@dfgddgf 你每秒要爬多少网页啊？

要不你放点要爬的网页出来？可能有热心观众给出自己的爬法，和爬取速度统计

@humbass xpath 不是 Python 的，只是 lxml 库的一个功能。这个库好像不支持 css 风格的查询

换成 BeautifulSoup 库就支持了：xxx.select('#tabItem0')

另外，我还是觉得 xpath 更方便描述 xml html

@humbass js 本身也没有啥特别的语言特性，是用于描述 DOM 的吧

你是想说，无头浏览器能方便地，执行一些自己的 js 代码？

@humbass 问一下，看起来都是调包，Python 是有啥明显的坑吗？

若是安卓的话，这里有篇[文章]( https://zixijian.github.io/2020/09/01/007.html)，里面有提到：如何在 Linux Deploy 中，编程读取手机电量、控制是否允许充电等

@agagega 那想得差不多一样，针对各个部分（行政区划代码、出生年月日、顺序码）进行各自编码，减少不必要的编码位浪费

也确实如你所说，意义不大。。

@dcsuibian

修改一下：

`身份证号 / 1e5 % 1e8 < 19870912` 应该可以改成 `身份证号 % 1e13 < 1987091200000`


> 写身份证片段，然后列出所有相关的

这个需求，是不是要一直扫表了。。

实在不行，就实时转换成原身份证号再 LIKE 呗：

CONCAT(身份证号 DIV 100, MID('0123456789X', 身份证号 % 100 + 1, 1)) LIKE ...

@dcsuibian 假设用『校检位视为两位数（那么身份证就是 19 位）』方法：

（`SQL` 大意，具体写要改成 `DIV`、`CAST(1e13 AS UNSIGNED)` 等）


1. 查找所有 x 省 y 市 z 区 /县 的人

- 不用索引：`身份证号 / 1e13 = 123456`

- 要用索引：`身份证号 BETWEEN 1234560000000000000 AND 1234569999999999999`


2. 查找所有 35 岁以上的人

- 不用索引：`身份证号 / 1e5 % 1e8 < 19870912`


3. 查找所有 x 省 y 市 z 区 /县 20 岁 ~ 35 岁 的人

- 要用索引：`身份证号 BETWEEN 1234561987091200000 AND 1234562002091299999`

@agagega 分段存。。咋存能 < 50 位？

是想办法去除不可能存在的数字吗？

比如用 16 位来存出生年月日（足够 180 年）？

@IvanLi127 @dcsuibian 一般身份证的模糊搜索，都是些啥需求呢？

- 查找所有 x 省 y 市 z 区 /县 的人？
- 查找所有 35 岁以上的人？
- 查找所有 x 省 y 市 z 区 /县 20 岁 ~ 35 岁 的人？

@iseki 那就正负号代表校检位是否不为 X 呗。。比如：

- 123456789012345678 会存储为：123456789012345678
- 12345678901234567X 会存储为：-123456789012345670

需要使用 1 位符号位 + ⌈ log2(10^18) ⌉ = 1 + 60 = 61 位

@iseki

> 可以是可以，主要会不直观，如果只是简单去掉最后一位，不影响以十进制方式阅读

那『校检位视为两位数（那么身份证就是 19 位）』适合你啊。比如：

- 123456789012345678 会存储为：1234567890123456708
- 12345678901234567X 会存储为：1234567890123456710

其实 int64 可以完全存下，包括校检位在内的，完整身份证号：

1. 用 ⌈ log2(10^17) ⌉ = 57 位来存前 17 位数字
2. 用 ⌈ log2(11) ⌉ = 4 位来存校检位

还剩 64 - 57 - 4 = 3 位空闲


或者，校检位视为两位数（那么身份证就是 19 位），刚好可用 ⌈ log2(10^19) ⌉ = 64 位存下

@wdc63

> @LaTero 的算法应该不能保证结果是唯一的

这不就是你的 a*(b 的位数+1) + b 的二进制版么。。

要不，举个反例？

@wdc63 a, b 都在 10W 以下，那么共有 10W ^ 2 = 100 亿 种可能 > uint32 ≈ 42 亿，不可能不超出 int32 范围？

好奇，有这个需求，为啥会这样分表。。

150

火绒不是有 安全工具 - 弹窗拦截 - 截图拦截 吗

用 shell 写了一个：

功能：查找当前路径下所有 *.webm 文件，以文件名『 xxx 网页地址「 yyy 」.zzz 』中的「 yyy 」为分组依据，输出每组中（文件大小最小）的文件名

find . -name '*.webm' -printf '%s\t%p\n' | jq -Rsr '[capture("(?<size>\\d+)\\t(?<path>.*网页地址(?<key>.+)\\..+)"; "g")] | group_by(.key)[] | sort_by(.size | tonumber)[0].path'