HTML編輯器自己做！布丁版TinyMCE編緝器 / An Online HTML Editor: Customized TinyMCE Editor

說到編輯HTML的編輯器，你會想到那個工具呢？純寫程式碼用的Sublime Text、Notepad++？給不會程式碼用的Word轉存HTML格式？混合編輯的Dreamweaver？真要我說的話，目前我看過最好、最乾淨、各種編輯器之間轉換最漂亮的編輯器，就是TinyMCE。

TinyMCE一般只是作為網站裡面將<textarea>轉變為所見即得編輯器的小工具，能像是編輯Word一樣地編輯HTML網頁，最後產生的HTML程式碼又乾淨又漂亮。我因為太常使用TinyMCE來編輯HTML網頁程式碼，特別是表格的編輯，所以乾脆索性把TinyMCE做成獨立的布丁版TinyMCE編輯器，讓人需要的時候就直接打開網頁、使用TinyMCE編輯網頁吧。

• 布丁版TinyMCE編輯器：https://pulipulichen.github.io/TinyMCE-Online-Editor/

用網頁來做合併列印！HTML合併列印小工具 / Online HTML Mail Merger

如果要用試算表資料搭配有格式的文件，批次地產生大量檔案的話，要怎麼呢？Word為主的合併列印方案都只能在單一檔案中產生許多重複範本的內容，不符合我的需求。於是我乾脆重新寫一個能夠以CSV試算表檔案搭配HTML網頁範本產生合併列印效果的線上版合併列印小工具：HTML Mail Merger。它會讀取CSV中的欄位資料以及檔案名稱(filename)欄位，以此批次產生取代以大括弧「{}」夾住的佔位符號和指定檔案名稱的檔案。合併列印再也不用仰賴Word，直接線上就處理完成吧。

就是要用Google雲端硬碟教育版的10TB空間！Google備份與同步處理的做法 / How to use Google Drive for Education with Backup and Sync from Google

我在之前寫的「想用無限空間沒那麼容易！Google Drive與伺服器整合失敗記錄 」中提到想用ownCloud或google-drive-ocamlfuse來使用Google雲端硬碟教育版的10TB空間，不過後來Google自己推出了Google備份與同步處理 (Backup and Sync from Google)，那我也躍躍欲試地用它來備份電腦中的Zotero檔案囉。然而，Google雲端硬碟教育版似乎是禁止搭配Google備份跟同步處理功能一起使用，雖然軟體依然可以備份電腦上的檔案，但卻沒辦法在Google雲端硬碟網頁上直接看到已經備份的檔案內容。儘管如此，我們依然可以用Google備份與同步處理的「Visit Google Drive on the web」來找到已經備份的資料夾。讓我們看看怎麼做吧。

啟動Zotero時發生錯誤？解決zotero.sqlite-jorunal鎖定問題 / How solve the Error while Starting Zotero: Could not open connection to zotero.sqlite

最近我試著用Google備份與同步處理 (Backup and Sync from Google)來備份Zotero的時候，Zotero卻發生了「啟動Zotero時發生錯誤。」的問題。幾經檢查之後，才發現是Google備份跟Zotero共同鎖定了「zotero.sqlite-journal」檔案，這造成Zotero無法正常啟動。解決方法是暫停Google備份、刪除zotero.sqlite-journal這樣，這樣就可以正常開啟Zotero了。

網路測速心得：Speedtest、手機、熱點共享 / What I learned from Network speed testing

為了考慮更換手機電信業者方案，我最近幾天試著學習很流行的Speedtest來測試網路網速。為了能夠完整記錄測試網速、手機、電信業者與地點等資訊，我整理了一套Speedtest、1 secnote跟Google Photo記錄的方法。後來發現到光測手機速度還不夠，手機熱點分享給筆電時，網路速度會大打折扣，不得不注意這件事情。而在Windows筆電上雖然也可以用Speedtest網頁版來測網路速度，但卻比Android系統上用Speedtest APP測得速度慢了很多。這之間的差異會造成使用者對網路速度感受帶來不小的落差，不得不注意。

聚焦於你感興趣的關聯規則：Weka的HotSpot演算法 / Association Rule Mining with Specific Right-Hand-Side: HotSpot Algorithm in Weka

說到資料探勘(data mining)，大部分的應用都是指購物籃分析(market basket analysis)中的關聯規則分析(association rule mining)，也就是Apriori演算法。但傳統的Apriori有著許多限制：難以處理多維度資料、不能處理連續型的數值資料，最重要的是，研究者所感興趣的結果往往難以被探勘出來。後來我找到了另一種關聯規則分析演算法：HotSpot，它不僅可以解決上述Apriori所遭遇的問題，我還用AutoIT額外撰寫了資料整理的程式，使得HotSpot能夠呈現更多我們所關住的結果。

循序樣式探勘：以Python的PrefixSpan實作 / Implement Sequential Pattern Mining with PrefixSpan in Python

我之前用R的arulesSequences來做循序樣式探勘，但是在輸入的資料量過大的時候，arulesSequences沒辦法順利運作。這個問題就是循序樣式探勘AprioriAll需要產生候選項目的後遺症。所以我另外找尋了不需要產生候選項目的循序樣式探勘演算法，最後找到的就是以Python實作的PrefixSpan。我參考chuanconggao發佈在GitHub的PrefixSpan-py專案，調整它輸入資料跟輸出結果的方式，把它整理成更容易在Windows環境下使用。所有程式碼都公開在GitHub的保存庫「PrefixSpan-py」上，歡迎有需要做循序樣式探勘的朋友來使用。