长语言、逻辑，即左脑较为发达的人终会发现，有些需要创造力来解决的问题，理性是无能为力的。惟有运用久已闲置的右脑，使右脑主司的直觉与创造力与左脑相配合，共同运作，才能解决更多的难题。

　　习惯七:不断更新——平衡的自我更新原则

人生最值得的投资就是磨练自己，因为生活与服务他人都得靠自己，这是最珍贵的工具。

工作本身并不能带来经济上的安全感，具备良好的思考、学习、创造与适应能力，才能立于不败之地。拥有财富，并不代表经济独立，拥有创造财富的能力才真正可靠。

假使看到一名伐木工人，为了砍一棵树已辛苦工作了５个小时，筋疲力竭却进展有限，你当然会建议他:“为什么不暂停几分钟，把锯子磨得更锋利？”

在这里我必须强调“工欲善其事，必先利其器”的观念，习惯七的主旨就是磨练自己，从身体、精神、心智、社会情感等四个方面，增进个人产能，累积其他修养的本钱。这种修养功夫完全得靠自己，旁人无法越俎代庖，它属于重要而不紧急的事。

上述七个习惯之间，都存在着密不可分的关系。愈是积极主动，就愈能掌握人生方向，有效管理人生。能够不断砥砺自己的人，方懂得如何了解别人，寻求圆满的解决之道。同理，一个人愈独立，就愈善于与人相处。磨练自己，则可以提升前六个习惯的境界。

如果我们每日坚持由内而外的修身功夫，就一定会带来成果。在播种、除草、培植幼苗的过程中，定能感受到成长的激动，并最终尝到和谐圆满生活结出的鲜美硕果。

通过把自己的生活建立在正确的原则上，在办事和增强办事能力之间平衡，我们就能获得能力，创造圆满平静的生活。

本方内容来自网络，版权归原作者所有，若该转载侵犯了您的版权，请留言。

本文链接

有《基于行块分布函数的通用网页正文抽取》想到的

2011-03-28T09:12:00Z

说明：《基于行块分布函数的通用网页正文抽取》是哈尔滨工业大学信息检索研究中心陈鑫 (Xin Chen) 的研究成果，详细看这里：http://code.google.com/p/cx-extractor/ ，完整算法及C#实现从这里下载：http://files.cnblogs.com/ideas/TextExtractor.rar

看了这个算法之后，对网页内容的抓取，很有启发。如果要实现抓规则的通用性，就得找出网页大众化的设计规律。比如新闻，首先仿照该算法去除所有html标签，然后提取body内的文本。一般情况下，标题都会占用单独的一行，所以就可以使用“行文本”与title对比，如果该行内容与title开头一样，则可以认为是网页标题开发。而新闻的发布时间的位置大部分是放在标题与正文之间，所以这样就可以从标题往后解析，如果“行文本”包含有时间格式的文本，即可认定是发布时间。新闻其它字段提取方法类似。

如何判断一个URL是否是新闻最终页？可以使用机器学习的方法，使用上面方法提取新闻正文，如果成功，则解析该URL转换为正则，然后拿该正则去匹配其它的URL，如果成功数超过一定的阀值，则认为是新闻最终页。

如何判断一个URL是否是新闻列表页？根据新闻最终页引用地址判断，如果最终页来源于某个网页的数量超过一个阀值，则认为该页是新闻列表页。

另外今天发现.net使用正则\w匹配的结果竟然把中文字符也给算进去了。不知何解。

本文链接