我经常编写依赖于 XmlService 的 Google Apps Script (GAS) 项目，但发现很难在本地进行测试。因此，我创建了 <i>@yoshi389111/fake-xmlservice</i>，这是一个在 Node.js 中实现 XmlService 的 npm 包。
<p>- 与 Jest 兼容（例如，可以放在 `setupFilesAfterEnv` 中）</p>
<p>- 允许使用 XmlService 对 GAS 代码进行本地单元测试</p>
<p>- 支持解析和序列化 XML（部分完成，尚未达到 100%）</p>
<p>- API 设计为 GAS 的 XmlService 的直接替代品</p>
仓库：<<a href="https://github.com/yoshi389111/fake-xmlservice" rel="nofollow">https://github.com/yoshi389111/fake-xmlservice</a>>
包：<<a href="https://www.npmjs.com/package/@yoshi389111/fake-xmlservice" rel="nofollow">https://www.npmjs.com/package/@yoshi389111/fake-xmlservice</a>>
它尚未完全完成，但已经能够满足我的使用场景。我希望能收到关于以下内容的反馈：
<p>- 你希望在 GAS XmlService 的测试库中看到哪些功能</p>
<p>- 在你的项目中遇到的 XmlService 的任何边缘案例</p>
谢谢！
返回首页
最新
这个项目源于我在切割优化项目中对约束求解器的需求。在评估了现有的求解器后，我发现它们主要是与大型C/C++库的绑定，且依赖关系繁多，因此我决定开发自己的解决方案。在几年的时间里，我尝试了多种方法，最终实现了一个自包含的实现。
该求解器能够处理整数、浮点数和布尔域的约束，支持算术、逻辑以及多种全局约束（如all-different、element、count和table）。
尽管性能不断提升，但它并不打算与大型商业求解器竞争。
Supacrawler 是一个开源的网页抓取 API，采用 Go 语言构建，旨在提高性能和并发性。它使用 Playwright-Go 进行 JavaScript 渲染，使用 Redis 进行缓存和队列管理。同时，Supacrawler 也便于自托管（克隆 + docker-compose）或使用托管版本。
Supacrawler 支持的功能包括：
- v1/scrape — 从 URL 获取内容（HTML、JavaScript 渲染）
- v1/crawl — 跟随链接抓取整个网站或特定部分
- v1/screenshots — 捕获页面的视觉渲染（完整页面、元素等）
- v1/watch — 监控页面随时间的变化
- v1/parse — 新的端点：您提交一个 URL 和一个模式或所需格式（JSON、CSV、YAML、Markdown），它将返回结构化数据，无需自定义抓取逻辑
代码库： [https://github.com/supacrawler/supacrawler](https://github.com/supacrawler/supacrawler)
云服务： [https://supacrawler.com](https://supacrawler.com)
请告诉我如何才能让这个工具成为您在生产环境中依赖的工具！感谢您关注这个项目 :)
嗨，HN，
我是Divy，曾任Branch的首席技术官，之前在Credit Karma和NexHealth领导工程团队。在过去十年的金融科技和健康科技领域，我目睹了太多创始人因隐私合规问题而遭遇困境。
问题：80%的初创公司对影响其业务的隐私法律一无所知。随着法规的扩展，昂贵的律师费用（超过5000美元）和风险较大的通用模板之间的选择变得愈发困难。通用隐私政策之所以失败，是因为它们做出了承诺，而这些承诺你的企业无法兑现——我见过这导致融资轮次失败和触发监管调查。
我的个人痛点：在Branch，我们花了几周时间和超过5000美元，仅仅是为了获得基本的隐私合规文档。我们的律师每小时收费数百美元，基本上只是填写有关我们数据实践的表格。更糟糕的是？这些政策甚至没有正确涵盖我们的具体用例，当新法规生效时，我们不得不重新做一切。
解决方案：PrivacyForge.ai利用基于当前法规训练的AI生成合法合规的隐私文档。它不是使用通用模板，而是根据你实际的商业实践生成文档——你收集了哪些数据，如何处理这些数据，存储在哪里，以及适用于你的管辖区。
技术方法：我们在Google Cloud上构建了这个系统，使用Vertex AI，结合Claude Sonnet和Gemini 2.5进行文档生成。该系统维护着针对GDPR、CCPA、CPRA、PIPEDA、COPPA和CalOPPA的独立知识库。每个文档在交付前都会根据特定管辖区的要求进行验证。我们正在不断扩展支持的法规。
与现有工具的不同之处：大多数隐私生成器使用静态模板，只有基本的填空功能。我们分析你的具体数据流并生成定制语言。没有每个网站的定价，这对代理机构造成了困扰——只需一次性付款，并在法规变更时包含更新。
当前状态：我们已经上线，并有付费客户，他们在法律费用上节省了数千美元。生成的文档已通过正在进行A轮尽职调查的公司的合规审查。
欢迎访问privacyforge.ai——我们非常希望听到HN社区的反馈，尤其是如果你在公司面临隐私合规的困扰。
你遇到过哪些隐私合规的噩梦？我总是很想听听其他创业者的经历。