[FWD] boilerpipe

https://code.google.com/p/boilerpipe/

Boilerplate Removal and Fulltext Extraction from HTML pages



Example:

import java.net.URL;

import org.xml.sax.InputSource;
import de.l3s.boilerpipe.extractors.ArticleExtractor;

public class Main {
  public static void main(String[] args) throws Exception {
    URL url = new URL("http://www.appledaily.com.tw/realtimenews/article/politics/20140401/371213/");
    InputSource is = new InputSource();
    is.setEncoding("ISO8859-1");
    is.setByteStream(url.openStream());
    String text = ArticleExtractor.INSTANCE.getText(url);
    System.out.println(text);
  }
}

爬出來會產生：

白狼張安樂與勞團於今天發起挺服貿遊行，並號召逾500人到場聲援，下午4時許，雙方在鎮江街口叫囂互嗆，反服貿群眾高喊著「黑道滾回去」等字眼，挺服貿群眾則是以「貪污道」反擊，雙方戰火一觸即發。

其中一名反服貿的學生潛伏群眾進行拍照蒐證，隨即被勞團糾察隊發現並將他包圍，挺服貿民眾立刻一擁而上痛毆學生頭部，並朝著他丟擲水瓶，勞團糾察隊見情況失 控，便護住其頭部並將他交給警方處理，警員便讓他從鎮江街口回到反服貿的陣營之中，結束這場零星衝突。（楊忠翰／台北報導）

蠻不錯的東東可以砍網站文章（逃）

[Project Euler] Problem #458

Hint: 10^12 implies that we need to find O(1) or O(log(n))-level algorithm.

Another example: Problem #113.  10^100 implies that we cannot brute force by O(n) algorithm.

[FWD] 讓鞋子飛

 神曲！！！

[Project Euler] Problem #321

Hint: Find patterns.

大談廢話。

許多 ProjectEuler 的題目可以往小數據走，研究規則及演算法複雜度，

利用刪去法往正確的道路前進。

郡大山、西巒大山

時間：2014年3月22-23日 (六、日)

人員：七員 ((Guava、Sean、Roman、阿志、旺旺、Ginger、Menggen))。領隊就我自己。

天氣：白天晴朗曬傷。下午三點過後開始起霧。

路線：(～代表車行，→代表步行)

• Day 0：台北市敦化南路二段198號 ((趨勢)) ～ 哎渡民宿C0
• Day 1：C0 ～ 十八重溪檢查哨 ～ 望鄉工作站 ～ 32K登山口 → 望鄉山 → 郡大山北峰 → 郡大山(來回) ～ 望鄉工作站 ～ 十八重溪檢查哨 ～ C0 
• Day 2：C0 ～ 西巒大山第二登山口 → 森林營地 → 瞭望台 → 2830峰 → 西巒大山(來回) ～ 人倫工作站 ～ 人倫林道入口 ～ 水里 ～ 台北

2012年曾經去過一次郡大山、西巒大山，整個嗨度就沒有以往那麼高，實在很對不起自己的興趣，另外一點是自己要帶大家走所以整個有點緊張。

果然發生神奇的事情。

先介紹這幾天住的民宿：

• 哎渡民宿
• 全新禧
• 049-2701470
• 0980-893744
• 南投縣信義鄉望美村望和巷2鄰36-8號

東西超好吃超迷戀鹹鹹山豬肉、雞湯、雪蓮、麻糬、地瓜。地瓜特地幹起來當行動糧，結果西巒大山太累地瓜一下就吃光了。



郡大林道還是一樣顛頗。

根據以前的印象郡大山不難走，的確如此，不過我沒想到路不見了，整片山坡開始植林路變得亂七八糟，在確定與不確定之間夾著既有路跡及想像的完美路線，不小心爬到稜線，爬到稜線路自然就非常好認，結果整天爬下來我一直很緊張的看路。

((結果這時候超級認真的對地圖，有困難的時候學最快))

郡大山天氣很好雲海疊疊而來，在山頂打呼睡了片刻整張臉曬傷背後也堆出許多汗，難得好天氣當然用力曬傷。

終於到最遠最高的山頭了。

拍照會破壞看遠景的心情，風景當是看看記記老的時候拿出來回憶就好了。忘記就再來上一次山吧。然後我很確定一件事：帶人爬山的確比較累。

晚餐吃得不錯可惜無法弄太晚因為明天要早起爬西巒大山，我發誓今年不會再爬西巒大山了。印象裡的西巒大山又操又累，今天證明我的印象精確無比，不過我又再次迷航把隊伍帶到人倫工作站。西巒大山有兩個登山口，這次依然沒走第一登山口。剛開始還好，直到拉繩下到一個小小的鞍部然後開始陡上，沿途標標準準的中級山景色，沒景，還好摸早黑省去前面無聊的人造林，越上面樹景越驚人不過還是很操，印象中的路好像變爛的，這該不會是我的錯覺？

因為晚上沒睡好，所以休息時間偷偷被我調成三十分小休六十分大休，這樣走起來順多了。

天氣一樣很棒，可惜沒辦法待太晚我的中午睡覺打呼計畫整個亂了套，不過這個美麗的山，我想一年來一次就夠了。

檢討：下山心急趕路很不好，應該以隊伍安全為最高指導原則。隊伍完全沒有拖到，多數時間可以直接看到押隊，有時看到其他隊四分五裂倒是為他們擔心。看不到人真得很可怕，我怕了。

四稜溫泉、紅河谷、嘎拉賀溫泉

日期：2014-03-15 ~ 16 (D1 ~ D2)

天氣：好天氣

人員：13人，領隊國信

預計行程：

• D1 古亭捷運站 -> 四稜溫泉 -> 嘎拉賀C1
• D2 C1 -> 唐穗神木區 -> 嘎拉賀溫泉 -> 古亭捷運站

實際行程：

• D1 古亭捷運站 -> 四稜溫泉 -> 嘎拉賀民宿C1
• D2 C1 -> 紅河谷((來回)) -> 嘎拉賀溫泉 -> 古亭捷運站

心得：

現地繩子的使用：保守原則。不是自己的繩子，使用前要先確認。如果不想確認，可以使用現場的地形地物，下坡可以抓綠葉盎然的樹木，下石頭可以摸石頭表面的握點，或是尋找旁邊突出來的樹根，這些點不像繩子會晃來晃去抓不準重心，行進時最好穩住身體的重心，危險的時候就把重心往下擺，下樓梯避免用力往下踩儘量順順的往下走會比較好。

簡單說就是風險趨避原則。

D1 四稜溫泉還算好下，留意台灣山谷溪流形成，溪水切割的力量十分強大，所以越接近溪谷兩側的山坡會越來越陡，發生山難往溪谷走會碰到的風險就是兩側山坡很陡，有時根本沒有好的路可以下。

泡溫泉是例外，不過地形不會因為我們要泡溫泉而改變，越往下越要留意。

過溪的輔助繩太小條，根據之前所言，重心不能完全依賴小小的繩子，重心要壓底小心翼翼地過去對面。

晚上姿螢蠻會追酒的不過以前一人就能磕掉小瓶五八，哥哥有練過小朋友不要學。

D2 紅河谷路徑不好走，早上下雨過後濕滑又更不好走。然後紅河谷三個字又讓我想起以前一起爬山的山友，哎，無法過溪千萬不要硬闖。

嘎拉賀溫泉路線就遠比紅河谷安全。下去沒啥問題，比較有問題的是踩獨木橋到對岸這造成我心中一點小障礙。這邊疑似吃壞肚子。至於溫泉品質，絕對比四稜好，沒有湯花腹地也夠大還有一塊開放空間的冷池有兩個傻瓜在那邊游泳還拉其他四個人下水。

感謝兩個傻瓜之一奧黛麗辦的新春團泡，雖然我覺得新春以來過得已經蠻爽的。

[Project Euler] Problem #336

Hint: Read problems carefully.

The algorithm stated in this problem is a stupid algorithm solving sorting by reversal.  Sorting by reversal is NP-hard.

蓮花池、文山溫泉、錐麓古道

寫記錄的習慣有點怠惰了其實我還欠了一篇最重要的Barcelona、Sevilla、Singapore不過這些都是過去式先把現在還記得的打一打。

日期：2014-03-07 ~ 09 (D0 ~ D2)

天氣：D1陰。D2陰微雨

人員：輝哥、Vicky及兒子、琨哥、Sindy、宗達、賢哥、Chiaying、小根

行程：

• D0 台電大樓捷運站 -> 新城樺城民宿C0
• D1 C0 -> 迴頭彎 -> 蓮花池 -> 迴頭彎 -> 天祥天主堂C1
• D2 C1 -> 燕子口 -> 錐麓古道 -> 慈母橋 -> 新城佳興檸檬汁 -> 台電大樓捷運站

記錄：

D0

自從換了新工作感覺變蠻屎的，不對應該說學習很多，但代價就是每天回去蠻累的這天星期五也不例外從南港趕回永和跟樓下阿泉熱炒點了炒飯跟生魚片沒什麼停留就匆匆搭計程車淋著雨到台電大樓捷運站等人。

當中思考著教授關門弟子的課程裡面需要寫難忘的爬山經驗，怎麼寫都不對。

不過烏來三姑、烏來三玉、烏來大中小、南北插天山、逐鹿北插的的確確是欠一手。

雨天王大哥疾行花蓮跟著昏迷到花蓮意外的天氣不錯。晚上民宿還是一模一樣的老地方，就連房間也是一模一樣。

D1

大家精神都很好，哥是趁爬山空擋來補眠的。敏敏果然不負眾望帶著大家期盼已久的早餐公正街包子跟蒸餃，或許很多人沒吃過，以為包子的單位是一個沒想到是一籠，吃不完的包子正好變成蓮花池畔的午餐，很感謝數量稀少的花蓮人敏敏。然後我把牙刷牙膏放在民宿。幹。

我們從迴頭彎出發，前面路況基本的，接下來要過吊橋，吊橋的樣子十分嚇人原則上只有三分之二是原本歪歪的吊橋後段三分之一是另外接出來的，看起來就像要掉要掉的樣子，不宜在橋上久留。

過橋走到九梅吊橋前，叉路口就擺著大梅樹，摘取綠色未熟的梅子，比初戀的味道還要苦澀，就有人假會吃一整顆然後說梅子很苦。然後我還在想 Chiaying 名字很像的叫啥，Chiaying！不對名字一樣我就不用想了。接著是一連串的切捷徑的上坡，切的是老榮民以前走的產業道路可是現在花花草草已被大自然接收了。大概上了四百琨哥剛好閃到腰菸掉在路上 Sindy 撿起來假裝不知道我們也到了。

蓮花池優氧化整池綠綠的。

往上走可以到小教堂跟高級民宿前面還站著桂花樹，超大棵，家裡也有種一百多棵桂花，但看到那麼粗的桂花完全被比下去了，家裡桂花爭氣點快點變粗。

旁邊有石桌大家就在那邊聊天，阿賢拿出新玩具八角壺煮咖啡，Sindy 也帶一個簡易的咖啡壺杯子上面放一雙筷子就可以濾出咖啡了。大家輕鬆聊天不免也憂國憂民，最近的大劍山山難又讓我們覺得山的偉大與可怕，爬山安全為先，爬山要安全除了體力自己顧自己，另外就是慎選隊友讓別人顧自己。爬山心機點準沒錯，假學習登山安全之名，行挑隊友之實，這是我的秘密不要跟別人說。

回程往蓮花池一探究竟，結果輝哥就中一隻螞蝗。

因為時間還很多所以我們又去文山溫泉探勘一下。果然好山好水，池子夠大每個人都能享用大自然的熱水，連日本的老人家也願意騎腳踏車來到這裡泡泡溫泉。不過還是要留意上方的落石以免七天後才能回家。

寫的有點流水賬。

晚上住天祥天主堂，不錯，獨立床位。Chiaying 跟輝哥玩小孩子的遊戲賭注是綠色梅子幼稚幼稚的。我們走去下面商店街買買吃吃，還好有吃到米腸感覺超棒的。晚上去隔壁的救國團活動中心打牙裡面盡是國家公園的志工，不過規矩就顆顆了，不是我媚外禮儀的確差西班牙頗多的。

因為訂餐的人有點臭拎呆 ((陷害))，所以我們團體名是小小鴨。出菜有點混亂琨哥疑似想借題發揮翻桌 ((再陷害))，吃完回去繼續補眠。大家好像玩的很開心，哭哭沒玩到一定有很多八卦沒聽到。

D2

今天早上有點微雨但我們不會被遠在台北淋雨的奧黛麗打敗。大家商量了一下決定從燕子口出發，看完最壯麗的錐麓斷崖到斷崖駐在所就原路來回。琨哥腰閃到跟老婆當山口組，Vicky兒子也是，聽說跟山下原住民小朋友聊得很開心，感覺爬山虧到了。

阿賢跟輝哥輪流帶大家從燕子口慢慢推到錐麓斷崖，雖然走了兩次但這次逆走又看到不一樣的東西雖然天氣不好很白斷崖看下去一點也不可怕，但跟不一樣的人走總走不一樣的感受，宗達就走的很無聊兩隻手插口袋，我拿著禮藏許久的登山杖戳戳戳。錐麓總是很壯闊的雖然看不到下方但聽吸哩嘩啦的水聲切割著太魯閣仍讓人屏氣凝神。

到了斷崖駐在所時間還早，雖然計畫是原路來回但看著宗達寓意頗深的眼神就知道要往錐麓駐在所推進，所幸天空白雲稍為散開一些風景越來越好，在錐麓駐在所搭外帳吃午餐，早餐沒吃很飽午餐特別美味，Vicky 姐分享許多私房小秘訣果然薑是老的辣哈哈。

下山等著我們的不是可樂而是山口組的同伴。這次除了老咖宗達，其他雖然有幾面之緣但睡過幾晚才算認識比較深刻像我就知道沒有人比我還會賴床。

下山。

新城佳興檸檬汁。

檸檬汁好喝。

上次點的炒麵跟喜相逢感覺變難吃了。怪。

心理還有梗著一些事情，回家趕緊更新 CV 結果今天也沒收到消息，人家也想被高薪挖角。

Y! 的第七天

這邊系統不是我在說有許多隱規則要自己摸索不過也好可以自己 Hack 玩玩也不錯。

例如傳照片，檔名太長不給上傳是哪招。

例如連WebEx，Mac OS X 版本太新不能連啦害我只好用 Win7 on VMWare 超扯的。



現在又碰到新梗了。