Nukq, nukqing and webing

网站需要使用Squid对天气数据和flickr图片搜索做缓存

碰到的问题是这些数据的HTTP头部带有
Cache-Control: no-store, must-revalidate
Cache-Control: no-cache, must-revalidate 缓存控制.

但是Squid对CC中的no-store 和 must-revalidate却无能为力

于是制作该补丁(for squid2.6STABLE),
给refresh_pattern增加两个参数ignore-no-store ignore-revalidate,使squid能对付这种情况

========================================
--- cache_cf_old.c Fri Jan 11 15:43:48 2008
+++ cache_cf.c Fri Jan 11 15:55:27 2008
@@ -2144,6 +2144,10 @@
storeAppendPrintf(entry, " ignore-private");
if (head->flags.ignore_auth)
storeAppendPrintf(entry, " ignore-auth");
+ if (head->flags.ignore_no_store)
+ storeAppendPrintf(entry, " ignore-no-store");
+ if (head->flags.ignore_revalidate)
+ storeAppendPrintf(entry, " ignore-revalidate");
#endif
storeAppendPrintf(entry, "\n");
head = head->next;
@@ -2166,6 +2170,8 @@
int ignore_no_cache = 0;
int ignore_private = 0;
int ignore_auth = 0;
+ int ignore_no_store = 0;
+ int ignore_revalidate = 0;
#endif
int i;
refresh_t *t;
@@ -2203,6 +2209,10 @@
ignore_private = 1;
else if (!strcmp(token, "ignore-auth"))
ignore_auth = 1;
+ else if (!strcmp(token, "ignore-no-store"))
+ ignore_no_store = 1;
+ else if (!strcmp(token, "ignore-revalidate"))
+ ignore_revalidate = 1;
else if (!strcmp(token, "reload-into-ims")) {
reload_into_ims = 1;
refresh_nocache_hack = 1;
@@ -2250,6 +2260,10 @@
t->flags.ignore_private = 1;
if (ignore_auth)
t->flags.ignore_auth = 1;
+ if (ignore_no_store)
+ t->flags.ignore_no_store = 1;
+ if (ignore_revalidate)
+ t->flags.ignore_revalidate = 1;
#endif
t->next = NULL;
while (*head)
--- structs_old.h Fri Jan 11 15:40:48 2008
+++ structs.h Fri Jan 11 15:41:57 2008
@@ -1944,6 +1944,8 @@
unsigned int ignore_no_cache:1;
unsigned int ignore_private:1;
unsigned int ignore_auth:1;
+ unsigned int ignore_no_store:1;
+ unsigned int ignore_revalidate:1;
#endif
} flags;
};
--- http_old.c Thu Jan 10 03:27:25 2008
+++ http.c Fri Jan 11 17:17:15 2008
@@ -241,7 +241,7 @@
return 0;
if (EBIT_TEST(cc_mask, CC_NO_CACHE) && !REFRESH_OVERRIDE(ignore_no_cache))
return 0;
- if (EBIT_TEST(cc_mask, CC_NO_STORE))
+ if (EBIT_TEST(cc_mask, CC_NO_STORE) && !REFRESH_OVERRIDE(ignore_no_store))
return 0;
if (httpState->request->flags.auth_sent) {
/*
--- refresh_old.c Thu Jan 10 03:27:40 2008
+++ refresh.c Fri Jan 11 17:17:43 2008
@@ -229,6 +229,10 @@
else if (request)
uri = urlCanonical(request);

+#define REFRESH_OVERRIDE(flag) \
+ ((R = (R ? R : refreshLimits(entry->mem_obj->url))) , \
+ (R && R->flags.flag))
+
debug(22, 3) ("refreshCheck: '%s'\n", uri ? uri : "");

if (delta > 0)
@@ -248,7 +252,7 @@
debug(22, 3) ("\tcheck_time:\t%s\n", mkrfc1123(check_time));
debug(22, 3) ("\tentry->timestamp:\t%s\n", mkrfc1123(entry->timestamp));

- if (EBIT_TEST(entry->flags, ENTRY_REVALIDATE) && staleness > -1) {
+ if ( !REFRESH_OVERRIDE(ignore_revalidate) && EBIT_TEST(entry->flags, ENTRY_REVALIDATE) && staleness > -1) {
debug(22, 3) ("refreshCheck: YES: Must revalidate stale response\n");
return STALE_MUST_REVALIDATE;
}

========================================

Patch下载地址: http://www.mipang.com/viewatt?attid=61578&disp=att&attkey=c3e9e7fa8a

原文发表在: http://www.mipang.com/groups/tiandi/t.23301.251.htm

xdiff有什么用? 简单来说就是比较2个字符串的差异,例如这个页面

http://www.mipang.com/places/2037/bible/7962/history

这是使用xdiff来比较各个历史版本之间差异的例子.

之前我也安装过多次pecl-xdiff, 经常碰到编译成功,php载入该模块也没问题,但是当使用它提供的xdiff_xxx函数时就导致php崩溃. 尝试过不同的php版本和pecl-xdiff版本的组合,偶尔能正常运行,当时也没彻底解决这个问题.

最近要在一个特定php版本上安装这个pecl-xdiff 又碰到了这个情况.

解决办法:

在 config.h 文件中
将
/* #undef HAVE_XDL_ALLOCATOR_PRIV */
改成
#define HAVE_XDL_ALLOCATOR_PRIV 1

重新编译安装即可.

* 不确定其他平台有没有类似问题,写出来至少可以给大家一个解决的参考.

其实我本不想写这个标题，我的本意是缓存yupoo api的查询数据，这个过程中找到了参考方法（Caching Google Earth with Squid）。呵呵，所以偶也来一回标题党。

这篇参考流传非常广，Digg上也被提过，我也不知道原出处是哪里了。

可是。。。。你按照它的指示设置，它并不能正确工作！！

话说回来，先说说我的需求。

最近yupoo的访问速度很慢，我有一堆api请求经常无法完成，猜测要么对方限制了同一ip的连接数，要么是yupoo又遇到了新一轮的流量瓶颈。跟Yupoo的zola联系后，确认是他们的负荷太高引起的，并没有限制连接数。所以我要想办法在我这边做一些缓存了。

因为我这边本身就是用squid代理来解决Ajax中调用API的跨域问题的，所以自然是目标瞄准了squid的配置文件。

yupoo api的请求地址是 www.yupoo.com/api/rest/?method=xx&xxxxxxx...

大家都知道squid会自动缓存静态文件，可对于这种动态网页怎么让它也缓存起来呢，所以在google上找啊找，找到上面提得那片缓存Google Earth的博客文章。
他的方法是：

acl QUERY urlpath_regex cgi-bin \? intranet
acl forcecache url_regex -i kh.google keyhole.com
no_cache allow forcecache
no_cache deny QUERY

# ----
refresh_pattern -i kh.google 1440 20% 10080 override-expire override-lastmod reload-into-ims ignore-reload

refresh_pattern -i keyhole.com 1440 20% 10080 override-expire override-lastmod reload-into-ims ignore-reload

原理就是用 no_cache allow 和 refresh_pattern 来设定一些缓存规则，将google earth的请求强行缓存起来。

此文一出，自然早有人去验证，可是没人成功，原作者也音讯全无 :( ... squid的邮件列表里也提到。 ( 看标题进来的朋友，不要急，继续往下读，不会让你空手而回的 :) )

我也没在意，估计人家功力问题 :P 。先试着用改写一下解决yupoo api的缓存问题。

acl QUERY urlpath_regex cgi-bin \?
acl forcecache url_regex -i yupoo\.com
no_cache allow forcecache
no_cache deny QUERY

refresh_pattern -i yupoo\.com 1440 50% 10080 override-expire override-lastmod reload-into-ims ignore-reload

嘿，果然nnd毫无用处，访问记录里还是 一坨坨 TCP_MISS

于是翻来覆去看文档，找资料，发现是squid的bug惹得祸，不过早已经修正（严格来说是功能扩展补丁）。

我的squid是2.6.13,翻了一下源代码，确实已经打好补丁了。

解决这个问题需要refresh_pattern的几个扩展参数(ignore-no-cache ignore-private)，这几个参数在squid的文档和配置例子中均没有提到，看来squid还不够与时俱进。

下面讲一下问题所在。

先看看yupoo api返回的HTTP头部信息（cache 相关部分）

Cache-Control: no-cache, must-revalidate
Pragma: no-cache

这两行是控制浏览器的缓存行为的，指示浏览器不得缓存。squid也是遵循RFC的，正常情况下自然不会去缓存这些页面。override-expire override-lastmod reload-into-ims ignore-reload 统统不能对付它。

而那个补丁正是对付这两个Cache-Control:no-cache 和 Pragma: no-cache的。

因此把 refresh_pattern那句要改写成

refresh_pattern -i yupoo\.com 1440 50% 10080 override-expire override-lastmod reload-into-ims ignore-reload ignore-no-cache ignore-private

这样就大功告成了， squid -k reconfigure 看看 access.log ,这回里面终于出现
TCP_HIT/200 TCP_MEM_HIT/200 了，说明缓存规则确实起作用了，那个激动啊 555~~~~

====================
补充：
后来我看了一下google earth 服务器 hk1.google.com的HTTP头部，只有

Expires: Wed, 02 Jul 2008 20:56:20 GMT
Last-Modified: Fri, 17 Dec 2004 04:58:08 GMT

，这么看来照理不需ignore-no-cache ignore-private也能工作，可能是作者这里写错了
kh.google 应该是 kh.\.google才对。

最后总结一下，缓存Google Earth/Map的正确的配置应该是

acl QUERY urlpath_regex cgi-bin \? intranet
acl forcecache url_regex -i kh.\.google mt.\.google mapgoogle\.mapabc keyhole.com
no_cache allow forcecache
no_cache deny QUERY

# ----
refresh_pattern -i kh.\.google 1440 20% 10080 override-expire override-lastmod reload-into-ims ignore-reload ignore-no-cache ignore-private
refresh_pattern -i mt.\.google 1440 20% 10080 override-expire override-lastmod reload-into-ims ignore-reload ignore-no-cache ignore-private
refresh_pattern -i mapgoogle\.mapabc 1440 20% 10080 override-expire override-lastmod reload-into-ims ignore-reload ignore-no-cache ignore-private

refresh_pattern -i keyhole.com 1440 20% 10080 override-expire override-lastmod reload-into-ims ignore-reload ignore-no-cache ignore-private

注:
khX.google.com 是google earth的图片服务器
mtX.google.com 是google map 的图片服务器
mapgoogle.mapabc.com 是google ditu的图片服务器

Ajax应用中很常见的行为便是后台把数据用XML包裹好返回给浏览器，浏览器解析XML，得到nodeValue

如果单个node中内容很长(超过4096字节)，这时在FireFox/Mozilla中就要注意了，内容将会被FrieFox分解为多个textNode，每个大小为4096字节。这种情况可以用下列函数处理（IE兼容）

function getNodeValue(node)
{
        if(node && node.hasChildNodes()){
                //return node.firstChild.nodeValue;
                var s=""
                //Mozilla has many textnodes with a size of 4096
                //chars each instead of one large one.
                //They all need to be concatenated.
                for(var j=0;j<node.childNodes.length;j++){
                        s+=new String(node.childNodes.item(j).nodeValue);
                }
                return s;
        }else
                return "";
}

输入和输出

输入和输出应该说是很多网站的基本功能。用户输入数据，网站输出数据供其他人浏览。

拿目前流行的Blog为例，这里的输入输出就是作者编辑文章后生成博客文章页面供他人阅读。
这里有一个问题，即用户输入通常是不受控制的，它可能包含不正确的格式亦或者含有有安全隐患的代码；而最终网站输出的内容却必须是正确的HTML代码。这就需要对用户输入的内容进行纠错和过滤。

永远不要相信用户的输入

你可能会说：现在到处都是所见即所得的编辑器(WYSIWYG)，FCKeditor、TinyMCE...你可能会举出一大堆。是的，它们都可以自动生成标准的XHTML代码，但是作为web开发人员，你肯定听过"永远不要相信用户递交的数据"。

因此对用户输入数据进行纠错和过滤是必需的。

需要更好的纠错和过滤

目前为止我还没见过有让我满意的相关实现，能接触到的通常都是效率低下、效果不太理想，有这样那样的明显缺陷。举个比较知名的例子：WordPress是一种使用非常广泛的blog系统，操作简单功能强大且有丰富的插件支持，但是它集成的TinyMCE和后台一堆有些自作聪明的纠错过滤代码却令人相当头痛，对半角字符的强制替换，过于保守的替换规则等等.....导致像贴一段代码让它正确显示这种需求都很难做到。

这里顺便抱怨一下，这个blog是用WordPress架的，为了让这几篇文章能正确显示代码，网上搜了很多也试用了一些插件，最终还是翻了它的代码把一些过滤规则注释掉才勉强可以显示得体面一点 -.-b

当然，我不想过多的指责它(wordpress)，只是想说明它还可以做的更好。

Tidy是什么，它如何工作？

摘自Tidy ManPage的说明这样描述:

Tidy reads HTML, XHTML and XML files and writes cleaned up markup. For HTML variants, it detects and corrects many common coding errors and strives to produce visually equivalent markup that is both W3C compliant and works on most browsers. A common use of Tidy is to convert plain HTML to XHTML. For generic XML files, Tidy is limited to correcting basic well-formedness errors and pretty printing.

简单说Tidy是清理HTML代码的，生成干净的符合W3C标准的HTML代码，支持HTML,XHTML,XML。Tidy提供一个库TidyLib,以方便在其他应用中利用Tidy的强大功能。非常幸运，PHP有相应的tidy模块可以使用。

老兄，为什么又是PHP?

呃，这个问题... 惭愧，因为我只会那么点PHP而已 -.-v
不过还好，我这里讲的都不是纯粹的代码，好歹也有些分析的过程，分享这些东西比贴代码有用多了。

PHP中使用Tidy

要在PHP中使用Tidy需要安装Tidy模块，也就是加载tidy.so这个PHP extension，具体过程就略了，纯粹是体力活。最后能在phpinfo()中看到"Tidy support enabled" 就OK。

在这个模块的支持下，PHP中就可以使用Tidy提供的几乎所有的功能。常用的HTML清理是异常轻松的事情，甚至可以生成文档的解析树，像在客户端操作DOM那样的操作HTML的各个Node。下面将会有具体的代码说明，也可以看看PHP官方的相关手册。

纠错和过滤的PHP+Tidy实现

上面说了这么多背景素材，似乎太罗唆了，具体的解决问题的代码才最最直接。

1. 简单的纠错实现

function HtmlFix($html)
{

  if(!function_exists('tidy_repair_string'))
    return $html;
  //use tidy to repair html code

  //repair
  $str = tidy_repair_string($html,
                   array('output-xhtml'=>true),
                   'utf8');
  //parse
  $str = tidy_parse_string($str,
                  array('output-xhtml'=>true),
                  'utf8');
  $s = '';

  $nodes = @tidy_get_body($str)->child;

  if(!is_array($nodes)){
    $returnVal = 0;
    return $s;
  }

  foreach($nodes as $n){
    $s .= $n->value;
  }
  return $s;
}

上面的代码就是对可能不规范的XHTML代码进行清理纠错，输出标准的XHTML代码（输入输出都是UTF-8编码）。实现代码不是最精简的，因为为了配合下面的过滤功能，我写的尽可能细致了一些。

2. 高级实现: 纠错+过滤

功能：

1. XHTML的纠错，输出标准的XHTML代码。
2. 过滤不安全的代码但是不影响内容展示，只是对style/javascript中不安全代码进行清除。
3. 对超长字符串插入<wbr>标记以实现浏览器兼容的自动换行功能，相关文章可参考网页中超长文字的断行问题。

function HtmlFixSafe($html)
{

  if(!function_exists('tidy_repair_string'))
    return $html;
  //use tidy to repair html code

  // tidy 的参数设定
  $conf = array(
                'output-xhtml'=>true
                ,'drop-empty-paras'=>FALSE
                ,'join-classes'=>TRUE
                ,'show-body-only'=>TRUE
                );

 //repair
  $str = tidy_repair_string($html,$conf,'utf8');
  //生成解析树
  $str = tidy_parse_string($str,$conf,'utf8');

  $s ='';

  //得到body节点
  $body = @tidy_get_body($str);

  //函数 _dumpnode，检查每个节点，过滤后输出
  function _dumpnode($node,&$s){

   //查看节点名，如果是<script> 和<style>就直接清除
    switch($node->name){
    case 'script':
    case 'style':
      return;
      break;
    default:
    }

    if($node->type == TIDY_NODETYPE_TEXT){
      /*
       如果该节点内是文字，做额外的处理：
       过长文字的自动换行问题;
       超链接的自动识别(未实现)
      */
      // insert <wbr>
      $s .= HtmlInsertWbrs($node->value,30,'','&?/\');

      // auto links ??? *** TODO ***
      return;
    }

   //不是文字节点，那么处理标签和它的属性
    $s .= '<'.$node->name;

    //检查每个属性
    if($node->attribute){
      foreach($node->attribute as $name=>$value){

        /*
         清理一些DOM事件，通常是on开头的，
         比如onclick onmouseover等....
         或者属性值有javascript:字样的，
         比如href="javascript:"的也被清除.
         */
        if(strpos($name,'on') === 0
        ||
        stripos(trim($value),'javascript:') ===0
        ){
          continue;
        }

       //保留安全的属性
        $s .= ' '.$name.'="'.HtmlEscape($value).'"';

      }
    }

   //递归检查该节点下的子节点
    if($node->child){

      $s .= '>';

      foreach($node->child as $child){
        _dumpnode($child,$s);
      }

      //子节点处理完毕，闭合标签
      $s .= '</'.$node->name.'>';
    }else{

      /*
       已经没有子节点了，将标签闭合
      (事实上也可以考虑直接删除掉空的节点)
      */
      if($node->type == TIDY_NODETYPE_START)
        $s .= '></'.$node->name.'>';
      else
        /*
          对非配对标签，比如<hr/> <br/> <img/>等
          直接以 />闭合之
          */
        $s .= '/>';
    }
  }
   //函数定义end

  //通过上面的函数 对 body节点开始过滤。
  if($body->child){

    foreach($body->child as $child)
      _dumpnode($child,$s);
  }else
    return '';

  return $s;
}

上面代码中注释应该比较详细，工作原理就配合代码看吧。
更严格的过滤也很容易扩展，比如实现文中的链接自动识别。

一点补充

如果你看过我之前写的网页中超长文字的断行问题，你可能发现上面代码中处理自动换行的函数有所不同：

这里要做一下解释：
HtmlEscapeInsertWbrs()要求输入的字符串未作特殊字符转义的，也就是没有经过htmlspecialchars()对<>&等作&lt;&gt;&amp;处理的。因为函数内部有专门的处理。
而在处理经Tidy处理过后的文字节点的时候，因为Tidy的关系，已经自动把<>&等字符作相应的&lt;&gt;&amp;转义，因此需要用一个专门的函数避免重复的转义，这个函数就是HtmlInsertWbrs()，从名字上就知道它只插入<wbr>标记，不做额外工作。

那么你可能有个问题：
如果<wbr>被插入到HTML标签中间，比如在<div>或者&gt;的中间插入了<wbr>，变成<d<wbr>iv>和&<wbr>gt;，那就会影响到原始信息的展示。

没错，的确是个新问题，不过使用一些技巧就可以有效解决：

1. 因为我们处理的是Tidy得到的文字节点，意味着不可能碰到HTML标签，因此不会碰到在标签中间插入<wbr>的情况。
2. 对于第二种情况，转义后的字符都是&xxxxx;这样的形式，那么只要在1所有&符号前面都插入<wbr>标记就可以了（注意看调用时的第四个参数），因为下一个<wbr>标记将会插在30(以上面代码中实际调用的第二个参数为例)个字符之后，这个已经2远远大于xxxxx的长度。这样由上面1、2两点可以保证不会插到转义字符的中间。

下面给出HtmlInsertWbrs()的PHP实现：

function HtmlInsertWbrs($str, $n=10,
         $chars_to_break_after='',$chars_to_break_before='')
{
    $out = '';
    $strpos = 0;
    $spc = 0;
    $len = mb_strlen($str,'UTF-8');
    for ($i = 1; $i < $len; ++$i) {
      $prev_char = mb_substr($str,$i-1,1,'UTF-8');
      $next_char = mb_substr($str,$i,1,'UTF-8');
      if (_u_IsSpace($next_char)) {
        $spc = $i;
      } else {
        if ($i - $spc == $n
            ||
           mb_strpos( $chars_to_break_after,
                      $prev_char,0,'UTF-8' )
                   !== FALSE
            ||
           mb_strpos( $chars_to_break_before,
                      $next_char,0,'UTF-8')
                   !== FALSE
         ) {
            $out .= mb_substr($str,$strpos,
                    $i-$strpos,'UTF-8')
                 . '<wbr>';
            $strpos = $i;
            $spc = $i;
          }
      }
    }
    $out .= mb_substr($str,$strpos,$len-$strpos,'UTF-8');
    return $out;
}

...
Ok,先写这么多，相关的资料在文中都有链接。
下次想到再补充。

(转自水木清华)

以前看书做的笔记：

specificity表示了一个样式使用时的优先级
CSS2用3位表示一个样式的specificity
CSS2.1用4位
四条规则：
每个ID选择符，加 0,1,0,0
每个class选择符，每个属性选择符，或者每个伪类，加0,0,1,0
每个元素和伪元素，加0,0,0,1
其他选择符包括全局选择符*都没有加成效果，但它们有specificity，0,0,0,0

一些例子：

h1 {color: red;}  /* 0,0,0,1 */
body h1 {color: green;}  /* 0,0,0,2  (winner)*/

h2.grape {color: purple;}  /* 0,0,1,1 (winner) */
h2 {color: silver;}  /* 0,0,0,1 */

html > body table tr[id="totals"] td ul > li {color: maroon;}  /* 0,0,1,7 */
li#answer {color: navy;}  /* 0,1,0,1  (winner) */

文内的样式specificity为1,0,0,0 始终高于外部定义
特别的，如果一个样式特别重要，可使用!important，它优先于所有其他specificity。
如果!important也发生了冲突，则参考specificity的比较结果，如果specificity冲突则按先后顺序。

关于继承Inheritance
body的background样式可以向上传递给html元素，这是继承的一个例外。
绝大多数盒模型相关属性都不继承，比如margin,padding,background,border等

继承没有specificity，所以继承的优先级低于比如甚至全局选择符的优先级

注：
这篇文章是水木社区上一位朋友发的帖子，并非出自我手。我尽量写一些自己的心得，有些我收藏的比较价值的东西，并且网上一搜结果并不是很泛滥的东西我也会贴些上来的。

跟这个主题相关的还有一些文章可以参考
CSS的优先权
CSS样式的优先级补遗2

这个应该是比较常见的问题了，通常是连续的一长串无空格的半角字符所引起的，比如比较长的超链接就很有可能把你的页面撑开。网上常见的解决办法就是使用css属性 break-word:break-all; ，但是这个只对IE浏览器有效。

下面介绍一种办法，可以保证各浏览器的兼容。

<wbr>标记，它的作用是建议浏览器在这个标记处可以断行，只是建议而不是必定会在此处断行，还要根据整行文字长度而定。因此只要在连续的文字中间适当的插入若干<wbr>标记就能解决断行问题。

我最初看到这个解决办法是在Gmail的代码中，它是这么实现的:(All rights reserved by Google.)

JS实现

function HtmlEscapeInsertWbrs(str, n, chars_to_break_after,
                              chars_to_break_before)
{
    var out = '';
    var strpos = 0;
    var spc = 0;
    for (var i = 1; i < str.length; ++i) {
        var prev_char = str.charAt(i - 1);
        var next_char = str.charAt(i);
        if (IsSpace(next_char)) {
            spc = i;
        } else {
            if (i - spc == n
            || chars_to_break_after.indexOf(prev_char) != -1
            || chars_to_break_before.indexOf(next_char) != -1)
            {
                out += HtmlEscape(str.substring(strpos, i))
                      + '<wbr>';
                strpos = i;
                spc = i;
            }
        }
    }
    out += HtmlEscape(str.substr(strpos));
    return out;
}
/////
function IsSpace(ch)
{
    return (" trn".indexOf(ch) >= 0);
}
function HtmlEscape(str){
    return
        str.replace(/&/g,"&amp;").replace(/</g,"&lt;")
        .replace(/>/g,"&gt;").replace(/\"/g,"&quot;");
}

说明： 函数已经帮你处理了Html敏感的符号(&<>),用了这个函数并不是说字符串显示的时候就会在某个点断行，只是在其中设置了可能的断行点(<wbr>)标记，在显示宽度不够的时候的情况下才指示浏览器做出断行。

用法： 参数说明
str： 你要处理的原始字符串
n: 每行最多多少个字符
chars_to_break_after: 一个字符串，比如"-:_",就会在这些字符后面发生断行(如果有断行必要) 如果不需要特别设置，那么使用空字符串 ""就行了

chars_to_break_before: 功能类似于上面这个， 没有特殊需要就设置成 "" 就可以了

函数是JavaScript的实现， 我根据这个做了一个PHP的实现，它工作得很好。

PHP实现

/*
 * support UTF-8 only,
 * ** the function return HTML Format string **
 */
function HtmlEscapeInsertWbrs($str, $n=10,
         $chars_to_break_after='',$chars_to_break_before='')
{
    $out = '';
    $strpos = 0;
    $spc = 0;
    $len = mb_strlen($str,'UTF-8');
    for ($i = 1; $i < $len; ++$i) {
      $prev_char = mb_substr($str,$i-1,1,'UTF-8');
      $next_char = mb_substr($str,$i,1,'UTF-8');
      if (_u_IsSpace($next_char)) {
        $spc = $i;
      } else {
        if ($i - $spc == $n
         || mb_strpos( $chars_to_break_after,
            $prev_char,0,'UTF-8' ) !== FALSE
         || mb_strpos( $chars_to_break_before,
            $next_char,0,'UTF-8')  !== FALSE )
          {
            $out .= HtmlEscape(
                mb_substr($str,$strpos, $i-$strpos,'UTF-8')
                       ) . '<wbr>';
            $strpos = $i;
            $spc = $i;
          }
      }
    }
    $out .= HtmlEscape(
             mb_substr($str,$strpos,$len-$strpos,'UTF-8')
               );
    return $out;
}
/////
function _u_IsSpace($ch)
{
  return mb_strpos(" trn",$ch,0,'UTF-8') !== FALSE;
}
function HtmlEscape($s)
{
  return htmlspecialchars($s);
}

同样，该函数会对传入的字符串中的特殊字符做转义处理(htmlspecialchars())，因此传入的字符串必须是原始的(未经htmlspecialchars()处理过的),函数返回后的结果可以直接在网页中输出。
参数使用方法跟上面的JS版本类似，我就不罗唆了。

你可以改写成其他语言的，到时候也记得发给我一份 :)

什么是Ajax跨域代理？

玩Ajax的应该知道我在说什么:) 简单说就是因为浏览器的安全限制，你不能直接获取你站点以外的xml文档。

为什么用Squid来做？

你完全可以自己写一个代理小程序，比如用php，这方面的资料网上很多。
Squid是一个应用非常广泛、功能强大的代理服务器软件，用它自然是为了获得高效。

需要哪些软件？

Lighttpd(Apache)、Squid、squirm。 我这里以lighttpd为例，你完全可以用apache来代替。
这里介绍一下squirm，这是一款为squid量身定做的redirector程序，支持 正规表达式 ，至于什么是redirector下面的工作原理你会知道它的作用。
系统平台：理论上支持上述软件的应该都可以（比如选择常见的linux），我这里以freebsd为例。

工作原理

用Lighttpd(Apache)的proxy模块作前端代理，把特定url的请求发送到squid，比如把 /service/proxy/*/http://othersite.com/abc.xml 这样的请求发送给squid来处理。

squid通过squirm这个redirector对url进行修正（相当于url rewrite），通过squirm的配置文件我们可以把上述url地址重定向为 http://othersite.com/abc.xml ，这个过程对浏览器是透明的完全由squid完成。squid获取 http://othersite.com/abc.xml 后返回给浏览器，这样我们就实现了跨域，在Ajax应用中你如果要获取其他站点的内容就在url前加上 /service/proxy/*/ 即可。

关键配置

相关软件的基本配置网上很容易找到参考，我就不罗嗦了，下面给出关键的配置。

Lighttpd - lighttpd.conf，比如我们的squid将工作在6666端口，就作如下配置

$HTTP["url"] =~ "^/service/proxy/" {
    proxy.server = (
        "" => (
                   (
                        "host" => "127.0.0.1",
                        "port" => 6666
                    )
                )
    )
}

Squid - squid.conf

http_port 6666
redirect_program /usr/local/bin/squirm
redirect_children 5
redirect_rewrites_host_header on
httpd_accel_host virtual
httpd_accel_with_proxy on
httpd_accel_uses_host_header on

squirm
- squirm.conf 主要指定redirector的匹配规则文件的位置

begin
network 0.0.0.0/0
log /var/squid/logs/squirm-private-match.log
abort-log /var/squid/logs/squirm-private-abort.log
pattern common.patterns all
end

- common.patterns 这里的匹配规则文件是 common.patterns

regex ^.*/service/proxy/\*/(.*)$        \1

...
ok,that's all.

相关链接:
Squid: http://www.squid-cache.org
Lighttpd: http://www.lighttpd.net
Apache: http://www.apache.org
Squirm: http://squirm.foote.com.au

注:原文曾发布在http://www.mipang.com/groups/tiandi/t.331.d13577b5f3.htm

使返回的xml数据能够作为XML DOM对象来用，需要这么几件事情：

1、服务器返回的头部信息需要 设置 Content-Type: text/xml

2、返回的xml结构中需要有个documentElmement节点，这样可以保证各浏览器之间的兼容。举例来说：
(建议你客户端和服务器端全部使用UTF-8编码，减少因编码问题引起的莫名奇妙问题)

<?xml version="0.1" encoding="UTF-8"?>
<res>
  <data><![CDATA[abc123]]></data>
</res>

这里 res就是documentElement

3、以上面的xml为例，客户端收到responseXML对象后，首先

var doc = responseXML.documentElement; //得到 res，这步很重要
var d = doc.getElementsByTagName('data')[0];
alert( getNodeValue(d) ); //  show 'abc123'

//－－－－－－－－－－－－－－－－－－－－－－
function getNodeValue(node)
{
  if(node && node.hasChildNodes()){
    //return node.firstChild.nodeValue;
    var s="";
    //Mozilla has many textnodes with a size of 4096 chars
    // each instead of one large one.
    //They all need to be concatenated.
    for(var j=0;j<node.childNodes.length;j++){
      s+=new String(node.childNodes.item(j).nodeValue);
    }
    return s;
  }else
    return "";
}