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。

集換式卡片遊戲「水瓶戰記」的結尾 / The End of Aquarian Age

最近這幾天忽然很想知道現在水瓶戰記(水瓶世紀)的運作狀況，所以就上網查查看，簡單閒聊一下。(圖片來自於水瓶戰記官網)

開放原始碼數位典藏整合平台發展與建置 / Introduce to DSpace-DLLL: an Open Source Digital Archive System

這是我在2016年到兩個地方介紹DSpace-DLLL的投影片。一個是在政治大學圖書館舉辦的「數位典藏、數位策展暨數位人文學研習班」，內含實作的3小時課程，另一個是在國立師範大學舉辦的「台北市教師研習中心校史研習班」單純講課的課程。這兩個課程都可以搭配我另外製作的VirtualBox版本DSpace-DLLL虛擬機器來使用，以下提供連結讓有需要的人自由下載。

想用無限空間沒那麼容易！Google Drive與伺服器整合失敗記錄 / Solution to Integrate Google Drive with Services: not reliable

最近花了一段時間在研究怎麽把Google Drive (Google雲端硬碟)跟Zotero與Proxmox伺服器整合。整合之後可以運作，但是可能是因為檔案處理速度過慢或是Google Drive API配額的限制，最後都無法順利運作。這篇記錄一下到目前為止的研究進度。