漢字的標準化問題

在整理索引檔時發現一個奇怪的問題，像"糖尿"這個詞竟然出現兩次，而且有完全不同的編碼。經過一番整理之後，才了解有些字有所謂的"異體字"問題，某些字型可以看得出不同，某些字型則看來完全相同。詳細的列表可見 https://ctext.org/faq/normalization/zh

解決的方式是在後續處理之前先進行正規化，這類的例字還有 Guillain-Barré 中 é 有相當數量以 e (無重音) 出現的例子。參 https://python3-cookbook.readthedocs.io/zh_CN/latest/c02/p09_normalize_unicode_text_to_regexp.html

程式就一行，其中 ORIGINAL_TEXT 為尚未正規化的原始字串：

unicodedata.normalize('NFC', ORIGINAL_TEXT)

神仙打鼓有時錯之--javascript 檢查文字是否為數字所組成--stackoverflow篇

錯誤示範

https://stackoverflow.com/questions/175739/built-in-way-in-javascript-to-check-if-a-string-is-a-valid-number (2000+個 up vote)

正確解答

https://stackoverflow.com/questions/4434076/best-way-to-alphanumeric-check-in-javascript (80+)

https://lowrey.me/test-if-a-string-is-alphanumeric-in-javascript/

我也被這個雷到，今天才發現，花了老子兩年才發現這個bug…

話說回來，測試真的很重要，tdd = test driven development ROCKS!!
話說回來，測試真的很重要，tdd = test driven development ROCKS!!
話說回來，測試真的很重要，tdd = test driven development ROCKS!!

正念 (mindfulness) 的反思

今天看到這則新聞，讓我驚訝不已：

Google’s former mindfulness guru steps down from nonprofit over ‘inappropriate behavior’

顯然一些嚴謹的批評者也對正念的實證效果存疑：

Why Corporations Want You to Shut Up and Meditate

誠如上文所說，整個正念已經變成了一條產業鏈，受到最低(幾乎沒有)的監管

下文比較中性的總結了正念，如同大多數科學論文的結論：需要更多的研究…

正念冥想是否被過度炒作了

windows update 1903 error 0xc1900130

哦又是m$更新搞得我一天沒筆電可用(怒)

如果你的錯誤訊息和我一樣，希望接下來的紀錄能幫到你

官方說明在此，說是2019/8下旬會修正。嗯…我比較相信diy的時程

新版驅動在此，SetupRST.exe 下載、執行、重開機後，再次安裝更新即可

$(document).ready equivalent without jQuery

哦這是什麼爛標啊…呵呵呵，不要小看這個爛標，在SO上這個問題可是被問了一次又一次，問到不要不要的

總之一句話，在 html 文件最後宣告的即時函數，會在文件載入完畢後才執行，不需要特別處理。

有兩篇千餘個讚的SO都在講這件事：

https://stackoverflow.com/questions/9899372/pure-javascript-equivalent-of-jquerys-ready-how-to-call-a-function-when-t

https://stackoverflow.com/questions/799981/document-ready-equivalent-without-jquery

StanfordNLP 初探

在 2016 的 Stanford Chinese Segmenter初探(三) 中我曾做過測試，中文的斷詞還有進步空間。時間來到 2019 年，原團隊以 PyTorch 為基礎，改寫了 CoreNLP ，成為以 Python 為實作語言的 StanfordNLP  ，安裝方式簡化為一句 pip install stanfordnlp。以2016 年相同的測試語句來進行測試，結果如下：

非常令人驚訝的是這次結果完全正確，而且提供的中文模組預設是繁體中文!! 趕快下載來試試吧。

Interactive programming, reloadable code, and the possible mapping in python / jupyter

Interactive programming (Live coding) 是 clojure 社群提出的一個概念，意思是當寫出 reloadable code 時，程式的(執行期)重載不會改寫狀態變數，只更新了函數，有點類似軟體的熱插拔的概念。這個重載是以檔案為單位的重載，因為搭配上工具(主流是 emacs 加上 figwheel (2014)或 shadow-cljs (2015) )而能夠快速、無腦的進行。必要時也可以只重載指定區域的程式碼，而使得對程式本身全面 reloadable 的要求變得更放寬，只要所重載的程式碼是 reloadable 即可。

可以想見，其它語言只要遵循適當的規範，一樣可以達到 Interactive programming / Live coding，而我認為這方面的先行者是  swank-js (2010) 以及 Christopher Wellons 的 skewer (2012)，使用的語言是 javascript。 其中 swank-js 的影片相當令人印象深刻，但是 skewer 是較多人使用的，到 2018 年仍有維護。其它如 Bret Victor 的演示 (演示2 )，相信也是使用類似的技巧。

記憶所及，2010-2014開始，python 也出現了其互動環境 ipython 的較多討論，及後來的 jupyter 。這兩個環境的糾葛，這篇 IPython Or Jupyter? 寫得很好。如果使用過 jupyter notebook 的話，相信你也能輕易感受到，它其實已經具有 Live coding 的架構，而且只要遵循一些規範，一樣可以達成 reloadable 的要求。另外也有社群寫出 ijavascript 來使用 jupyter 的現成工作流程。而 javascript 由於可以直接使用 browser 內現成的 kernel / REPL ，因此可以在不安裝任何工具的情況下執行，而造就了一些 repl.it 與 codesandbox 等線上 IDE 的興起。clojure 社群也開發出了基於 jupyter 的 clojupyter 及自幹的 gorilla-repl ，這也更加使得 vim / emacs 加速式微，最後我們再來討論。

Live coding 的價值，主要是體現在需要大量使用者互動或人機介面的程式上。由於使用者的互動會改變程式中諸多變數，這些變動在程式重載後若被重寫，表示使用者/測試者必需重新輸入一次，這樣會使得整個撰寫、修改程式的循環時間拉長，讓人一不小心就失神(mind flow)，降低工作效率。一個解決方案是預先寫好測試程式，這某種程度上就是 Test Driven Development (TDD) 的議題。Live coding 是另一種精神的表現，它更自由，不需要事先寫測試，自由發揮的空間更大，但這不見得是當前高度機構化的開發流程所要的。我認為可以這樣說，TDD解決的是程式邏輯的部分，這部分可以經由適當的工作分解，將開發時程平行化，故為產業界所習用；Live coding 較多用在視覺設計(如電玩)，需要即時得到視覺迴饋，無法以事先撰寫的測試程式來評估效果。事實上這個做法非常的炫目，連 Unity 之類的工具都得在停止 rendering 的狀態上變動模型，我相信 Bruce Hauman 的技法也能在 WebGL / WebVR 上得到很好的應用。

最後提一下 emacs 的角色，因為當 browser 都可以拿來寫程式的時候，emacs 的 niche 是更被限縮了。而 browser 拿來寫文件早就不是新聞了，可以想見最後一根稻草會使整個 vim / emacs 的按鍵式操作被 browser 整碗捧去的時候。短期內或許還不用太擔心，因為這還涉及到程式的 focus 的處理部分，現在仍有障礙。但是未來如果再有一波自然語言對話的革命，加上 vr/ar/mr 的引入，寫程式或許就只要說說話、在空中拉拉積木就解決了，到時 vim/emacs 就真的成了時代的眼淚了。vim/emacs 最後一線的優勢就是現存的大量 legacy code ，在對 emacs 本身進行客製化時，有大量的程式碼可參考，儘管這意味著必需要學習一個看來有點奇怪的 lisp。這類工具的偏好問題，永遠夾雜著各種技術之間的競逐、互相領先和落後，不會有一個永遠的王者。但是以一個在視窗系統上存在將近30年的工具而言，emacs 真的是一代拳王無誤。