·您的位置: 首页 » 纯粹博客

相关的文章标题 — MySQL分词与相关性查询

2010-02-10

很多网站在文章的最后,显示一些与本文章相关的标题链接,不但方便用户阅读,也有利于搜索引擎抓取,觉得效果不错。
于是我用比较简单易行的方式,实现这个功能,实例见这个链接:
http://www.k810.com/html/guide_details/86.htm

该文章的标题是"CORELDRAW印刷输出注重事项",在文章的最后,显示:

您可以阅读与"CORELDRAW印刷输出注重事项"相关的教程:
· 图片的印刷输出精度
· Corel Draw印刷输出的关键补遗
· 输出陷阱与解决方案(一)
· 输出菲林前应该做些什么
· 输出之前做些什么?

先说一下思路。分词以"简单易行"的方式,把"K810快精灵印艺坊",分为: K810/快精/精灵/灵印/印艺/艺坊,然后在数据库中搜索含有以上"关键词"的标题,含
"关键词"越多的,则认为相关性越高而排在最前面。

下面是实现的代码,含解释。

<?
//包含全局文件,定义数据库的类 $db ,连接数据库等
include("global.php");

//下面是中文分词函数
function ChineseWordSegment($str){
    $words = array();

    //utf-8 编码的正则,分别意思是: 英文符号与空格|英文及数字|汉字范围一|汉字范围二
    //汉字占三个字符

    $pa = "/[[:punct:]|\\s_]+|[a-z0-9]+|\xe0[\xa0-\xbf][\x80-\xbf]|[\xe1-\xef][\x80-\xbf][\x80-\xbf]/mi";

    //若网站是 gb2312 编码,则汉字占两个字符,正则应改为
    //$pa = "/[[:punct:]|\\s_]+|[a-z0-9]+|[\x80-\xff]{2}/mi";

    //排除汉字中的符号

    $punctcn = "~!·#¥%…—*()—+{}[]|、;:‘’“”,。《》?/ ";

    //按正则把$str分割成数组 $r
    //$r元素的值可能为:一串英文符号与空格,一串英文及数字,一个汉字或汉字符号

    preg_match_all($pa,$str,$r);

    $lv = '';
    //把相临的2个汉字组成一个"词"
    foreach($r[0] as $k=>$v) {
        //如果不是汉字
        //过滤掉英文符号或空格,单个字母或数字
        //不和前一个元素组合,而自成一个"词"

        if(ord($v[0])<128){
            if(preg_match('/^[a-z0-9]{2,}$/i',$v)) $words[] = $v;
            $lv = '';
            continue;
        }
        //如果是汉字符号,过滤掉,不组"词"
        if(strrchr($punctcn,$v)){
            $lv = '';
            continue;
        }
        //汉字,和前一个汉字组成一个"词"
        if($lv) $words[] = $lv.$v;
        $lv = $v;
    }
    return $words;
}

//计算一个词语在内容中出现的次数
function showtimes($word,$content){
    $nc = str_replace("$word","",$content);
    return (strlen($content)-strlen($nc))/strlen($word);
}


$articleid = 100; //设文章的ID为 100

$query = $db->query("select * from k810_article where articleid=$articleid ");
$article = $db->fetch_array($query); //得到文章的记录 $article

$words = ChineseWordSegment($article['title']); //把文章的标题进行分词

//print_r($words);

//mysql 的 like 查询一语句,因为 like 会返回 1 或 0,
//所以将后分词的 like 结果乘以权重,再进行相加,
//相加的和越大记录的排在越前面,和相同的记录随机排序


$sqlstr = '(';
foreach($words as $k=>$w){
    // $im 为该分词的权重.
    // 在文章内容中出现该词的次数越多,该词 like 匹配的结果数字会越大
    // 则含有该词的标题越容易排在前面

    $im = 1 + showtimes($w,strip_tags($article['details']));
    $sqlstr .= ($k?'+':'')."(`title` like '%".mysql_escape_string($w)."%')*$im";
}
$sqlstr .= ")";

$mysql = "select articleid,title,$sqlstr as mylike from k810_article where articleid<>$articleid and $sqlstr order by mylike desc,rand() limit 5";

//echo $mysql;

//可以看到 $sqlstr 这一串比较长的 like 语句,在查询中出现2次,
//一次用来筛选结果,一次用来进行相关性排序.
//但 mysql 优化器会注意到两串 like 语句是一样的,不会占用额外的资源计算2次.



echo "您可以阅读与\"<strong>$article[title]</strong>\"相关的教程:<br />";

$query = $db->query($mysql);
while($result = $db->fetch_array($query)){
    echo "&middot; <a href=\"tech_details.php?articleid=$result[articleid]\">$result[title]</a><br />";
}

?>

虽然这样分词不是很科学, 但在这实现这个相关性查询与排序的功能中,不失为一种"简单易行"的方法.
在我做的网站的教程栏目中(http://www.k810.com/html/tech.htm),可以发现相关的文章匹配程度还是很高的.

如果你有什么更好的方法,可以一起讨论.

伪静态页面的制作

2010-02-10

    我们看到一些网站,地址是以 .htm 或 .html 结尾的,形如 http://www.k810.com/html/guide/2/1.htm 这样的格式,其中有一部分是真的静态页面,有一些侧是伪静态的。
    静态和伪静态的网站我都有做过,其中伪静态的制作和维护都容易一些。所以先向大家介绍伪静态的实现方法。我这里介绍的方法并非用 URL Rewrite (URL重写)实现,不用改写复杂的 URL Rewrite 规则,制作维护起来更加简便。

    详细的案例请查看 http://www.k810.com/ 。由于像“会员中心”那些页面,需要登录才能访问的,就不做成伪静态了。否则容易暴露该站点的“静态页面”是假的,呵呵。

    第一步,Apache 配置。

    Apache 配置,要求在 httpd.conf 的 Directory-Options 中添加 MultiViews 支持。例如

<Directory "D:/wwwroot/">
    Options Indexes FollowSymLinks MultiViews
    ## 默认为 Options Indexes FollowSymLinks

    AllowOverride None
    Order allow,deny
    Allow from all
</Directory>

    先介绍一下实现的原理。假如一个网页的动态地址为 guide.php?page=2&typeid=1 ,对应的伪静态地址为 html/guide/2/1.htm 。

    开启了 MultiViews 后,保证的根目录下没有 html/ 目录,然后新建 html.php 文件。访问地址 html/guide/2/1.htm 时,由于 Apache 找不到 html/ 目录,它会读取并用PHP解释 html.php 这个文件。所以我们要在 html.php 中,解读这个伪静态地址为对应的动态地址,然后向用户输出相应的内容。

    第二步,创建 html.php 文件。

    html.php 的代码及解释:

<?
$parseformat = array();

// 变量格式设定:
// 每个文件允许接受的 GET 变量,以 / 分隔
// 静态地址中,每个值的顺序会与变量名顺序对应
// 建议常用到的变量写在前面,可能不会接收到的变量写在后面


$parseformat['tech.php'] = 'page';
$parseformat['tech_type.php'] = 'typeid/page';
$parseformat['tech_details.php'] = 'id';

$parseformat['guide.php'] = 'page';
$parseformat['guide_details.php'] = 'id';


// SCRIPT_IN_ROOTPATH : 本文件相对 document_root 所在的文件夹(以 / 结尾)
$this_script_path = str_replace('\\','/',dirname(__FILE__)."/");
if(!defined("SCRIPT_IN_ROOTPATH")){
    define("SCRIPT_IN_ROOTPATH", substr($this_script_path,strlen($_SERVER['DOCUMENT_ROOT']) ) );
}

// 动态链接解释并规范化,返回一个动态链接对应的静态链接
// 在链接向一个静态页面时需要调用,其中 $link 是一个动态链接的地址,如 xxx.php?typeid=1&page=2
// 返回 html/xxx/1/2.htm 这样的格式

function url($link){

    global $parseformat;

    //分解 $link 字符串为两部份,以 "?" 号分隔,前面部份是文件路径 $url_file,后面部份是请求字符串 $url_query 
    $url_file = $url_query = '';
    list($url_file,$url_query) = split('\?',$link,2);


    //若是以 "/" 开头的绝对路径,则改为相对路径
    if($url_file[0]=='/'){
        $url_file = substr($url_file,strlen(SCRIPT_IN_ROOTPATH));
    }


    // 将文件路径 / 替换为 --
    $url_file = str_replace('/','--',$url_file);


    //去掉文件名中的 ".php" 后缀
    $file = substr($url_file,0,-4);
    if(!$file) $file = "index";


    //将 url_query 的值解释到 $query_values 数组
    $query_values = array();
    if($url_query) parse_str($url_query,$query_values);


    // 该文件的变量格式,分解为数组
    $format_arr = array();
    if($parseformat["$file.php"]) $format_arr = split('/',$parseformat["$file.php"]);

    // 各个变量的值,按照变量名的出现顺序规范排列
    $querys = array();
    foreach($format_arr as $fa){
        $querys[] = $query_values["$fa"];
    }
    $query = join('/',$querys);


    // 去除末尾 / 号
    // 为什么会出现末尾的 / 号呢
    // xxx.php?typeid=1&page=2 => html/xxx/1/2.htm
    // xxx.php?typeid=1 => html/xxx/1/.htm
    // 因为有些变量不一定要传值,但设置里面有这个变量,需要给它留一个位置
    // 如果这个位置是在最后,就可以去掉了。 

    if(strrchr($query,'/')=='/'){
        $query = preg_replace('/\/+$/mis','',$query);
    }


    // 返回的链接,加上 .htm 字符。
    // 看得出来 .htm 这几个字符其实是多余的,反向解释的时候还要先去掉呢 

    $htmlfile = SCRIPT_IN_ROOTPATH."html/".$file.($query?"/$query":"").".htm";

    return $htmlfile;
}


// 直接访问 html.php, 即用户访问的路径为伪静态地址时:
// 这里是反向解释,把静态链接解释为对应的动态链接;
// 把 html/xxx/1/2.htm 这样的访问格式,解释为 xxx.php?typeid=1&page=2 相同的效果

if(basename($_SERVER['SCRIPT_FILENAME'])==basename(__FILE__)){

    list($request_uri,) = split('\?',str_replace('\\','/',$_SERVER['REQUEST_URI']),2); // ?号后的去掉,HTML 的路径是不需要那部份的

    // 访问路径,去掉 SCRIPT_IN_ROOTPATH 和 .htm

    $uri_string = substr($request_uri,strlen(SCRIPT_IN_ROOTPATH),-4);

    // 以 "/" 号为分隔,分解访问路径到数组中
    // 第一项值当然是 html,第二项是没有后缀的实际文件路径,其他为各个请求变量对应的值。


    $uri_string_arr = split('/',$uri_string);

    //文件路径,加回 .php 后缀
    $phpfile = str_replace('--','/',$uri_string_arr[1]).".php";

    // $_SERVER['PHP_SELF'] 这个系统变量, 用伪静态访问的话,会是 html.php ...
    $_SERVER['PHP_SELF'] = SCRIPT_IN_ROOTPATH.$phpfile;

    //读取变量的格式,分解为数组
    $format_arr = array();
    if($parseformat["$phpfile"]) $format_arr = split('/',$parseformat["$phpfile"]);

    //静态地址中的变量值,把它们赋值到 $_REQUEST 和 $_GET 对应的变量中:

    for($i=0;$i<count($format_arr);$i++){
        if(isset($uri_string_arr[$i+2]) && $format_arr[$i]){
            $queryvalue = urldecode($uri_string_arr[$i+2]);
            if(!isset($_REQUEST["$format_arr[$i]"])) $_REQUEST["$format_arr[$i]"] = $queryvalue;
            if(!isset($_GET["$format_arr[$i]"])) $_GET["$format_arr[$i]"] = $queryvalue;
        }
    }


    //include 实际的文件
    chdir(dirname($phpfile)) && @include($this_script_path.$phpfile);

}
?>

    第三步,包含 html.php 。
    其他页面,包括指向 guide.php 的页面和 guide.php 页面本身,只需要以 <? include_once("html.php");?> 开头,再添加其他内容即可。


    第四步,添加 BASE HREF 。
    由于伪静态页面的路径和动态的不一样,导致浏览器解释到的目录不同,所以需要在 HTML 代码的<HEAD>部分,添加 BASE HREF 标签,代码如
<base href='http://www.k810.com/' />
其中的网址改为你自己的网站地址。

    第五步,链接改写。

    其中指向伪静态页面的链接,写为类似<?=url("guide.php?page=2&typeid=1");?> 这样的格式,得到标准的伪静态链接。例如

<? include_once("html.php");?>
<html>
  <head>
    <title>
快精灵</title>
    <base href='http://www.k810.com/' />
  <head>
  <body>

    <a href="./">首页</a>
    <a href="<?=url("guide.php?page=2&typeid=1");?>">
设计指南</a>
  </body>
</html>

    至此,我们的伪静态页面制作完成。添加多个伪静态页面,只要改下程序,并不需要再改写 URL Rewrite 规则,或者虚拟机上多个站点需要制作成伪静态页面,这种方式显得特别简单。

    要改回动态的站点,只需要把 html.php 的内容改为 <? function url($link){return $link;} ?>  即可,是不是很方便呢?

    我制作了简单的实例供参考,需要的朋友可以点击如下地址下载:

http://www.k810.com/html/article/83.htm

 

MySQL 6.0 有严重的 BUG

2008-03-10
MySQL 6.0 有严重的 BUG!
仔细对比以下三句的区别,返回的行数就是不同:
(在 MySQL 5.0 和 5.1 中都是返回 1 行) 
由于 MySQL 6.0 尚处于开发测试阶段,建议朋友们暂时不要升级到该版本.

SELECT *
FROM `con_shipment`
WHERE `productsnumber` = '58161-169670'
ORDER BY `shipmentid` ; # MySQL 返回的查询结果为空(即零行)。


SELECT *
FROM `con_shipment`
WHERE `productsnumber` = '58161-169670'; # 行数: 1


SELECT `shipmentid` , `productsnumber`
FROM `con_shipment`
WHERE `productsnumber` = '58161-169670'
ORDER BY `shipmentid` ; # 行数: 1

使用虚拟硬盘Ramdisk对MySQL数据库性能的影响实测

2008-03-01
Ramdisk 是一款虚拟硬盘软件。它的作用是把物理内存划出一部分当作硬盘使用。
这篇文章,测试的是在 Windows 2003 下,把系统临时目录设置到虚拟硬盘后,对MySQL数据库性能的影响。

测试环境:
CPU: AMD Athlon 64 3400+ (2.2GHz)
内存:1 GB DDR 333 (3.0-3-3-7)
硬盘:Seagate ST3160812AS (酷鱼九 160G SATA)
操作系统:Windows Server 2003 Standard Edition
MYSQL 版本:6.0.3-alpha-community

测试采用一个 10.0M 的数据表 table1 (含3.7万行数据),测试查询语句为:

select * from table1 order by rand() limit 0,30;

使用 rand() 随机排序的查询,MySQL 会自动创建临时表。

----
测试一:系统临时目录设置在物理硬盘。
按照系统默认,系统变量 TEMP 和 TMP 的值为 C:\windows\TEMP,用户变量 TEMP 和 TMP 的值这里也设为 C:\windows\TEMP。

系统刚启动完成,在 PHPMyAdmin 中运行查询语句,并刷新 10 次,把每次查询用时记录下来,结果如下(单位为秒):

1.7446  1.1523  1.2543  1.5410  1.4012  1.3716  1.4238  1.5215  1.1823  1.1505

---
测试二:系统临时目录设置在虚拟硬盘。
用 Ramdisk 虚拟出一个 128M 的虚拟硬盘 R: 。
把系统变量 TEMP 和 TMP 设为 R:\TEMP,用户变量 TEMP 和 TMP 也设为 R:\TEMP。

重启系统并启动完成后,在 PHPMyAdmin 中运行同样的查询,一样记录 10 次查询用时,结果如下(单位为秒):

1.2243  0.4750  0.4903  0.5119  0.5124  0.4752  0.5029  0.4912  0.4879  0.4814

---

结论:
1) 每个测试的第1次查询,用时都明显比后面的9次要多。这是由于 MySQL 的缓存机制,第1次会把数据载入缓存。
而每个测试的后9次查询,用时相差不大,在合理的范围内跳动.

2) 测试二中,使用虚拟硬盘作临时目录,明显比测试一中用物理硬盘作临时目录快的多。从数据可以看出,查询用时少了一倍以上。

3) 测试的表只有 10.0M ,若是更大的表,理论上速率相差会更多。

4) 本测试中的语句需要创建临时表。若是不需要创建临时表的查询,查询速率相差不大。

Ramdisk 的下载见附件。

截取字符串时,截断HTML的问题

2007-11-13

在截取字符串时,如果该串中含 HTML 代码,往往会把 HTML 截断,比如:
$string = "aaaaaaaaaa<br />bbbbbbbbbb<br />cccccccccc<br />dddddddddd<br />eeeeeeeeee";
截取 29 个字符:
$len = 29;
echo substr($string,0,$len);
将会得到: aaaaaaaaaa<br />bbbbbbbbbb<br

用以下方法,可以避免从 HTML 代码处截断,而且长度的计算,不算上代码的长度,更比较切合实际:

<?

$len = 29;
$string = "aaaaaaaaaa<br />bbbbbbbbbb<br />cccccccccc<br />dddddddddd<br />eeeeeeeeee";

echo substr($string,0,$len)
// Result: aaaaaaaaaa<br />bbbbbbbbbb<br 
echo "\n"

echo cut_without_tags($string,$len)
// Result: aaaaaaaaaa<br />bbbbbbbbbb<br />ccccccccc

/** Function Start,faisun@sina.com **/

function cut_without_tags($string,$len){
    /*
    Split $string to array:
    "aaaaaaaaaa","<br />","bbbbbbbbbb","<br />","cccccccccc","<br />","dddddddddd","<br />","eeeeeeeeee"
    */

    $spchar = chr(1).chr(2).chr(4); // A special String
    $s = str_replace("<","$spchar<",$string);
    $s = str_replace(">",">$spchar",$s);
    $str_array = split("$spchar",$s);

    $new_str = "";
    $new_str_len = 0;
    $temp_lem = 0;


    foreach($str_array as $s){

        $tag = strrchr($s,'<')?true:false; // Is a HTML tag?

        if(!$tag) $temp_lem += strlen($s); // valid length,if NOT a HTML tag

        if( $temp_lem < $len ){
            $new_str .= $s;
            $new_str_len = $temp_lem;
        }else if($new_str_len==$len || $tag){
            $new_str .= $s;
            $new_str_len = $temp_lem;
            break;
        }else{
            $new_str .= substr($s,0,$len-$new_str_len); //Cut, if too long and NOT a HTML tag
            break;
        }
    }

    return $new_str;
}


?>

 

中文的截取,在字符串的长度计算和截取方面有所不同,需要换成相应的函数。
用这种方法截取后,可能会出现不闭合的标签,还要把这些标签进行后期闭合处理。

在apache中解压预压缩的静态文件

faisun | 2007-04-25

对于静态的 html 文件,在 apache 可加载 mod_deflate.so 模块,把内容压缩后输出,可节约大量的传输带宽。

mod_deflate.so 的用法可在网上找,大部分的文章都是正确的。

像本站(纯粹空间 http://www.softpure.com/),静态的 html 是由 PHP 生成并保存于 /html/ 目录下。生成及用户访问的流程如下:
(流程1)
生成: PHP处理生成代码 > 保存为HTML;
访问: Apache 读取HTML文件 > 压缩 >  输出文件头+文件内容;
客户端: 解压 > 处理

如此一来,用户的每次访问, Apache 都要压缩一次,浪费了大量的资源。

我就想到预压缩 HTML 文件内容,提高 apache 效率,流程改为:
(流程2)
生成: PHP处理生成代码 > 压缩 >  保存为预压缩HTML;
访问: Apache 读取HTML文件  > 输出文件头+文件内容;
客户端: 解压 > 处理

这样用户访问时不用压缩一次,直接发送已压缩的内容,不但效率高,占用资源少,而且减少保存 HTML 的占用空间。
然而,有小部分浏览器/Spider是不支持解压的。对于这类的浏览器,流程1中 Apache 可判断并不压缩内容;但在流程2中,内容已预压缩,只能解压后再发送。

在网上查找资料,看这篇文件,似乎是官方的:
http://mail-archives.apache.org/mod_mbox/httpd-bugs/200409.mbox/%3C20040909145350.20659.qmail@nagoya.betaversion.org%3E

文章说 mod_deflate 是有解压输出的功能的,用
 LoadModule deflate_module modules/mod_deflate.so 
SetOutputFilter INFLATE
即可解压。并说设置环境变量 force-gunzip=1 即可不管文件类型和Header内容,强制解压, 设置 no-gunzip=1 即可不解压。

在 Apache 2.0.59 和 Apache 2.2.4 下,我试了半天,无论怎么配置,一概不解压

一气之下,下载 Apache 源文件,细细研究。

结果发现:
1)  在 Apache 2.0.59 中,mod_deflate 只有输出压缩和输入解压功能,并没有输出解压功能。
2) 在 Apache 2.2.4 中,mod_deflate 增加了输出解压功能,但它并不读取环境变量 force-gunzip 和 no-gunzip 。
解压的条件是:输入到 Apache 的 Header 中,包含文件头 Content-Encoding: gzip 。
解压后该模块会删除 Content-Encoding 的文件头。

我用 php 先 header('Content-Encoding: gzip '); 发送文件头,然后读取预压缩的HTML文件并输出,果然可以解压。
然而,在 httpd.conf 中设置 Header Append  Content-Encoding gzip ,却是不行的。

静态文件是不可能向  apache 发送文件头的,所以用 mod_deflate 的解压方式在这里行不通。
解决的办法,只能自己修改 mod_deflate 模块的源码,然后重新编译。或者,等 Apache 出新版。 Apache 的最新几个版本都陆续对 mod_deflate 有修改。

不过目前我在 Windows 下编译 Apache 还没有测试成功,只能继续查找资料了,有经验的朋友可以和我交流阿。
Email: faisun@sina.com

现在本站的解决方法是: 
如果浏览器支持 gzip ,则发送 Content-Encoding: gzip 文件头,并把预压缩 HTML 内容输出。
若不支持, 则用 Rewrite 的方式,转为 php 解压该HTML 文件。
1) PHP压缩保存: php 压缩时,应采用 gzencode() 函数压缩,客户端才能解码。
2) Apache 的 httpd.conf 设置:

#该虚拟主机 DocumentRoot D:/wwwroot/softpure.com
#对 D:/wwwroot/softpure.com/html 这个目录的规则(Rewrite 一般是相对目录编辑规则)
<Directory D:/wwwroot/softpure.com/html>
  RewriteEngine On
  # 非 IE 浏览器,并且
  RewriteCond %{HTTP_USER_AGENT} !\bMSIE
  # 空的 HTTP_USER_AGENT,或
  RewriteCond %{HTTP_USER_AGENT} ="" [OR]
  #不支持gzip 的浏览器
  RewriteCond %{HTTP_USER_AGENT} Mozilla/4\.0[678]
  #把 .html/.htm 文件,重写为 /htm/... ,使用伪静态,用 htm.php 读取>解压内容后输出。
  RewriteRule (.+\.html?) /htm/$1 [L,NS]

  #如果没有重写,则下条指令生效:发送 Content-Encoding: gzip 的 Header
  Header append Content-Encoding "gzip"
</Directory>

我发表在php.net 官网手册上的 Note: ob_gzhandler() 函数

faisun | 2007-04-25
http://cn.php.net/manual/en/function.ob-gzhandler.php
faisun at sina dot com 就是我啦 :)


ob_gzhandler
faisun at sina dot com
24-Apr-2007 12:53
My PHP version is 5.2.1 For windows.

If browser doesn't support compressed ,
ob_start('ob_gzhandler') returns the original string,
but $str = ob_gzhandler ( $buffer, 5 ) returns false;

<?php /* 1.php */
ob_start('ob_gzhandler') ;
echo 'This is a string.';
?>

<?php
/* 2.php */
header("Content-Encoding: gzip");
$buffer = 'This is a string.';
$str = ob_gzhandler ( $buffer, 5 ) ;
if($str===false){
    echo 'ob_gzhandler() returns false.';
}else{
    echo $str;
}
?>

<?php
/* 3.php */
echo file_get_contents('http://www.php.net/1.php');
echo file_get_contents('http://www.php.net/2.php');
/*
result:
This is a string.ob_gzhandler() returns false.
*/

?>

纯粹手写板 V1.3 算法简介

faisun | 2007-03-25

    相关链接: 纯粹手写板测试专帖

    本以为纯粹手写板的代码压缩到了 V1.22 版,几乎没什么压缩的空间了。今天却忽然又来了灵感,采用 10*52 的记数方法,进一步提高了1/3以上的压缩率。

    纯粹手写板的代码压缩大概经历了这几个历程:
    V 1.0 把原代码转化为按各属性值排列;可使存储的代码减为原代码的 1/2 以上。
    V 1.1 把线条的直线中间点去掉;可使存储的代码再减少 1/2 以上。
    V 1.2 采用 62*62 的记数方法,可使存储的代码再减少 1/3 左右。
    V 1.3 采用 10*52 的记数方法,可使存储的代码再减少 1/2 - 1/3。

    什么是 V 1.2 版的 62*62 的记数方法呢?原码中,线条的坐标代码是这种格式的:x1,y1,x2,y2,x3,y3.....,xn,yn。因为手写板编辑框为 400px*200px ,所以坐标数字都是 0 到 400 之间的。62*62 记数方法为:把 x1...xn,y1...yn 这些数字用 0-9a-zA-Z 共 62 个符号表示,也就是 62 进制了。不足2位的,在前面补0。由于所有的数字都用2个符号表示了,所以数字之间的逗号可以去掉。这样的表示方式,可以比原来的代码少 1/2 左右。

    而 10*52 的记数方式,比 62*62 的表示代码还要少。这个方式能表示的最大数字,不能超过 520,用在手写板中还是可以的(而用 26*36 的记数方式的话,可以表示不超过936 的数)。原理是用0-9表示高位,用a-zA-Z共52个符号表示低位。你现在也许会说,一样是用两个符号表示一个数字啊,怎么会比 62*62的方法更少呢?它们的区别在于,一个数和上一个数的高位相同的时候,此数的高位不写。也就是说,打个比方,8A8B8z 只表示为 8ABz 。因为手写板中的代码,每个x或y之间的跳跃不会很频繁地很大,所以压缩的比较多。根据比较的结果,这种方式比 62*62 的方式可以少 1/2-1/3 的存储代码。

    因为算法的更新,V1.3 不可能兼容 V1.2 原来的代码了,直接从 V1.2 更新到 V1.3 的话,以前存储的数据将不能解释,所以更新手写板后,是需要更新数据库中的数据的。

    Discuz! 更新到 5.0 后,由于编辑器和以前的版本大不一样,安装手写板插件会比以前复杂一些,我会尽快把安装说明整理出来。

 

关于 iconv() 函数

faisun | 2007-03-23

用 iconv('GB2312','UTF-8',$string) 转换编码时,如果 $string 中含有不能转换的字符(如繁体字),则会转换失败,返回 False。

iconv( 'GB2312', 'UTF-8//IGNORE' , $string) 可以忽略失败。

UTF-8 和 GB2312 截取固定长度字符串的处理

faisun | 2007-03-23

我曾发过一篇 《高效的固定长度字符串的截取函数》 ,可是这个方法只适用于 GB2312 的编码。因为在 GB2312 下,汉字占两个字符,在页面中刚好也是占两倍的地方显示。

可是在 UTF-8 编码中,汉字却是占2-3个字符。这个不确定性给截取造成了挺大的麻烦。目前我用的方法只能是循环:

<?
function toFixLen($str, $len) { // 固定长度字符串的截取,UTF-8
    $str=trim($str)

    $pa = "/[\x01-\x7f]|[\xc2-\xdf][\x80-\xbf]|\xe0[\xa0-\xbf][\x80-\xbf]|[\xe1-\xef][\x80-\xbf][\x80-\xbf]|\xf0[\x90-\xbf][\x80-\xbf][\x80-\xbf]|[\xf1-\xf7][\x80-\xbf][\x80-\xbf][\x80-\xbf]/";
    preg_match_all($pa, $str, $t_string);

    $lt = count($t_string[0]);
    $str = '';
    $l = 0 ;
    foreach($t_string[0] as $k=>$s){
        $l += (strlen($s)==1?1:2);
        if($l>=$len-3 && $k!=$lt){
            $str .= '...';
            break;
        }else{
            $str .= $s;
        }
    }

    return $str;
}

?>

15 篇相关文章,每页显示 10
« [1] [2] »  
-= 文章分类 =-
文 章 搜 索
关键词:
类型:
范围:
最新发表
纯粹空间 softpure.com
Copyright © 2006-2008 暖阳制作 版权所有
QQ: 15242663 (拒绝闲聊)  Email: faisun@sina.com
 纯粹空间 - 韩国酷站|酷站欣赏|教程大全|资源下载|免费博客|美女壁纸|设计素材|技术论坛   Valid XHTML 1.0 Transitional
百度搜索 谷歌搜索 Alexa搜索 | 粤ICP备19116064号-1