咱就来聊聊我前阵子捣鼓的那个叫“koukou”的小玩意儿。这名字听着有点怪哈，就是我随口起的一个代号，也没啥特别高大上的含义。主要是想记录一下自己瞎折腾的一个过程，希望能给有类似想法的朋友一点小启发，哪怕是避坑也
起因是啥？
事情是这样的，我平时喜欢关注各种信息，订阅了不少公众号、资讯App什么的。结果，时间一长，手机里各种通知就没完没了，很多还是重复的、或者我不太关心的。那叫一个烦躁！有时候重要的信息反而被这些乱七八糟的给淹没了。我就寻思着，能不能搞个什么东西，帮我把这些信息源头整合一下，然后按照我的喜好筛选筛选，再推送给我？这样我不就能清净不少，也能更高效地获取我想看的内容了嘛
开始动手瞎琢磨
我想得挺简单的。就想着是不是有现成的App能实现这功能。搜了一圈，是有那么些聚合阅读的工具，但要么是定制性不强，要么就是广告太多，用着不爽。有的虽然功能强大，但配置起来又太复杂，就喜欢简单直接点的。
没办法，求人不如求己。我就琢磨着自己动手丰衣足食。我对编程这块儿，也就会点皮毛，属于“三脚猫”的水平。一开始我就想着用一些比较容易上手的工具或者脚本语言来试试看。
第一步，信息抓取。 这是个头疼的问题。不同的App、不同的网站，结构都不一样。有些开放了API还好说，直接调就行。但大部分都没那么友我就尝试着用一些网页抓取的办法，比如分析网页结构，然后写点小程序去扒拉数据。这个过程真是挺磨人的，网页一改版，我这边就得跟着改代码，维护起来那叫一个心累。
第二步，信息筛选。 抓下来的信息五花八门，得想办法过滤掉不想要的。我一开始是简单粗暴地用关键词匹配。比如，我设定了几个我感兴趣的关键词，只有包含这些词的信息才会被留下来。但这么做，有时候会误伤，有时候又会漏掉一些相关的。后来我又琢磨着，是不是可以搞个简单的权重算法，根据信息来源、关键词密度、发布时间什么的，给信息打个分，分数高的优先显示。
第三步，信息整合与推送。 把筛选后的信息汇总到一起，然后怎么推送给我？我试过用邮件，每天定时发一封。也试过用一些即时通讯工具的机器人API，比如钉钉机器人或者企业微信机器人，把信息推送到特定群里。这个环节相对来说还算顺利，毕竟现成的轮子比较多。
中间遇到的坑
过程中遇到的坑可不少：
- 反爬虫策略： 有些网站防抓取做得比较狠，IP封锁、验证码什么的，搞得我焦头烂额。有时候得加上代理IP，还得模拟浏览器行为，真是斗智斗勇。
- 数据格式不统一： 不同来源的数据，格式千差万别，有的是JSON，有的是XML，还有的就是纯HTML。光是解析这些数据，就花了我不少时间。
- 筛选规则的优化： 关键词筛选太死板，权重算法又太复杂，找到一个平衡点挺难的。我来来回回调整了好多次参数，感觉就像在调配方一样。
- 持续维护的麻烦： 就像前面说的，源头一变，我这边就得跟着动。这“koukou”项目，简直成了个需要不断照料的小孩儿。
最终的效果和一点心得
折腾了好一阵子，这个“koukou”系统总算是勉强能用了。现在每天早上，我都能收到一份经过它初步筛选和整合的信息摘要，确实比以前自己一个个App刷过去要省心不少。虽然它还很不完美，时不时还会出点小毛病，但毕竟是自己亲手捣鼓出来的，用着也挺有成就感的。
要说心得嘛我觉得有几点：
别怕动手。很多东西看起来复杂，但一步步拆解开来，总能找到解决的办法。就算技术不行，多查查资料，多试试错，也能摸索出一条路。
目标要明确，但也要灵活。一开始我想得挺美的，想搞个全自动、超智能的系统。后来发现以我目前的能力和精力，根本搞不定。于是就降低了预期，先实现核心功能再说。小步快跑，不断迭代，可能比憋大招要靠谱。
再有就是，工具是死的，人是活的。遇到问题，多换几种思路，多尝试几种工具，说不定就能柳暗花明了。
这回折腾“koukou”的过程，虽然磕磕绊绊，但也学到了不少东西，也算是对自己能力的一次小检验。以后有啥新想法，估计我还会继续瞎折腾下去。毕竟生命在于折腾嘛哈哈！
