Ubuntu 上用 ruby 的 REXML 去 parse 二十几万个 xml 文件，内容很简单，文件也很小。遭遇不确定性死机，甚至有一次直接重启了。昨天一边 parse 一边往 mysql 里插，在50万左右的时候再次死机！
死机之后 mysql 表损坏，进入数据库文件的保存目录（ubuntu上是 /var/lib/mysql, 郁闷的是数据库目录除了mysql用户其他人没有任何权限），用myisamchk –recover tbl_name.MYI 把表修复好。
机器，Ubuntu，ruby REXML 一定是其中之一不可信赖。今天在我那刚升到 10.4.10的 Tiger 上试试。
大量地方都会有这样的问题：给大段文字做一个截断当作摘要，但是一定要保证 html markup valid。
最简单的方式是删掉所有的 html 标签然后截断，这样做的结果是产生一陀文字，没有换行，没有任何样式！
方法是：
tr.gsub(/<\/?[^>]*>/, "")
比较好的办法是像这篇文章里说的利用REXML和一个队列去完成，下面的评论中提到用 HTMLEntities 可以改善截断问题，但是在测试中发现会有UTF-8 invalid 问题（需要3bytes，只传2bytes，不知道是不是我数据的问题），于是乎放弃HTMLEntities，这样会有一个小bug，截断后末尾会有个乱码，八成是UTF-8 被截断了。
还有一个用 Tidy 的办法貌似很爽，但是在我这的FreeBSD 6.2 + Ruby 1.8.6 + libtidy_051026 + rubytidy 1.1.2 上遇到一个Bug，暂时放弃
谁有什么更好的方法给说一下 
