Archive for June 2007
過左幾日，依然被上星期件事影響。雖然控制得到，但忘記唔到。
唯有工作先至可以令到暫時完全忘記自己原來係唔開心，一但停下來第一件想到就是這件事。
被打到的地方，不是新傷，而是舊患，更加是死穴。幸好有人在 msn 關心一下我，雖然要在內心案件重演一次又一次，但那總比自己一個胡亂想像的好。不過，感看則每次都不一樣。語言真是係奇妙，不同的語言當中，都相似而不一樣的詞言／句子去形容不同的傷心。未經驗過，不會明白，但只需體會過一次，卻能清楚了解當中分野。
我并沒有失去甚麼，只是發現原來自己還沒有得到甚麼。
記憶中沒有增加痛苦回憶，卻喚醒起了種種更悲哀難過的過去。
感謝大家，今次我所得到的，比想得到而還沒有得到的更重要。那是無可改取代的經驗。
Apache Lucene 是一個以 java 編寫(現在已有 .NET 版本), 具有高效率, 支持全文檢索的開源搜索引擎. 主要功能是對數據作索引及搜索，它與其他工具配合能處理 word, html, pdf, excel 的全文搜尋。
Lucene 提供了一個簡單確強大的應用程式介面，能夠做全文索引和搜尋，在 Java 裡 Lucene 是一個成熟的免費開放原始碼工具；就其本身而論，Lucene是現在並且是這幾年，最受歡迎的免費 java 資訊檢索程式庫。 人們經常提到資訊檢索程式庫，就像是搜尋引擎，但是不應該將資訊檢索程式庫與網搜索引擎相混淆。
Lucene @ wikipedia 有關 Lucene 的簡介，可以讀 車案 chedong 的文章 http://www.chedong.com/tech/lucene.html (簡體中文) 我就先跳過中文分詞的理論，直接深討在現實應用中會一定會發生多國語言的問題。 體、繁體、英文甚至多國語言在同一文件中同時出現 面對正式的，官方的文件和公司內部文件時是沒有問題的。 它們一般都不會把不同語言混合使用，會更多單一語言。 但是，在 Internet 等的公開場合呢？特別是夾在世界各國文化之間的香港。 "中式英文", "英式中文", 簡體、繁體、日文、英文混合也是很常見的現像。 單純的一個 "ChineseAnalyzer/CJKAnalyzer" 根本沒有用。 就算是比較官方的通告也是一樣，例如：公告以三種語言分別寫一次，放在同一文件內，而不是以連結方式轉換語言。 而在非官方場合，最可怕的情況，卻也是最常見的；就是留言版討論區的文化。 你不能事先知道被索引的文件會是甚麼語言的的。 對自動化的程式來說 Unicode 內文所用的語言是一個謎。 你可能想在統計字元或內碼方面著手。但事實上，實作字碼檢查時已經很麻煩了，再加上語言推算就更亂了，更何況我們根本沒有這方面的數據。算你有 google 一樣的海量數據，它經常還是會出錯。 選擇分詞引擎 雖然，你很想看到純英文文件時應用 StandardAnalyzer。體的文件用相應字典，繁體的文件用另一套字典。是，BIG5 也可能寫英文。 GBK 不但可寫英文，也可以寫繁體，甚至日文的。 Unicode 情況下，你甚至可能使用了日文漢字和簡體也不自覺。如果你參考別人的程式，一般都是把會應用到的 StandardAnalyzer 的名字寫死在原始碼/設定檔中，而不是依被讀的文件而自動更換的。 分詞字典應用建立和更新 如果只是單純使用 n-Gram 或 Bi-gram 的話，可能沒有這麻煩。 但根據字典分詞還是十分有吸引力的，它能提昇一定的準確性和減少索引檔的大小。 先說建立字典的方法，幸好兩岸也有人做常用詞的統計。幸苦一點自己找免費的，還是付錢買的也可以。 把它們合併，轉換成一個 "繁簡中文字典" 相對整體來說還是簡單的。 可是更新就是一個問題了～任由它不更新不是不可以，但網絡和語言都是活的。 而且，在更新後，你要重新為舊件建立新的索引，這比甚麼都要麻煩。 在香港，應該應用那一個 Analyzer 當你發覺 StandardAnalyzer 不太支持中文的時候，在 sandbox 中找到了 CJKAnalyzer。 可是事實上它們都是低能兒，寫得太過簡單了（相對 StandardAnalyzer）。 StandardAnalyzer 應該是用 javacc 生成的，自行胡亂改動不是一個好方法。 以前試過應用 StandardTokenizer，而單純在它不支持的中文 Token 組合再進行二次分詞，效果不錯。 這一篇文章其實是在數年前寫下的 Draft，最近整理 My Documents 時發現。反正有空，拿來修改一下之後就貼在這 Blog。
自己犯下的錯，令自己初次體會到心如刀割是甚麼一回事。
原來，那不是文彩的特別高的人想像出來的詞語。
那是一件簡單不過，清楚、深刻、 難忘、生不如死的一種悲傷感覺的最簡單最直接的名詞，而不是形容詞。
心如刀割，不是一下子刺或割的感覺，而像是有一把刀貼在心的表面。心每跳一下就痛一下，你沒法拿掉刀片，它就在你的體內，你更沒法停止你的心跳，甚至連呼吸都是痛的。
你只能任時間過去，任它割，等心的傷口迎合到刀片的形狀。傷口還在，刀還在，只是剛好割不到，就沒有那麼痛了。
個性內向，不喜歡與人接觸，認為會受到傷害。常常跟自己說：不要逃避！
像某個知名動畫的主角，不過這個應該是我；至少，到目前為止，這個還是真正的我。
就算是和其他人接觸多了，不代表我沒有受到傷害。只是，在表面裝作沒事的同時，任由內心在滴血。
希望這只是過渡期的情況吧；失敗感，孤單，沮喪，失落，孤獨，疏離感…它們最近襲擊我的次數和時間越來越多。不足一星期時間卻感到以往一年份的悲哀。或許，或許是我的過去實在過份空白，我不懂等如何應付它們。
有訴說的地方，唯有發洩係自己個 blog。
既然已經決定了，也向帶刺的前踏出了，只有快點適應，像抗體一樣得到免役力。
不付出犧牲，便得不到任何回報；如果要得到什麼，就必須付出同等代價。
最近比較懶，遲Ｄ我會寫返少少 Java 或者技術野的。
最最基本的，實用的，簡單的，極度平凡而合理的功能總是不會加到 JRE 當中。
可有可無的，花考的，繁復的，意想不到而令人驚喜的意想不到的功能卻總會在下一個版本出現。
好多人都想有但係等極都無嘅例子
- Better AWT (舊版沒有 tray)
- JVM uptime
- System uptime
- JVM Process ID
- Child Process ID
- Better OS Integration /Platform Optional Feature
- SwingWorker (6.0)
- 簡單的 IPC
唔係一般需要，係就係好正，但係唔係個個用得著，又幫唔到上面的需要
- Swing
- Script Engine
- Change of Syntax
- Java Web Start
- Pack200
最後，有需要的人就會開始用Ｄ奇奇怪怪的方法去做 work around。例如：
- JVM uptime / System uptime
- 因為 currentTimeMillis 唔單止唔多準確，而且會因改 clock 而錯誤
- 自己寫 JNI wrapper ，整 DLL/SO ，拿 system uptime.
- JVM Process ID
- 有人用 unix $$ 放入 properties，但係好重 OS dependences (windows 不能)
- 有人用 create subprocess, 再叫個 subprocess return 個 ppid…
- 有人又寫 JNI…..
- Child Process ID
- 有人走去用 external command list 曬所有 pid, 再段估
- Better OS Integration /Platform Optional Feature
- 簡單如 COPY FILE 沒有；OS 的 copy 是包括 copy security/secondary stream 和其他 meta data 的
- Kill process
- Window Docking 之類
