線上中文斷詞工具：Jieba-JS / Online Chinese Analyzer: Jieba-JS

現在最流行的中文斷詞工具結巴(jieba)原本是以Python開發，必須要有Python的環境才能運作。不過它也有很多不同程式語言的版本，其中最好用的就是不需要安裝、只要瀏覽器就能夠執行的JavaScript版本：Jieba-JS。我把Jeiba-JS專案fork了一份：jieba-js，並加入了可以讓其他程式碼直接引用的方法。這樣在任何網頁上都可以輕易實作斷詞功能了。

從瀏覽器連結開啟Windows本機的檔案：System Protocol / Open Windows Local File with A Link in Brower: System Protocol

作業系統中可以設定捷徑開啟網頁(請參考「自製網頁應用程式！使用Chrome的命令列選項app來製作網頁應用程式捷徑」這篇)，那麼網頁能不能反過來開啟作業系統裡面的檔案呢？答案就是Registering an Application to a URI Scheme，在Windows裡面將應用程式登錄為指定通訊協定(Protocol)。我參考從網頁呼叫使用者電腦應用程式的寫法，製作了System Protocol程式。它可以讓我們的電腦用「sp://"c:\file.doc"」來開啟本機檔案的連結方式，甚至還可以傳遞參數。但是這個方法會為作業系統大開後門，使用的時候必須先瞭解它的安全性風險。

PostgreSQL常用指令 / PostgreSQL Commands

最近很常在Debian裡面安裝PostgreSQL，在此將我會用到的指令都整理一下吧。以前寫過一篇「PostgreSQL的備份與復原」到現在也蠻常參考的，在這裡一併整合備份與復原的語法。

擷取AJAX動態產生的網頁內容：PhantomJS指令列工具 / Crawling AJAX Webpages with PhantomJS Command Line Utility

現在很多網頁內容都是以動態的方式產生，例如Facebook會在開啟網頁之後再來讀取網頁內容，就連「布丁布丁吃什麼？」也是在網頁開啟之後再來慢慢載入旁邊的小工具。這種使用AJAX技巧來調整畫面的網頁，雖然便於一般使用者用瀏覽器查看，但是卻會造成伺服器端用程式抓取網頁的困難。

還好，現在我們可以用Node.js寫成的虛擬瀏覽器PhantomJS來幫我們載入完整的網頁內容。為此我寫了一些搭配PhantomJS使用的命令列腳本，讓我們可以在Linux 32位元環境下以指令端擷取指定網址，並配合jQuery選取器抽取出需要的網頁元素，最後直接回傳顯示在螢幕上。

使用Apache Tika指令列抽取文件的內文 / Using Apache Tika Extract File’s Content

如果要做檔案中的全文檢索服務，那就要先把檔案的內文抽取出來轉換成字串，這樣才能提供全文檢索引擎進行索引。Apache Tika是一個萬用型的檔案內文抽取工具，我們可以用指令列來操作Tika，就能從PDF、Microsoft Office、Open Document、純文字檔案等文件抽取內文。非常好用！

簡易PHP中文斷字器 / A Simple Chinese Word Tokenizer in PHP

這篇製作了一個簡單的斷字器，將「這份編號是tc_130的心靈錯位器真是太cool了」變成「這 份 編 號 是 tc _ 130 的 心 靈 錯 位 器 真 是 太 cool 了」。詳細來說，就是在不是英數字的文字前後加上空格，但是英數字則保持原樣。這樣子就能讓Apache Solr這樣的全文檢索引擎為內容索引時，就可以找到以中文一個字為單位的層級了。

「布丁布丁吃什麼？」留言功能調整：上傳圖片 / Comment Form New Feature: Image Upload

最近有讀者覺得留言框只能寫文字、不能上傳圖片，不太方便發問。所以我在留言框的下面加上了Imgur上傳圖片的連結，並以這篇教大家如何上傳圖片、取得圖片網址，這樣大家就更能夠方便發問了。