2011-10-28

Sematic Web & Crawlzilla

• 延續 2010-11-14
  • 由於注意到 Google Reader 訂閱時會出現歷史的紀錄，因此最近在思考能否從歷史 RSS 當作爬取資料的來源（Ex. 給抓抓龍用），所以查了一下有沒有類似的作法。Google 的文章解釋了可行的作法：
    • ​Reconstruct a Feed's History Using Google Reader

      http://www.google.com/reader/atom/feed/FEED_URL?r=n&n=NUMBER_OF_ITEMS
      

• 延續 2010-11-15
  • ​ReadItLater 的 API - 拿來爬平常標記起來的網址
• ​Evernote 的 API - 如果有用 Evernote 寫筆記的人，應該也可以拿來統計筆記的內容

Crawlzilla

• 我從 ​readitlater 的網站上，使用 export HTML 功能，把未讀的書籤匯出成 HTML 檔，並上傳到 ​http://cloud.nchc.org.tw/~jazz/ril_export.html
• 使用 demo.crawlzilla.info 設定爬兩層