[Namazu-users-ja 1055] Re: gcnmz が非常な時間を要するようになった

2008年 4月 5日 (土) 23:47:16 JST

寺西です。

野宮　賢 / NOMIYA Masaru wrote:
> 
> 寺西さん> たぶん、インデックスのサイズがその前後で随分変わったんではないかと
> 寺西さん> 思いますよ。

これはテキストとして処理していた時と、HTML として処理した時との話です
ので、それらの比較をしないと意味がありません。
 
> どうにも府に落ちません，つまり，mknmz に -K というオプションを付けているの
> で base64 なパートは無視される筈では？，と思いましたので，テストをしてみま
> した．

基本的に HTML にマルチパートという概念はありません。

また、どういった理由で -K オプションで base64 なパートが無視される
と思ったのでしょう。

> 3. インデックス作成範囲を指定する形式(これは，
>    http://www.namazu.org/ml/namazu-users-ja/msg03573.html で廣瀬さんがお示
>    しになっている方法に従い，html.pl のパッチを当て，.mknmzrc に
> 
>         $SUMMARY_PAT = "<body>(.*?)</body>";
> 
>    を加えて，

応用しようとしているのでしょうが、元のパッチの意味を理解せずに
やっているために、意図した通りには動いていないでしょう。

<body>
ここすべて(もちろんタグも含めて)が要約になっているはず。
</body 

です。

> という四通りでやってみました．その結果，NMZ.i，NMZ.w 等のファイル・サイズは，

なので、このテストの意味はほとんどありません。

で。

> <html>
> <head>
> [...]
> </head>
> <body>
> 
>  html 形式の本文
> 
> </body>
> </html>
> 
> base64 の添付ファイル

というファイルは HTML ファイルとしては、標準的なものではありま
せん。
# まぁ、</html> タグで閉じた後に何かいてもいいだろうという話は
# なきにしもあらずですが。仕様としては微妙なんではないかと。

で、先のメールにも書きましたが...。

> よくわかりませんが、text/html 形式で取り込む前に、添付ファイルを削除
> する処理を追加すれば良いのではないかと思います。

ということです。ご自身で </html> タグの後ろを削除したものを mknmz 
に渡してください。
もちろん、そういう処理を html.pl に追加してもいいですが...。
-- 
=====================================================================
寺西 忠勝(TADAMASA TERANISHI)  yw3t-trns ＠ asahi-net.or.jp
http://www.asahi-net.or.jp/~yw3t-trns/index.htm
Key fingerprint =  474E 4D93 8E97 11F6 662D  8A42 17F5 52F4 10E7 D14E