该内容已被发布者删除 该内容被自由微信恢复
文章于 2019年4月7日 被检测为删除。
查看原文
被用户删除
其他

有了它,你手机上的很多 App 都可以卸了

苏克1900 Python爱好者社区 2019-04-07

作者:  苏克1900
公众号:第2大脑


这一期的主题是「改善手机阅读新闻资讯的体验」。

写在前面:由于文中有一些超链接,无法在公众号打开,建议点击底部「阅读原文」或者复制下面的博客链接到浏览器打开,体验更好。

https://www.makcyun.top/

我们多数人的手机上会装不只一个新闻和资讯方面的 App,因为一个 App 无法满足我们广泛的资讯需求。比如有时想无脑娱乐下,那就想上「今日头条」;有时想看点深度文章,「虎嗅」和「澎湃」就比较适合;有时文艺病犯了,打开「简书」、「豆瓣」就没错;如果你是程序员的话还会常逛「GitHub」、「Medium」这些。


这样一来,手机上就不知不觉安装了大量的 App,我也经历了这样的一个时期。但现在我只留下了上面这一个可以「匹敌上百款资讯软件」的 App。

下面说一说,为什么我会卸载掉那么多的 App 而只保留一个。

在使用 App 的过程中,我发现虽然可以靠下载很多的 App 来获取多样的信息,但随之而来的是各种不便,比如有这么几点:

  • 占用了大量内存空间

    现在一个 App 动辄几十上百 M,十几个 App 装下来,几百 M 甚至上 G 的空间就被馋蚀了,你可能觉得这点不算什么,毕竟,现在的手机基本都有 64G、128G甚至更多多的存储空间。但这仅仅只是开始 ,随着使用时长增加,软件升级、文章图片下载、内容缓存带来的空间占用才是大头。最直观的就是微信了,微信安装包才几十 M,但用久了它会占用几个 G 的空间。

  • 增加了 App 切换时间成本

    App 一多,就增加了寻找和切换的时间成本,可能你会说我用的 Nova 桌面对 App 做了精细的文件夹分类管理,但我仍然觉得那还不足够方便。

  • 提供了很多实际不需要的功能

    很多情况下,我们选择使用一个 App 是因为它里面的一项或者两三项功能,其他大部分功能是不需要的。比如拿豆瓣举例,我只喜欢里面的「图书」功能,其他的电影、广播、小组这些功能并不需要;再比如我喜欢看「腾讯新闻」的 NBA,其他的板块的内容并不感兴趣,但你不得不先下载这个 App,然后点击多次才能进入 NBA 板块页面。
    所以常常仅为了一个功能,我们就要去下载个 App。你可能会说:「为什么要下载 App ,使用网页版不好么?」 ,我想说在手机上使用 Chrome 浏览器网页版的「书签」功能,仍然是非常不方便的,何况很多人并不太会使用「书签」功能。

  • 带来了大量诱惑信息

    我们处于一个信息爆炸的时代,手机上的碎片化阅读变得越来越普遍。有时候,只想花 10 分钟简单纯粹地看下热点信息或者感兴趣的话题内容,但是一打开 App 就会出现太多具有诱惑力的信息,忍不住要点进去看,看完一篇又一篇,一看就是半个钟。
    还有一个普遍现象是文章底部评论板块的沦陷,不知道什么时候开始,很多 App 的评论区变成了脑残、杠精和键盘侠的战场,比如 NBA 板块。虽然我们可能并不会参与到这些评论中去,但就是忍不住想去看看那些逗比说的话,久而久之就形成了「不看文章,直奔评论区」的焦虑心态,而这显然不是我们的初衷。

  • 设置了烦人的广告
    这一点应该是最让人不爽的,很多 App 会在启动界面设置好几秒的广告,如果不想看那么就得去购买高级付费版。有的 App 甚至还会在文章中插入很多广告,干扰我们的阅读。

  • 保存收藏起来比较麻烦
    当我们在 App 中看到一篇不错的文章,想要保存下来时就比较麻烦了。通常只能是通过分享保存到印象笔记、微信公众号中。而这种无法分类存档、只是堆积的文章收藏形式,其实没什么用处,以为收藏了自己回头会看,其实再也不会看。所以这种形式的存储,作用仅限于抚慰对知识获取的焦虑,过不多久就会忘掉,久而久之,仍然会有一种:读了那么多文章,脑中依然空无一物的失落。

不知从什么时候开始,想要获得一种「读书看报」式的简单体验,已经变成了一种奢求。

那么有没有什么好的方法能够解决以上痛点?

当然是有的,而且还是最好的方法,那就是:「RSS 订阅」。

RSS 是英文 Really Simple Syndication 的简称,也就是「简易信息聚合」。它可以让我们根据自己的阅读喜好,选择感兴趣的网站、博客、栏目中的资讯信息内容,然后将这些聚合汇总供我们集中阅读。这项技术其实早在 1995 年就出现了,经过前些年的辉煌期后,近些年反而变得小众了,但事实上它才是最棒的阅读方式

为什么这么说呢,因为它与上面那些 APP 之间有一个根本的区别。
普通的新闻 APP 为了尽可能地足所有人需求和口味,恨不得把所有的内容都装进来,而你只能被动地去接受。但是,使用 「RSS 订阅」则由你做主,你可以自主选择你想要的信息内容,然后借助 RSS 阅读器去集中查看就可以了。所以,这意味着:

  • 你可以只要腾讯新闻 APP 的 NBA 板块内容,而不要娱乐、军事等内容。

  • 你可以把虎嗅、澎湃等很多个 App 或者网页的内容都装在一起,最终在在一个 RSS 阅读器中查看 。

  • 你甚至无需「不可描述工具」,就能看到墙外面的新闻!

用一句话总结就是:如果你喜欢使用 RSS 阅读,那么你将会拥有一片新大陆。

这大概是不用翻墙就能看世界各地新闻最简单的方式了。

到这儿你可能有点激动,摩拳擦掌,跃跃欲试了。

先介绍一下怎么使用 RSS 订阅。

阅读最重要的就是找到 RSS 订阅来源,其实很好找,很多网站、博客都提供。它的形式通常是一个由 XML 文档构成的URL,只要将这个 URL 复制到一个 RSS 阅读器中进行搜索,搜索到之后订阅即可,以后这个网页只要有更新,那么就会出现在你的 RSS 阅读器中,无需再去打开这个网页查看内容了,非常地方便。

这里,比如以我的博客为例,简单说明下:

可以看到我的博客主页:https://www.makcyun.top/ 提供了 RSS 订阅的标志,点击打开该网页会出现一个 XML 文档,不用管文档的具体内容,只需要复制网页的 URL:https://www.makcyun.top/atom.xml  到 RSS 阅读器中,就可以订阅博客内容了,从此当博客有更新,就能及时查看最新内容。

看到这儿,你可能会有两个感兴趣的地方:

  • 有没有集中的 RSS 资讯订阅源?

  • 用什么 App 看这些信息?

下面就是这期的干货了。

推荐两个非常棒的 RSS 来源,首先是 RSSHub 。

这个 GitHub 库提供了多种类型的订阅源,多达上百个网站,不同网站下又可以订阅不同板块的内容如果上面找不到你喜欢的网站,你还可以自己动手制作 RSS 订阅源,可以说是「万网皆可订阅了」。

第二个是 RSS - IT 人 ,这个库提供了了一些 IT 大佬的博客,比如阮一峰(GitHub 上排名第一的中国人)。

有了这两个库,订阅源已经不是问题了,剩下的问题在于:用什么 App 去阅读?

市面上的 RSS 阅读器多如牛毛,要想挑选出一个功能强大、阅读体验好、颜值高又的 App 很不容易。比较知名的 InoReader、Feedly、NewsBlur 等等。但用了之后,发现它们多多少少都有些不如意的地方,比如订阅不方便、界面不美观等。

这里推荐一种更好的阅读方式:在电脑上使用 InoReader ,在手机上使用一款小而精的佳软:Feedme

以阮一峰老师的博客为例,先对比一下普通网页版、InoReader 和 Feddme 版本的排版,可以看到 Feedme 要好看很多。

其次,它的订阅功能很强大,支持中文关键字搜索。这样,当我们没有一个明确的 RSS 订阅源时,可以通过关键字搜索来订阅感兴趣的资讯。

以上就是在 App 中使用 RSS 阅读的正确打开方式了。但这仍然不足以体现 RSS 订阅功能的强大,更牛逼的地方是在电脑上使用。

在电脑上打开 InoReader 可以看到,它为我们打造了一套个人专属、功能丰富的资讯信息面板。在这个面板中,可以实现这么几个功能:

  • 查看过往阅读历史

    很多时候,我们看过的新闻看过就看过了,但是在这上面你可以查到你的文章阅读记录。

  • 利用文件夹和标签功能对收藏的文章进行分类

    这个功能类似于印象笔记,但是比印象笔记的剪藏功能强大多了。文章分门别类之后,我们再回头进行总结和记录就很方便。

  • 专注阅读

    在这里面阅读几乎没有广告,提供了更好的阅读体验。

好,以上就是这期的内容。文中所说的阅读 App,可以在公众号后台回复「RSS」获得。

另外文中提到的「不可描述工具」,可以参考这篇文章:

使用不可描述工具,科学地上网

本文完。

Python的爱好者社区历史文章大合集

Python的爱好者社区历史文章列表

福利:文末扫码立刻关注公众号,“Python爱好者社区”,开始学习Python课程:

关注后在公众号内回复“ 课程 ”即可获取:

小编的转行入职数据科学(数据分析挖掘/机器学习方向)【最新免费】

小编的Python的入门免费视频课程

小编的Python的快速上手matplotlib可视化库!

崔老师爬虫实战案例免费学习视频。

陈老师数据分析报告扩展制作免费学习视频。

玩转大数据分析!Spark2.X + Python精华实战课程免费学习视频。


    您可能也对以下帖子感兴趣

    文章有问题?点此查看未经处理的缓存