易栈网-膘叔

以前的博客文章里介绍了什么是行为：

而行为分析也是做网站的所非常关注的。每年艾瑞斯咨询都会公布一些网上的用户的行为分析报告，这些都是参考资料啊

而我这次所说的，其实只是一个意外，然后引发出来的：用户其实很笨。这句话我不记得是史玉柱说的还是谁说的了。

昨天的事情其实是这样的。我打开一部片子，不知道按了什么快捷键，结果，动画片成中文的声音了。说实话，真的很意外，我发现切换声道后又有英文了。你们看到我这样会认为我的操作很奇怪，但事实上一点也不奇怪。自从播放器越来越高极后，字幕也成了外挂后，我真的忘记可以用声道来切换语音了。再加上也不是每部电影都会有多语音的。慢慢的也就忘了这个功能了。。。。

天涯，这么大的网站，贴子的内容页样式几乎没变过，为什么我不知道，我只知道，用户很笨，因为就怕一变之后找不到操作了。

做网站的都面临这样的情况，网站一改版，就要面临用户习惯的改变：平时这个连接都在左边的现在提上去一点点，我找不到了。。。

以前有一个网站可以提供用户点击热区的。。。现在找不到那个网站了。意外啊。

其实我只是乱说，莫介意

 

搜索，一直是一个比较大型的工程，效率和匹配就是众人所关心的。而对于搜索引擎来说，数据总量、重复度、抓取等，又是一项复杂的工程

以下来自博客园，纯属参考。。。
原文如下：

一晃时间就过去了一个月的时间了，从找到工作到现在也有一个月的时间了。

回顾这一个月的时间，感觉学习了一些东西，但是没有到理想的效率。

从10月25日差不多正式的开始了解搜索引擎算起，到11月25日，列举一下完成事情的内容，以后这些内容的记录要更频繁一些，也需要分享些经验。东西堆在一起之后就不太想记录下来了。

10月25日 - 11月6日， 看了一下Managing Gigabytes（以下简称MG）这本书，感觉还是很不错的一本书，翻译版叫做《深入搜索引擎》，作者是新西兰的一位教授，属于比较严肃的类型，但是对 知识点讲的还是非常的细，特别是文本压缩，索引，查询，索引构造讲得不错，都是比较传统的方法，最先进的一些方法没有怎么涉及，怪不得是作为 Stanford的教科书和参考书。

11月6日 - 11月12日，lw告诉我，需要下载百度知道，和天涯问答的内容，这样可以构建自己的语料库，程序语言就用perl吧。

    于是花了两天来看了下perl，一个非常好用的工具，字符串处理超方便，就是效率不怎么样，可能是我太菜了的原因吧，呵呵。

    下载网页的内容无外乎就是做一个简单的爬虫，MG书中没有讲，又去网上查了一些资料，简单的爬虫设计其实挺简单，不停的分析web页面中的html含有的链接，把需要的页面写到文件里面去，这块使用perl天生的正则表达式非常的容易，代码也很短。

    百度的网页最好下载，甚至连正则表达式都不需要，因为百度知道的链接是如 http://zhidao.baidu.com/question/126947921.html ，把.html之前的9维数字进行枚举就可以了。

    天涯问答的稍微复杂一点，主要需要分析链接的类型，如果是如同

    http://wenda.tianya.cn/wenda/thread?tid=40734b71c6b7a07e这样的形式，也就是中间含有thread的，则为问题

    如果是

    http://wenda.tianya.cn/wenda/label?lid=68aa0de477338ddc& clk=cts_ls，也就是中间含有label的，则为一类问题的集合， 把集合想象为树的节点，问题想象为树的叶子，进行宽度优先搜索或者深度优先搜索就可以了。

    如果需要perl源程序的可以跟我联系。

11月12日 - 11月22日， 看了一些Information Retrieve这本书，看了其中的一些内容，好些不太懂，看英文还是有点费力-_-，这本书写得我感觉比MG要轻松易懂一点，主要看了看 Clustering（聚类）和Classification（分类）的方法，主要有kNN与向量法。

    学会了用perl处理下载下来的网页，将无用的信息删除，比如一篇内容就剩下分类和主要的文本内容，html标签和一些无用的东西都删除了。

    学会了基本的分词算法，最简单的分词算法是正向，反向，最大匹配法，在这基础上有一个叫做双向最大匹配法，其实就是在正向和反向分词做完之后选择一个结果更好的，可以认为留下的单字越少越好，也可以认为分出的词数越少越好，分词后的结果可能是下面的

(不然)\引用\起来\必然\要\出现\牵强\附会\(的)\

    括号括出来的是停用词，看起来效果还是不错把，呵呵。 另外对诗句的处理就是用了一些小小的trick，可能造成的错误很多，仅仅是做个实验。

11月24日 - 11月28日 这几天不幸感冒，今天才算缓过气来，准备一下计划吧。

另外公布一个我注册的google code地址作为我的第一篇日志的总结，如果有需要的朋友可以任意使用里面的内容，包括了我的代码和一些我找到的参考资料，可以无责任的使用他们，另外如果有朋友想要扩充这个知识库，可以联系一下我

http://code.google.com/p/mynlp/ 

原文地址：http://www.cnblogs.com/LeftNotEasy/archive/2009/11/27/1612144.html

真的没有想到opera会被咔嚓掉，所以看wap网站就。。。。 默认的浏览器无法看wap网站，很意外的，但又可以理解，毕竟电脑上的chrome也看不了老的wap网站。 所幸还有ucweb，最初的版本是java的，如今已经是apk的了，不错的软件呢。 本文就是在手机上使用ucweb发表，手机打字真的很累

关于以下内容，我对于数据库那段还真的不知道。。。原来可以通过这样的方式来强制执行我们一直会遗忘的那句话：set names utf8。。。

PHP中文乱码一般是字符集问题，编码主要有下面几个问题。

一．首先是PHP网页的编码

1.     php文件本身的编码与网页的编码应匹配

a.     如果欲使用gb2312编码，那么php要输出头：header(“Content-Type: text/html; charset=gb2312")，静态页面添加<meta http-equiv="Content-Type" content="text/html; charset=gb2312">，所有文件的编码格式为ANSI，可用记事本打开，另存为选择编码为ANSI，覆盖源文件。

b.     如果欲使用utf-8编码，那么php要输出头：header(“Content-Type: text/html; charset=utf-8")，静态页面添加<meta http-equiv="Content-Type" content="text/html; charset=utf-8">，所有文件的编码格式为utf-8。保存为utf-8可能会有点麻烦，一般utf-8文件开头会有BOM，如果使用 session就会出问题，可用editplus来保存，在editplus中，工具->参数选择->文件->UTF-8签名，选择总 是删除，再保存就可以去掉BOM信息了。

2.     php本身不是Unicode的，所有substr之类的函数得改成mb_substr（需要装mbstring扩展）；或者用iconv转码。

二．PHP与Mysql的数据交互

PHP与数据库的编码应一致

1.     修改mysql配置文件my.ini或my.cnf，mysql最好用utf8编码

2.     在需要做数据库操作的php程序前加mysql_query("set names '编码'");，编码和php编码一致，如果php编码是gb2312那mysql编码就是gb2312，如果是utf-8那mysql编码就是 utf8，这样插入或检索数据时就不会出现乱码了

三．PHP与操作系统相关

         Windows和Linux的编码是不一样的，在Windows环境下，调用PHP的函数时参数如果是utf-8编码会出现错误，比如 move_uploaded_file()、filesize()、readfile()等，这些函数在处理上传、下载时经常会用到，调用时可能会出现下 面的错误:

 

     在Linux环境下用gb2312编码虽然不会出现这些错误，但保存后的文件名出现乱码导致无法读取文件，这时可先将参数转换成操作系统识别的编码，编码 转换可用mb_convert_encoding(字符串,新编码,原编码)或iconv(原编码,新编码,字符串)，这样处理后保存的文件名就不会出现 乱码，也可以正常读取文件，实现中文名称文件的上传、下载。

    其实还有更好的解决方法，彻底与系统脱离，也就不用考虑系统是何编码。可以生成一个只有字母和数字的序列作为文件名，而将原来带有中文的名字保存在数据库 中，这样调用move_uploaded_file()就不会出现问题，下载的时候只需将文件名改为原来带有中文的名字。实现下载的代码如下

$file_type是文件的类型，$file_name是原来的名字，$file_path是保存在服务上文件的地址。

本文来自CSDN博客，转载请标明出处：http://blog.csdn.net/wufongming/archive/2008/11/08/3256186.aspx

网上找了N多资料，翻阅了大量网站。一些国外虚拟主机对比啥的也都看了一遍。最后，我选择了bluehost

算是盲目中的选择吧？但最主要的可能还是搜索到的一些：bluehost因为不能做成人网站，所以被国内墙的机会比较小。

购买还算比较方便，直接支持信用卡【双币的都支持】。在支付了一年的费用后，走上了国外虚拟主机的路。在人没有出去前，我的网站已 经先我一步到了国外。

cpanel的设置让一开始的我有点头晕 ，但我还是挺过来了。

bluehost默认没有开启ssh，需要你发送一张身份证照片【扫描或者拍摄的都行】给他们就行了。为了防止滥用，我在图片上打上了巨大的水印【ONLY FOR BLUEHOST / ENABLE SSH CLIENT】，所幸，我通过了。（大约10分钟左右就收到开通邮件了，网上很多人说老外不太认中国身份证，很多人提交了也被咔嚓了。）

有了ssh，事情稍微好了一点，但 事实上，管理不了系统设置之类的，也就只能做做普通操作了。用ssh上去wget还是可以的。。

添加域名和绑定域名，我折腾了很久，还好，又搞定了。。。

事情总算有点顺利