第二十四個夏天後

2012年4月18日星期三

師父: 那些我在課堂外學會的本事

記得 n 年前聽同事分享這本書很好看，當下我就隨手跟圖書館預約了，直到 n > 1.5 年後？我終於排到這本書了 XD 不愧是熱門書，書皮都快翻爛了，我看了幾十頁就下單買了這本書。這本書其實是把常聽到的粗略小事濃縮成故事敘說出來，如果你周邊都是一群真正拿自己的錢在創業的，那或許早已聽過五四三呢。

這本書比較著重在數字的管理，算是挺善用數學的效應 :D 我覺得對一般有興趣創業的人都可以翻來筆記一下，不是多高深的技術，卻還挺有用的，應該算通用的角度跟經驗分享。如果說「Rework 工作大解放：這樣做事反而更成功」是用來激勵人心，那「師父：那些我在課堂外學會的本事」則偏向營運管理吧 :D 我覺得這兩本都算是創業型書籍，而且不像教科書那種 xx 管理課程，必須在大公司才能展現，甚至這本書的某章節還帶到一點 Game Theory 的生活應用角度喔，就那句經典名言：尋求彼此「不滿意，但可以接受」的狀態。

這本書比較適合細細品味，偶爾翻個一兩回也挺不錯的。

[Java] 使用 Apache POI 擷取 Word、Excel、PowerPoint 文字

Apache POI - the Java API for Microsoft Documents

這次用 POI 的目的是練習把 Word、Excel 和 PowerPoint 裡頭的文字擷取出來，如果用 "extract"、"text" 和 "doc"、"docx"、"ppt" 和 "pptx" 很容易找到網路上用 Apache POI 所作的範例，此次我就拿這套來練習，那目標呢？我翻了一下 POI 的程式碼，至少要做到 doc、docx、ppt、pptx、xls、xlsx 的文字抽取，而測次結果的確都做得到了。

首先我很懶地看文字，只稍微看到官網的 Text Extraction 介紹，但那段就成為我程式的主要架構了，經過多次的旁敲側擊，讓我發現挖到寶的是 TestExtractorFactory.java！真的是太讚啦，簡單地說我想要了解 POI 跟如何去做的事，完完全全看 TestExtractorFactory.java 就搞定了！包含支援哪些檔案格式、怎樣用，全部清清楚楚，看來從 test case 開始也是另類的偷懶式學習。

最後，程式碼：

import java.io.FileInputStream;
import java.io.FileNotFoundException;
import java.io.IOException;
import java.io.InputStream;
import java.lang.StringBuffer;

// https://svn.apache.org/repos/asf/poi/trunk/src/ooxml/testcases/org/apache/poi/extractor/TestExtractorFactory.java
import org.apache.poi.POIOLE2TextExtractor;
import org.apache.poi.POITextExtractor;
//import org.apache.poi.POIDataSamples;
//import org.apache.poi.extractor.*;
import org.apache.poi.extractor.ExtractorFactory;
import org.apache.poi.hdgf.extractor.VisioTextExtractor;
import org.apache.poi.hpbf.extractor.PublisherTextExtractor;
import org.apache.poi.hslf.extractor.PowerPointExtractor;
import org.apache.poi.hsmf.extractor.OutlookTextExtactor;
import org.apache.poi.hssf.extractor.EventBasedExcelExtractor;
import org.apache.poi.hssf.extractor.ExcelExtractor;
import org.apache.poi.hwpf.extractor.Word6Extractor;
import org.apache.poi.hwpf.extractor.WordExtractor;
import org.apache.poi.poifs.filesystem.POIFSFileSystem;
import org.apache.poi.xslf.extractor.XSLFPowerPointExtractor;
import org.apache.poi.xssf.extractor.XSSFEventBasedExcelExtractor;
import org.apache.poi.xssf.extractor.XSSFExcelExtractor;
import org.apache.poi.xwpf.extractor.XWPFWordExtractor;

import org.apache.poi.openxml4j.exceptions.InvalidFormatException;
import org.apache.poi.poifs.filesystem.OfficeXmlFileException;

import org.apache.poi.xslf.usermodel.XMLSlideShow; // pptx 2007, http://poi.apache.org/apidocs/org/apache/poi/xslf/
import org.apache.poi.xwpf.usermodel.XWPFDocument; // docx 2007, http://poi.apache.org/apidocs/org/apache/poi/xwpf/
import org.apache.poi.xssf.usermodel.XSSFWorkbook; // xlsx 2007, http://poi.apache.org/apidocs/org/apache/poi/xssf/

class ExtractText
{
public static String file(String path)
  {
      try { return pptx(new FileInputStream(path)); } catch(Exception e) { }
      try { return docx(new FileInputStream(path)); } catch(Exception e) { }
      try { return xlsx(new FileInputStream(path)); } catch(Exception e) { }
      return "";
  }
  public static String pptx(InputStream in) throws Exception
  {
      XSLFPowerPointExtractor o = new XSLFPowerPointExtractor( new XMLSlideShow(in) );
      o.setSlidesByDefault(true);
      o.setNotesByDefault(true);
      return o.getText();
  }
  public static String docx(InputStream in) throws Exception
  {
      XWPFWordExtractor o = new XWPFWordExtractor(new XWPFDocument(in));
      return o.getText();
  }
  public static String xlsx(InputStream in) throws Exception
  {
      XSSFExcelExtractor o = new XSSFExcelExtractor(new XSSFWorkbook(in));
      return o.getText();
  }
  public static void main(String argv[])
  {
      try
      {
          InputStream in = null;
          if( argv.length < 1 )
              in = System.in;
else
in = new FileInputStream(path);
          StringBuffer output = new StringBuffer();
          POITextExtractor textExtractor = ExtractorFactory.createExtractor(in);
          //POIFSFileSystem fileSystem = new POIFSFileSystem(in);
          //POITextExtractor textExtractor = ExtractorFactory.createExtractor(fileSystem);
          //POIOLE2TextExtractor oleTextExtractor = ExtractorFactory.createExtractor(fileSystem);
          //POITextExtractor[] embeddedExtractors = ExtractorFactory.getEmbededDocsTextExtractors(oleTextExtractor);
          //for (POITextExtractor textExtractor : embeddedExtractors)
          {
              if (textExtractor instanceof ExcelExtractor) // xls, excel 97-2003
              {
                  ExcelExtractor extractor = (ExcelExtractor) textExtractor;
                  //System.out.println(extractor.getText());
                  output.append(extractor.getText());
              }
            else if (textExtractor instanceof XSSFExcelExtractor) // xlsx, excel 2007
            {
                XSSFExcelExtractor extractor = (XSSFExcelExtractor) textExtractor;
                  //System.out.println(extractor.getText());
                  output.append(extractor.getText());
              }
              else if (textExtractor instanceof Word6Extractor) // doc, word 95
              {
                Word6Extractor extractor = (Word6Extractor) textExtractor;
                // http://poi.apache.org/apidocs/org/apache/poi/hwpf/extractor/Word6Extractor.html
                  //for (String paragraph : extractor.getParagraphText() )
                  // System.out.println(paragraph);
                  //System.out.println(extractor.getText());
                  output.append(extractor.getText());
              }
              else if (textExtractor instanceof WordExtractor) // doc, word 97-2003
              {
                  WordExtractor extractor = (WordExtractor) textExtractor;
                  // http://poi.apache.org/apidocs/org/apache/poi/hwpf/extractor/WordExtractor.html
                  //System.out.println(extractor.getHeaderText());
                  //System.out.println(extractor.getFooterText());
                  //for (String paragraph : extractor.getParagraphText() )
                  // System.out.println(paragraph);
                  //System.out.println(extractor.getText());
                  output.append(extractor.getText());
              }
              else if (textExtractor instanceof XWPFWordExtractor) // docx, word 2007
              {
                  XWPFWordExtractor extractor = (XWPFWordExtractor) textExtractor;
                  //System.out.println(extractor.getText());
                  output.append(extractor.getText());
              }
              else if (textExtractor instanceof PowerPointExtractor) // ppt, ppt 97-2003
              {
                  PowerPointExtractor extractor = (PowerPointExtractor) textExtractor;
                  //System.out.println(extractor.getText());
                  //System.out.println(extractor.getNotes());
                  output.append(extractor.getText());
                  output.append(extractor.getNotes());
              }
              else if (textExtractor instanceof XSLFPowerPointExtractor ) // pptx, powerpoint 2007
              {
                  XSLFPowerPointExtractor extractor = (XSLFPowerPointExtractor) textExtractor;
                  extractor.setSlidesByDefault(true);
                  extractor.setNotesByDefault(true);
                  //System.out.println(extractor.getText());
                  output.append(extractor.getText());
              }
              else if (textExtractor instanceof VisioTextExtractor) // vsd, visio
              {
                  VisioTextExtractor extractor = (VisioTextExtractor) textExtractor;
                  //System.out.println(extractor.getText());
                  output.append(extractor.getText());
              }
              else if (textExtractor instanceof PublisherTextExtractor) // pub, publisher
              {
                  PublisherTextExtractor extractor = (PublisherTextExtractor) textExtractor;
                  //System.out.println(extractor.getText());
                  output.append(extractor.getText());
              }
              else if (textExtractor instanceof OutlookTextExtactor) // msg, outlook
              {
                  OutlookTextExtactor extractor = (OutlookTextExtactor) textExtractor;
                  //System.out.println(extractor.getText());
                  output.append(extractor.getText());
              }
          }
        System.out.println(output.toString().replaceAll( "[\n\t\r ]+"," "));
      }
      catch (Exception e)
      {
          // TODO Auto-generated catch block
          // e.printStackTrace();
// System.out.println(e);
      }
  }
}

編譯，使用 poi-bin-3.8-20120326.zip 版本：

$ javac -Xlint:deprecation -cp .:lib-3.8/commons-logging-1.1.jar:lib-3.8/poi-3.8-20120326.jar:lib-3.8/poi-ooxml-schemas-3.8-20120326.jar:lib-3.8/dom4j-1.6.1.jar:lib-3.8/poi-examples-3.8-20120326.jar:lib-3.8/poi-scratchpad-3.8-20120326.jar:lib-3.8/junit-3.8.1.jar:lib-3.8/poi-excelant-3.8-20120326.jar:lib-3.8/stax-api-1.0.1.jar:lib-3.8/log4j-1.2.13.jar:lib-3.8/poi-ooxml-3.8-20120326.jar:lib-3.8/xmlbeans-2.3.0.jar ExtractText.java

執行，使用 poi-bin-3.8-20120326.zip 版本：

$ java -cp .:lib-3.8/commons-logging-1.1.jar:lib-3.8/poi-3.8-20120326.jar:lib-3.8/poi-ooxml-schemas-3.8-20120326.jar:lib-3.8/dom4j-1.6.1.jar:lib-3.8/poi-examples-3.8-20120326.jar:lib-3.8/poi-scratchpad-3.8-20120326.jar:lib-3.8/junit-3.8.1.jar:lib-3.8/poi-excelant-3.8-20120326.jar:lib-3.8/stax-api-1.0.1.jar:lib-3.8/log4j-1.2.13.jar:lib-3.8/poi-ooxml-3.8-20120326.jar:lib-3.8/xmlbeans-2.3.0.jar ExtractText < MyOfficeFile2003.doc

只能說這軟體架構不錯，僅須稍微修改就能弄成自動判斷格式囉 :D 在此開發的環境是 Ubuntu ，因此在 -cp 參數的數值，多個 jar 檔是用冒號 ":" 分隔的，若是 Windows 的話，要改成對應的(不確定是不是分號 ";")

2012年4月12日星期四

[iOS] 安裝 gcc、libgcc 和 header files @ iPad 5.0.1

有一陣子沒有玩 iOS 的東西，因為一些需求想要在 iOS 裡觀察系統變化，所以寫了一隻簡單的 C 程式，好不容易搞出個 gcc 後，編譯時會顯示 header file not found 的資訊，連 stdio.h 都找不到。所幸，網路上還滿多人把玩 nodejs on iPhone 的，不一會兒就找到解答啦 :D 順道筆記一下。以上的行為都是要 jailbreak 後才能進行的。

安裝 gcc：

在 Cydia 裡頭可以找到 gcc，但安裝時卻說需要 libgcc 才能進行，網路上有一些別人編好的 libgcc ，在此使用 http://apt.saurik.com/debs/ 裡頭的 libgcc_4.2-20080410-1-6_iphoneos-arm.deb，其中 saurik.com 正是 Cydia 開發及維護者，既然 jb 都建立在 Cydia 上頭，就沒啥好懷疑資安了 XD

@ iOS 系統
# cd /tmp
# wget http://apt.saurik.com/debs/libgcc_4.2-20080410-1-6_iphoneos-arm.deb
# dpkg -i libgcc_4.2-20080410-1-6_iphoneos-arm.deb

安裝完 libgcc 後，就可以在 Cydia 上頭順利安裝 gcc 囉

還有其他安裝法，可以參考：http://code.google.com/p/iphone-gcc/wiki/Installing

安裝相關 header files：

參考 How To: Set up GCC on iOS 4 的一些步驟，首先要在 iOS 裡頭安裝 rsync ，直接用 Cydia 安裝即可(我也順便安裝了 wget、vim 和 screen)，接著，由於現有的 Mac OSX 環境是 Mac OSX 10.6 與 Xcode 4.2 (Build 4C199)，裡頭用的是 iOS 5 SDK，因此採用的指令：

@ Mac OSX 10.6 + Xcode 4.2
> rsync -avz --ignore-existing -e ssh /Developer/Platforms/iPhoneOS.platform/Developer/SDKs/iPhoneOS5.0.sdk/usr/lib/ root@Your_Device_IP:/usr/lib
> rsync -avz --ignore-existing -e ssh /Developer/Platforms/iPhoneOS.platform/Developer/SDKs/iPhoneOS5.0.sdk/usr/include/ root@Your_Device_IP:/usr/include
> rsync -avz --ignore-existing -e ssh /Developer/Platforms/iPhoneOS.platform/Developer/SDKs/iPhoneOS5.0.sdk/System/Library/PrivateFrameworks/ root@Your_Device_IP:/System/Library/PrivateFrameworks/
> rsync -avz --ignore-existing -e ssh /Developer/Platforms/iPhoneOS.platform/Developer/SDKs/iPhoneOS5.0.sdk/System/Library/Frameworks/ root@Your_Device_IP:/System/Library/Frameworks/
> scp /Developer/Platforms/iPhoneSimulator.platform/Developer/SDKs/iPhoneSimulator5.0.sdk/usr/include/crt_externs.h root@Your_Device_IP:/usr/include/crt_externs.h

如此一來，就可以有對應的系統 header files 啦，雖然編譯時會顯示一堆 ld warning: bad symbol version，但對我而言剛好不影響程式的執行，就不管他了 XD 終於，我可以寫 C 了！！

2012年4月11日星期三

[MySQL] SUBSTRING_INDEX 字串處理函式

最近因工作開始使用 MySQL ，才發現 MySQL 有內建非常豐富的函式，此例以 SUBSTRING_INDEX 作為代表。更多 String Functions 請參考 http://dev.mysql.com/doc/refman/5.0/en/string-functions.html。

mysql> desc Test;
+-------+-------------+------+-----+---------+-------+
| Field | Type        | Null | Key | Default | Extra |
+-------+-------------+------+-----+---------+-------+
| Name  | varchar(50) | YES  |     | NULL    |       |
+-------+-------------+------+-----+---------+-------+
1 row in set (0.00 sec)

mysql> INSERT INTO `Test` (`Name`) VALUES ('A-1'),('A-2'),('A-3'),('B-1'),('B-2'),('C-1');
Query OK, 6 rows affected (0.00 sec)
Records: 6  Duplicates: 0  Warnings: 0

mysql> SELECT * FROM `Test`;
+------+
| Name |
+------+
| A-1  |
| A-2  |
| A-3  |
| B-1  |
| B-2  |
| C-1  |
+------+
6 rows in set (0.00 sec)

mysql> SELECT SUBSTRING_INDEX(`Name`,'-',1) AS `TopItem` FROM `Test` GROUP BY `TopItem`;
+---------+
| TopItem |
+---------+
| A       |
| B       |
| C       |
+---------+
3 rows in set (0.00 sec)


mysql> SELECT SUBSTRING_INDEX(`Name`,'-',-1) AS `SubItem` FROM `Test` GROUP BY `SubItem`;
+---------+
| SubItem |
+---------+
| 1       |
| 2       |
| 3       |
+---------+
3 rows in set (0.00 sec)

mysql> SELECT SUBSTRING_INDEX(`Name`,'-',-1) AS `BSubItem` FROM `Test` WHERE SUBSTRING_INDEX(`Name`,'-',1) = 'B';
+----------+
| BSubItem |
+----------+
| 1        |
| 2        |
+----------+
2 rows in set (0.00 sec)

2012年4月10日星期二

遇見未來

這幾年看了幾齣七喜的廣告，還真不賴 XD 回想起來，台灣的廣告似乎只剩下一些"保險業"的廣告，也是用這一類觸動人心的角度。

訂閱：文章 (Atom)

2012年4月18日 星期三

師父: 那些我在課堂外學會的本事

[Java] 使用 Apache POI 擷取 Word、Excel、PowerPoint 文字

2012年4月12日 星期四