男孩回过神来，重新整理思路。

  既然是失踪案，那就换一个出发点，从失踪抓起。

  他打开新闻站，发现密密麻麻早已铺满了各种各样失踪的新闻和求助帖子。

  「城西两名高中生已经失联三天，最后一次出现是放学结伴去的游戏厅，家长已将周边游戏厅搜遍，仍未现身。」

  「城东女子赵某两天前出门夜跑后再也没回家，警方根据其男友提供的常用夜跑路线展开搜索，未见踪迹。」

  「19岁女孩夜间上出租车后失踪，出租车的GPS信号也在案发当晚离奇消失，目前仍在进一步搜索中。」

  「14岁的初中女孩小韩，四天前放学回家途中走丢。」

  「钱唐市警方提示，最近城西和城南地区犯罪分子猖獗，夜间出行要结伴，注意安全。」

  他皱着眉头一篇一篇看着，突然露出兴奋的笑，快速在白纸上画出路径图。

  忍住冲动的喜悦，首先打开爬虫软件，软件图标虽然是个小蜘蛛，不过倒也没那么令人心慌，不过是顺藤摸瓜抓取信息的可爱小工具而已。

  什么？会员到期了？

  男孩露出不满，一个月都得一百多元的会员费，不能就此放过，可是自己口袋里也就几百块零花钱了都是省吃俭用拼出来的，如果跟母亲要钱买软件总觉得很奇怪吧。

  既然没钱，那就自己做一个。男孩咬着牙用力点头，舒展手指，跃跃欲试。

  开源框架很多，短板在主机的配置和调试上，各种版本各种语言的爬虫都有，冗余是最大的敌人，尤其是要装在谷文承那个可怜巴巴的远程主机，小水管的带宽和小松鼠心脏一样的配置。

  他苦笑了一下，对更适合爬虫的python自然是不熟悉的，他在开源网站上找到熟悉的php版，作者是一个印度孩子，不同的主机操作系统，远程安装的命令都不一样，好在开源网站支持远程克隆，一瞬间部署完毕。

  奇怪，硬是没起作用？果然是系统不对，为了用Torch开发人工智障男孩已经忍痛洗成乌班图了，如今又要回到php可不又得换回CentOS才好么，男孩捶了自己胸口一下，将那些被同学称为人工智障的诗篇一一备份存好，重装主机。

  20分钟过去，爬虫部署完毕，男孩测试了一个本地新闻站，路径设置是比较困难的，不同网站的页面结构有所不同，有些标题的Class属性都是乱写的，男孩一边忍着怒气一边一个一个调整好，过了半个小时，三个新闻站已经爬取完毕，最近7天只要带着失踪两字的新闻全都被抓下来。

  趁热打铁，他又添加了十个本地新闻站和两个本地论坛，两三个网站的反爬虫机制很厉害，不到一分钟就被禁止访问了，他苦笑了一声耸了耸肩，无论如何已经有上千条新闻进来了。

  新闻抓取，达成！男孩带着明亮的眼眸笑着，带着欣喜回望了身后熟睡的女孩们，又紧握拳头再次振作。

  接下来是提取工作，首先是去重，用distinct命令就可以。去重之后剩下700多条新闻和帖子，男孩倒吸一口凉气。

  短短几天，全市竟然发生了700多起失踪案！

  提取工作最难的一部分是地点识别，男孩没有字典，如果是有物流公司的数据就好了——思忖片刻，问题很快解决。

  他打开无极公司的地图网页，找到API接口，用网页提取的方式将钱唐市的所有街道小区名、路名、饭馆名、桥名、河名全部提取下来，毕竟工作量不大，于是他连公共厕所也没有放过。导入新的数据表后，自制的字典完成。

  借着字典和熟悉的命令，几十万字的新闻在5分钟化为700个零碎地名的文件，再次去重之后，只剩下500多个地名

  本章未完，请点击下一章继续阅读！