Save The Web Project
·
STWP 2025 第 20-25 周合并周报
内容提要
过去五周专注于Zeno项目，进行了代码重构、日志彩色化和CSS解析器的引入。同时，利用TF-IDF分类器识别并标记了xLog上的垃圾文章账号，并改善了GitHub页面的存档效果，增加了存档功能。
关键要点
-
过去五周专注于Zeno项目，没有进行其他存档项目。
-
第20-21周对Zeno处理对象存储的代码进行了重构，添加了解析Azure Blob的能力。
-
第20-21周让Zeno终端输出的日志变为彩色。
-
第23周引入了标准CSS解析器，替换了原本的正则提取方式。
-
第25周发现xLog上有一半的新文章是垃圾文章，使用TF-IDF分类器识别并标记了垃圾账号。
-
第25周支持提取CSS的@import链接，并完整支持解析HTML嵌入和引用的CSS资源。
-
第25周发现上游的CSS解析器不支持CSS Nesting和现代CSS语法，写了更鲁棒的正则作为备用解析器。
-
在调试CSS过程中发现VSC自带的CSS高亮未适配新语法标准，并提交了PR。
-
改善了对GitHub Issue页面的存档效果，向Zeno添加了Headless/Headfull存档功能。
延伸解读
Zeno项目的进展与挑战
在过去五周中，Zeno项目的重构和功能增强显著提升了其处理能力，尤其是对Azure Blob的支持。然而，开发者在实现现代CSS语法解析时遇到了一些挑战，尤其是上游解析器的不兼容性。这提醒我们在技术更新时，需关注兼容性问题，以避免后续的维护困难。
垃圾文章识别的重要性
通过TF-IDF分类器识别xLog上的垃圾文章账号，显示了对内容质量控制的重视。随着信息量的增加，垃圾内容的识别变得尤为重要，这不仅影响用户体验，也关系到平台的信誉。开发者应持续优化识别算法，以提高准确性和效率。
CSS解析器的演变
引入标准CSS解析器替代原有的正则提取方式，标志着Zeno在技术上的进步。尽管新解析器提升了准确性，但仍需注意其对现代CSS特性的支持不足。开发者在选择工具时，应考虑其长期维护和更新的可行性，以确保项目的持续发展。
延伸问答
Zeno项目在过去五周的主要进展是什么？
Zeno项目进行了代码重构、日志彩色化和CSS解析器的引入，同时改善了GitHub页面的存档效果。
在第20-21周，Zeno项目做了哪些具体的改动？
在第20-21周，Zeno项目重构了处理对象存储的代码，并添加了解析Azure Blob的能力，同时让终端输出的日志变为彩色。
TF-IDF分类器在xLog项目中是如何应用的？
TF-IDF分类器被用来识别并标记xLog上的垃圾文章账号，发现一半的新文章是垃圾文章。
Zeno项目引入标准CSS解析器的原因是什么？
引入标准CSS解析器是为了替换原本容易产生误报的简陋正则提取方式，提高解析的准确性。
在第25周，Zeno项目对CSS的支持有哪些新功能？
第25周，Zeno项目支持提取CSS的@import链接，并完整支持解析HTML嵌入和引用的CSS资源。
Zeno项目在调试CSS时发现了什么问题？
在调试CSS过程中，发现VSC自带的CSS高亮未适配新语法标准，并提交了PR进行修复。
