027 数据采集器的进化：自动化的起点 (第2/3页)
林悦推门进来，手里提着饭盒，发梢沾了点雨气。她把饭放在桌上，没说话，先看了眼显示器。“又通宵？”
“还没开始。”他说，顺手点了点鼠标唤醒屏幕，进度条正跳向第七张。
她走近看：“这东西真能认字？”
“现在能认九成。”他靠在椅背上，声音有点哑，“剩下的，得人来补。”
“哪九成？”她问。
“印的。手写的不行。”
她拉开椅子坐下，接过鼠标：“那我就补手写的。”
他没拦她。她打开另一台终端，调出原始扫描图与识别结果对照界面，一边核对一边标注修正项。两人没再说话，只有键盘敲击声和偶尔的提示音。窗外天色彻底暗下来，远处高架桥上的车灯拉出细长的光带。
到夜里十一点，三十二张报纸数据完成迁移。林悦揉了揉眼睛，指着其中一条记录：“这个‘涨幅’后面的手写数字，你看是‘5.3’还是‘6.3’？”
他凑过去看，放大图像。纸面有折痕，墨迹晕开了一角。他拖动对比工具，调出同一位置的前日报纸字体样本，比对笔锋走向。
“是5。”他说，“收笔没有上挑。”
她点头，输入修正值，提交入库。
静了几秒，她忽然说：“你说机器是为了省时间，不是替人。可你现在做的，是不是让机器慢慢学会替你做决定？”
他摇头：“它只是读字。怎么用这些字，还是人在定。”
她没再问，合上笔记本，起身收拾饭盒。走到门口时，她停下，从包里抽出一张便签纸，写下一行字，贴在显示器边框上：“别忘了睡觉。系统重要，人更重要。”
门关上后，教室只剩他一个人。
他盯着那张便签看了两秒，转头看向服务器状态面板。网络连接正常，硬盘读写频率稳定。他打开另一个项目目录，双击进入“WebCrawler_Test”文件夹。
这是他昨天就开始写的网页抓取脚本。基于VBScript，调用WinInet API模拟HTTP请求，目标是“新浪财经”首页的早盘快讯栏。他知道1998年的网站大多不用动态加载，内容直接嵌在HTML里，只要找到规律，就能批量提取。
他启动程序。
命令行窗口闪出几行返回码，接着输出一段HTML源码。标题抓到了，发布时间也解析出来，但正文链接全部为空。他检查网页结构，发现部分条目用了JavaScript跳转，
（本章未完，请点击下一页继续阅读）