1
我有维基百科文章的序列化采集编辑,我流和存储与node.js中来的MongoDB他们是这样的:刮网址在MongoDB中和更新记录与文字刮掉
{ "time" : 1338144181565, "page" : "Pavol Országh Hviezdoslav", "url" : "http://es.wikipedia.org/w/index.php?diff=56528327&oldid=56521690", "delta" : -60, "_id" : ObjectId("4fc275b5cd08c22d31000001") }
{ "time" : 1338144183265, "page" : "Indian Premier League", "url" : "http://en.wikipedia.org/w/index.php?diff=494656175&oldid=494656151", "delta" : -12, "_id" : ObjectId("4fc275b7cd08c22d31000002") }
{ "time" : 1338144187346, "page" : "Dizz Knee Land", "url" : "http://en.wikipedia.org/w/index.php?diff=494656189&oldid=494656176", "delta" : -84, "_id" : ObjectId("4fc275bbcd08c22d31000003") }
的URL显示在编辑的区别,我会刮去用python脚本编辑的文本,然后会想用一个新的领域“edit_text”也可能是IMG更新记录SRC用于从每个维基百科文章主图像(“IMAGE_URL”)(如果有的话)。
的想法是将更新后的数据最终流输出到web应用程序,显示在与所述页面标题和图像(如果后者存在)的上下文中,编辑的文本。
它是如何将有可能通过保持这一切一样集合中要做到这一点,或者倒不如存储在一个新的集合的结果?