巴别塔上的雇工

这个片的编导似乎想说明，夫差好歹算是一个有情有义的大丈夫，这比称王称霸重要，现在电视的访谈节目上衣冠楚楚的企业家都喜欢说“要做事，先做人”，貌似主旋律都一样，不过且慢，人家叫你学会做人，没说让你学会做好人啊:) 做事都要有个基本道德，企业的基本道德就是赚钱，国家的基本道德就是强大，所以就有必要刺探对手的情报，攫取别人的信息，企业尚有法律约束，国家之间无所不用其极，输了就是输了，有情有义的loser也是loser。

上周六去郊区滑雪，滑雪场在平谷区，虽然还是北京地界，但还要借道河北才到。

北京今年就没怎么下雪，雪场的雪都是人造的，和真雪没什么差异。据说“暖冬”气候重创了欧洲阿尔卑斯山地区的旅游业，虽然他们也有造雪机，但是欧洲人讲究，不是真雪还不乐意去，所以滑雪场门可罗雀，但是在中国就是另外一番景象。到雪场就有一个感受——中国人真是多啊！虽然拥挤得很显得不方便，但是好歹有这么多中国人出来休闲，说明至少文明进步了一些。

这是我第一次滑雪，这运动上手还是比较快，平地滑没什么问题，兜了几圈就想上初级道玩把带坡度的。上初级道排队等托纤就要半天，然后抓着托纤滑好几分钟才到坡顶。上面不少人跃跃欲试又扭扭捏捏怕摔着，叨叨叨在那里光说不练，我瞅个空隙，直接出发了。看别人滑感觉很容易，但是自己一上道，就被速度吓了一跳，一出发就收不住，越来越快，要停下来只好侧过来翻倒，就这样摔了两次，也滑了一半的路程，差不多适应了速度，然后一气滑到坡底，虽然速度快，但是咬牙坚持住不要怕撞着人，也就没问题了:) 第二次又摔了一次，如果有第三次，按照等差数列应该就不会摔了，不过排队等托纤实在太无聊，还是在平地上玩了。

海底光缆被台湾地震绷断之后，工作受的影响很小，公司有专线连到国外出口的proxy，访问国外网站没问题，但是通过这个proxy访问国内网站稍慢，IT提供了北京出口的proxy，通过这个代理访问国内网站就好了。

前几天需要Crawl很多中文、日文、韩文的网页进行统计分析，用perl写的脚本，以几个CJK门户网站为种子开始扒。一开始使用外国出口的proxy，拿日韩的网页嗖嗖的，但是啃国内的网页相对就很慢，要是换成国内proxy那下日韩网页又不行了。一个简单的解决办法，对进入waiting list的URI，不光记录深度(depth)和序列号(Sequence ID)，还记录referer encoding，从waiting list里面拿出一个待crawl的URI记录的时候，根据referer encoding推测出referer的语言，GB2312对应中文简体，EUC-JP和SHIFT-JIS对应日语，EUC-KR对应韩语，BIG-5对应中国台湾繁体，但是似乎台湾网站用什么代理访问都慢，而且语言使用习惯和简体中文没有什么区别，所以不作特殊考虑。如果referer是某种语言，那么它所包含的link也很有可能是这种语言，而且如果是中文网页，很有可能它是在中国大陆，就是用北京出口的代理，其余的用国外代理。一个特殊情况时，如果referer是UTF-8 encoding，理论也可以推导出语言，但是我Crawl这些网页目的就是为了实现这种推导方法，鸡和蛋的关系:) 似乎中国特色的网站还是普遍使用GB2312及其兼容编码，所以referer是UTF-8的情况，还是用国外代理。实验了一晚上，效果还真不错。

用Perl这么一整子，今天要夸一夸这头骆驼。要获得一个hash中所有value，不要重复，比如有

	%hash = qw (gb2312 CN big5 TW euc-jp JP euc-kr KR shift-jis JP);

想要获得一个list包含CN,JP,KR，可以用List Module，不过ActivePerl 5.8.6缺省没有，还是自己动手，丰衣足食，两行就搞定了

	
	my %count;
	@list = grep { ! $count{$_}++ } values %hash;

用values获得所有value的list，但是这是包含重复值的，然后用grep函数筛选，第二个参数是一个block，$_是后面value %hash中每个元素的alias，用一个hash表示是否曾经有重复value。