我喜欢用命令行做一些事情，写一篇文章，发布到这个博客，也是一样。最好的方法应该能够使用文本编辑器写好，然后从命令行直接发布，比如
[plain light=”true”]
blog hello.txt
blog -m hello.txt
blog -d post_id
[/plain]
-m 是修改，-d是删除，这样就方便多了

wordpress的设置中有个Remote Publishing项，支持atom publishing protocol和xml-rpc，我对atom不太熟悉，不过xml-rpc以前用过，便想试一试，python很适合这种实验性质的程序。wordpresss是用xmlrpc.php文件支持远程调用的，看了看这个文件，在客户端写了几个脚本尝试一下，感觉挺简单的，就写了下面段代码，丑是丑了点儿，不过能满足我的需求就够了。
[python]
import sys;
import xmlrpclib;

class Blog:
"""just a simple interface for xmlrpc call"""
def __init__(self,url,name,pwd):
self.name = name;
self.pwd = pwd;
self.sv = xmlrpclib.ServerProxy(url);
def newPost(self, cont):
self.sv.metaWeblog.newPost(1, self.name, self.pwd, cont, True);
def editPost(self, pid, newpost):
self.sv.metaWeblog.editPost(pid, self.name, self.pwd, newpost, True);
def delPost(self, pid):
self.sv.metaWeblog.deletePost(0, pid, self.name, self.pwd, True);

def parse_content(ct):
bcont = {};
ct = ct.decode("gbk");
head,cont = ct.split("nn",1);
for line in head.split("n"):
k,v = line.split(":");
if k.startswith("categories"):
bcont[k] = v.split(",");
else:
bcont[k] = v;
bcont["description"] = cont;
return bcont;

def new_from_commandline(b):
ct = sys.stdin.read();
return b.newPost(parse_content(ct));
def new_from_file(b,fname):
ct = open(fname).read();
return b.newPost(parse_content(ct));

def modify_from_commandline(b,pid):
ct = sys.stdin.read();
return b.editPost(pid, parse_content(ct));

def modify_from_file(b, pid, fname):
ct = open(fname).read();
return b.editPost(pid, parse_content(ct));

def delete_post(b,pid):
b.delPost(pid);

def main():
b = Blog("http://localhost/wordpress/xmlrpc.php","username","password");
if len(sys.argv)==1:
new_from_commandline(b);
elif len(sys.argv)==2 and not sys.argv[1].startswith("-"):
new_from_file(b,sys.argv[1]);
elif len(sys.argv)==3:
if sys.argv[1].startswith("-m"):
modify_from_commandline(b,int(sys.argv[2]));
elif sys.argv[1].startswith("-d"):
delete_post(b,int(sys.argv[2]));
elif len(sys.argv)==4:
modify_from_file(b,int(sys.argv[2]),sys.argv[3]);

if __name__ == ‘__main__’:
main();

[/python]
现在很喜欢python，给人一种优雅简约的感觉，心里想什么，顺手就能写出来。

对程序员来说，代码加亮的需求很迫切。心想既然wordpress这么成熟了，肯定会有语法加亮的模块，于是便google了一把，果不出所料，找到了一个叫SyntaxHighlighter Evolved的插件，在本地机器上试了试，貌似用起来还不错，便装了上来。

服务器好像不支持php直接写文件，安装的时候，wordpress提示填入ftp账户，proceed就成功了，不过要这样的话，图片不知道能不能上传。

下面放几段代码测试一下

C语言

[c highlight=”4″]
#include <stdio.h>
int main()
{
printf("hello worldn");
return 0;
}
[/c]

perl

[perl]
while(<>){
s/^/hello world/g;
print;
}
[/perl]

貌似支持的语言不少，可惜的是，没有lua和mathematica，而这两种语言我恰好还经常使用~

google了一下，找到了mathematica语法的.js文件，我想，也许直接拷到相应的文件夹就行了吧，找了找，里面有一个third-party-brushes的文件夹，拷了过去，居然不行，看了看里面的readme文件，给出了一个怎么添加new brush的链接，懒得仔细看了，改天有空再搞搞吧。

Bezier曲线很常用，一般2D绘图软件里都有。比如photoshop，flash之类。
它背后的原理简单的超乎想象，体现了数学的美妙。

先从简单的开始，两个点之间进行线性插值。

很容易理解，可以得到

[latex] B(t)=P_0+t(P_1-P_0)=(1-t)P_0+tP_1,tin[0,1] [/latex]

当然这是最简单的情形，如果扩展到三个点该如何插值呢？

从上面图片上可以看到，可以分成三步，从P0到P1进行上面的一维情形，得到点Q0，再从P1到P2，得到Q1，那么就有

[latex]Q_0=(1-t)P_0+tP_1[/latex]
[latex]Q_1=(1-t)P_1+tP_2[/latex]

然后再对Q0和Q1进行线性插值，得到点B

[latex]B=(1-t)Q_0+tQ_1=(1-t)^2P_0+2t(1-t)P_1+t^2P_2[/latex]

t从0到1增加，就得到了一条曲线，如下图

同样可以推广到四个点的情形，这样的曲线中，t的最高幂是三次。三次样条曲线用的最多，因为它提供了足够的可控制性和满足大部分场合的精度，同时又保持了相对的简单。
依照上面的方法，可以得到三次的情形

[latex]B(t)=(1-t)^3P_0+3(1-t)^2tP_1+3(1-t)t^2P_2+t^3P_3,tin[0,1][/latex]

这个时候可以注意到Pi点前面的系数，是不是似曾相识？没错，就是二项式公式。可以看成是相应次幂的[latex](1-t+t)^n[/latex]的展开。这个系数叫做Bernstein多项式。

最常用的三次曲线如下图，其中中间的两个就是控制点，在一些绘图软件里用钢笔拖出来的两条调整曲线形状的直线，就是调节中间两个点的位置。

推广到任意中n的情况

[latex size=”2″]B(t)=sum_{i=0}^{n}{binom{n}{i}(1-t)^{n-i}t^iP_i}[/latex]

[latex size=”1″]=(1-t)^nP_0+binom{n}{1}(1-t)^{n-1}tP_1+..+t^nP_n,tin[0,1][/latex]

不过n大于3的时候就很少用了，除非在一些要求比较高的场合，比如飞机汽车线形的设计。

更多的资料，可以看这里
http://en.wikipedia.org/wiki/B%C3%A9zier_curve

今天又想来mathmetica来了，本来是懒得拿笔推导一个比较繁琐的公式，结果一不小心玩上瘾了，一天基本上都在搞这个软件。

呵呵，不说了，放张图片吧

前几天在图书馆找些数学方面的书看，很自然的导致了我用一些数学软件之类的想法。以前maple和matlab用过一些，在wikipedia上看了篇对比介绍的文章，又下了几个，今天挨个试了试。

先是一个叫做Euler的开源软件，界面简约实用，功能还行吧，用起来还是比较顺手的，不过功能稍微弱了一点。

mathematica应该算是一个比较重量级的吧，不过我以前没有使用过，今天装上试了一下。符号运算能力挺强的，它的notebook界面让我觉得很爽很专业，特别是在当中在plot几幅图，跟公式夹杂在一起，就像一篇排好版的论文一样。

又翻出maple装了上来，记得我大一刚接触它的时候，唏嘘不已，强大的符号运算能力让我对计算机能做的事情感到惊讶，不过现在再用也没什么感觉了。

没想到，看了一下今天的日期，三月十四号，Pi，呵呵，太巧了~~~

我常常低估解决一个问题需要的时间，大致看一眼问题，规划一下思路，然后考虑考虑是否可行，凭感觉给出一个时间。

可能对于熟悉的或者解决过的问题，这样子估计的误差不是太大。一旦遇到未知的领域，结果却是谬之千里。

当解决未知问题的时候，在纸上勾画出大致的算法是一种情形，一行行代码敲进去的时候，往往会变成另外的情形。大量的细节性的问题没有考虑周全。有时认为困难的地方，反倒是最简单的。那些认为无足轻重的枝枝叶叶，形成一股极大的阻力，缠绕在四肢，降低前进的步伐。

周四吧，吃过晚饭之后，突然想写一个程序匹配正则表达式。没有任何外加原因，我自己都奇怪，仿佛上帝说，你写个那样的程序吧。

于是我就动手开始了，心想看起来不太难，一个晚上搞定吧。

先是写了二百行左右的代码，最后发现整个思路都有问题，第二天又重新开始写，写了又改，改了又写。最后大致剩三四百行。

一开始我试图直接从正则表达式构造一个dfa，也就是第一天晚上的想法，后来发现太困难放弃了。又看了看书，也就是那本dragon book。周五一天，完成了从正则表达式到nfa的程序。表面上看使用Thompson构造法似乎很容易就能得到结果了，但我低估了实现数据结构表示形式以及操作等细节实现的复杂度。再加上一大部分调试的时间，磨蹭了一天才完成。

昨天跟一个同学出去打台球了，晚上回来看了部电影，没写程序。

今天又折腾了一天,主要是将nfa转换成dfa，也就是那个很简单的子集构造算法，描述起来是很简单的，感觉也不复杂。可我慢慢腾腾的花了一天才搞定。九点钟的时候，得到了一个还算满意的结果。

完成的时候，心情挺不错。似乎费心力的那么长的时间不算什么。也许大部分人都是这样子，在完成一件事情之后，忽略掉为完成它而付出的努力。

很多时候，不单是程序，通常生活中也常常低估事情的复杂性，人的力量，凭感觉似乎能做很多事情，其实一段时间之内，真正能做好的，也就那么一两件而已。