建议复制粘贴<br><br>
<div><span class="gmail_quote">在07-4-17，<b class="gmail_sendername">Achilles Xu</b> <<a href="mailto:formalin14@gmail.com">formalin14@gmail.com</a>> 写道：</span>
<blockquote class="gmail_quote" style="PADDING-LEFT: 1ex; MARGIN: 0px 0px 0px 0.8ex; BORDER-LEFT: #ccc 1px solid">使用现成的数据存储方案，比如bdb，mysql，或者自己定义文件存储。记录下每个url的状态（已抓/未抓）即可。<br><br>
<div><span class="gmail_quote">在07-4-10，<b class="gmail_sendername">zongzi</b> <<a onclick="return top.js.OpenExtLink(window,event,this)" href="mailto:honghunter@gmail.com" target="_blank">honghunter@gmail.com</a>> 写道：
</span>
<blockquote class="gmail_quote" style="PADDING-LEFT: 1ex; MARGIN: 0pt 0pt 0pt 0.8ex; BORDER-LEFT: rgb(204,204,204) 1px solid">问一个可能很傻的问题：<br>我尝试抓取网上的小说看。<br>我还不会弄数据库什么的，我的处理过程就是：脚本+txt+批处理+wget。<br>脚本作些简单的数据提取，例如从一个用wget抓到的html网页中，取出URL，然后生成批处理文件。
<br>TXT是我现在的各种数据的存储方式。<br>批处理的作用就是调用wget，把URL作为参数去下载网页。<br><br>现在的问题是，我希望能处理一部分之后，断了，还能继续接着处理。<br>该怎么处理这些正在下载、已经下载、等待下载什么的状态哪？<br>或者说，怎么用文件保存一个列表中处理了一半的位置，下次能从这里开始继续处理？<br><br><br>--<br>这是一个有钱人的世界，与我的世界截然不同！<br>_______________________________________________
<br>China-pm mailing list<br><a onclick="return top.js.OpenExtLink(window,event,this)" href="mailto:China-pm@pm.org" target="_blank">China-pm@pm.org</a><br><a onclick="return top.js.OpenExtLink(window,event,this)" href="http://mail.pm.org/mailman/listinfo/china-pm" target="_blank">
http://mail.pm.org/mailman/listinfo/china-pm</a></blockquote></div><span class="sg"><br><br clear="all"><br>-- <br>---------------------------<br>Achilles Xu<br><a onclick="return top.js.OpenExtLink(window,event,this)" href="http://www.lazycode.org/achilles/" target="_blank">
http://www.lazycode.org/achilles/</a> </span><br>_______________________________________________<br>China-pm mailing list<br><a onclick="return top.js.OpenExtLink(window,event,this)" href="mailto:China-pm@pm.org">China-pm@pm.org
</a><br><a onclick="return top.js.OpenExtLink(window,event,this)" href="http://mail.pm.org/mailman/listinfo/china-pm" target="_blank">http://mail.pm.org/mailman/listinfo/china-pm</a><br></blockquote></div><br>