dannylin

@iX8NEGGn 更新一下。目前已初步完成 WebScrapBook/PyWebScrapBook 2.0 版，主要支援伺服端搜及改料方式，也提供了不少新 API 。有趣相串： https://github.com/danny0838/PyWebScrapBook/issues/65

@iX8NEGGn 魔改套件是你的利，不自套件在安使用上可能遇到署、上架之的麻；而官方套件更新後要同步跟也比麻。一般是比推模式：(1)推官方做；(2)另外做一自套件介接。然，後者可能也需要不少和妥，最後是看你的意。如果你意，或可以把程式也源出及到我的 issue tracker ，我在考是否增加新功能或提供更多套件介接用 API 也比有西可以考。

於「相同 URL 若隔一段後允重取」，目前有做。初自取功能是考版 ScrapBook AutoSave Add-on ，有考更多可能的件，要把些考去，不做一番魔改看起不太可能。其初我就很豫是否要建自取，也最是提供更多 API ，然後像版 ScrapBook 一把自取功能整立成另一套件比合吧。XD

@iX8NEGGn 原如此，你的想法相於做特定，的是我不太可能去需求做的。

如果要用比符合目前框架下的做法，你可以考做：
1. 定自取的面一存到特定剪簿 X 。
2. 把「一收藏到」改成「一取 WebScrapBook 」，假取到特定剪簿 Y 。
3. 一 cron tab 本，以一定率（例如每天）行：
(1) 定所有剪簿
(2) 查 X 的每料，若建立超 n 天，且在 X 以外的剪簿中有相同源址的目，就除。
(3) 解

cron tab 本建用 Python ，可以一定程度上用 PyWSB 有的 API 。

至於 @iX8NEGGn 提到的：


1. 於全文索：

如前所述，全文索本就有提供，了支援面等相容性考量，目前是做成客端索，也就是要先下所有全文快取再始索。

至於料量很大的情，要看路和器。如果後端架在本地，一般不有太太；如果架在端，以目前的路件，下十 MB 的全文快取也不是太大。

作考，我人的一主要剪簿有 27 年的料， 3 千目，10 案，2.0GB ，全文快取 54MB 。伺服器架在端的情下，索不有太大的延（ nginx 送全文快取料自，大概只剩 26MB 左右），手稍微慢些，不不在速，而在手理器的性能。

如果心下全文快取吃光流量，WSB 套件有提供限制快取大小的功能，行端可以拒入太大的全文快取（仍可以用、等其他件索）。

PyWSB 支援多剪簿，每剪簿都有立的快取。可以把常用料集中在本剪簿，不常用的放到其他本，平只在前者索，就可以小化入不必要的快取的效能。

未可能考做伺服端的全文索，客端就不必下整全文快取了。

如果有裕，或可能做支援 js 以外的全文索引格式，以付不同需求。


2. 於自取整合：

我人很少用自取，因差取的面作用不大，大多料都不用到，徒然影效能和空；而 Web 用如 SNS ，也很用自取抓到想要的容。但如果要用，可以定取到立的剪簿，和常用料分，把干到最小。

整合也是。就我人的使用方式而言，通常是用於某些常去的「站」，而剪簿是「」，者本上就不同，也就不生既要加又取的情。而於想著的「」，WSB 也有取成目的功能。

我人法理解什要既加又自取，要除後同步除取？那和直接取用特定剪簿／料分有何？

法理解的需求，我大概也不不考做。如果真的想做，可以考成另一器套件，以便提供器整合，也可以透 external message 接入 WSB 套件和 PyWSB 做到自取。

至於像自除料之的功能，可以另套件接入 PyWSB 理。或者也可以考成 cron job 。

未 PyWSB 可能做剪簿 CRUD 的 Python 模、命令列、及 web API 接口。到第三方工具更方便。


是，但在有太多工作，做那些可能是很久以後了。如有高手感趣，倒是迎加入行列。

我是剪簿（ WebScrapBook ，WSB ）的者，最近碰巧看到帖，也想法。

主提到的功能 WebScrapBook + PyWebScrapBook 足以解，因二者本就是集取、管理、加、索、跨置存取的方案：
- 取：有
- 存到端伺服器：有
- 多存取：可以。能安 WSB 的器都可以存取；不能安的也可以透索引面存取，或透 Web 界面做有限度的。
- 全文索：可以。而且支援的索件相富，比如在任意一或多本剪簿中索、限定在任意多下索、RegExp 匹配索等等。

如果手上都是 SingleFile 取的，PyWSB 也提供命令列工具入到 WSB 。（：wsb convert file2wsb -h ）

便下存格式，在 WSB 的文件就有[分析]( https://github.com/danny0838/webscrapbook/wiki/FAQ-(zh_TW)#%E5%A6%82%E4%BD%95%E9%81%B8%E6%93%87%E6%93%B7%E5%8F%96%E7%B6%B2%E9%A0%81%E7%9A%84%E5%84%B2%E5%AD%98%E6%A0%BC%E5%BC%8F)。我人使用上乎都是取料包 HTML+源，只在少情使用一 HTML 或 MAFF 等格式，主要理由是：
1. 料放在伺服器上透器，形式效能最好。加、、回存、或全文索也是如此。（比如全文索引器只要爬 HTML 就好，一 HTML 案得的肥大 base64 料一起爬）
2. 最容易版控系整合。我可以不定把料 Git 版控，比差或原料。一 HTML 嵌太多可能是重的 base64 ，料肥，也不利差比。
3. 一 HTML 先天就法多互相的，所以像深取、合取都是只有 WSB 才支援的功能。

容可以在任何站（包括百度、Google 、Bing ）示相，看到示不要就好了。