我的天

今天是个伟大的日子，今天我做了两件貌似简单但实际上都不容易的事情：一、用电子琴录制了Realeza（WWE Alberto Del Rio Theme 2010）并用WIDI生成了MIDI版本；二、努力奋战、冥思苦想2天后，我终于达到了我的目标，完成了大名鼎鼎YARK系列的P25 PHP小程序。

所以，对我来说，这是划时代的一天，心情大好！

一、音乐部分

几个月前我就已经挖出家里的古董电子琴（小学时期的产物）来折腾Realeza了。一般熟练，但我只会右手，和弦对我来说是浮云，正如听音乐我只能辨别出主旋律一样。我一直在奢望自己能学会哪怕一点点左手，但电子琴的变压器不行，大号电池的电量也快没了，我得在电子琴还有声音之前赶快完成录制。

以下是xrspook极其简陋的两个自创版Realeza，请凑合着欣赏：

Realeza（WWE Alberto Del Rio Theme 2010）电子琴版[mp3]

Realeza（WWE Alberto Del Rio Theme 2010）WIDI转化MIDI版[midi]

说明：mp3就是拿着个mic对着电子琴录制的，没啥好说，请原谅我的古董电子琴没有跟电脑对接输出的玩意，毕竟那是1998年以前的产物啊，还只是386、486时代呢。midi嘛，不是我自己写的，是用WIDI把mp3转出的，因为是毋庸置疑的“独奏”，所以捕捉到的绝大多数音都是我的意图，但有几个高音电脑识别出来时一个变2个，没搞懂原因，但错有错着，恰逢那是高潮部分，出现这些我意想不到的小变动反而让音乐更丰满。

二、PHP程序部分

从有思路到PHP完全成型，我用了2天，超过15个小时！累着并快乐着！我这个喜欢折磨自己的人……这不能算折磨，这应该说是定下目标然后努力实现，I’m proud of myself.

先说说这个YARK – P25的整体思路，昨天已经说过，也就是“用正则提取，table输出，然后直接Excel粘贴保存”。昨天傍晚说到，我被正则难住了，但昨天晚上，我却突然惊醒地想出了正解。在WWE P25层层div的网页里成功提取出我需要的排名部分。用的是这条正则，针对的是我需要提取信息的开头和结尾部分做筛选。

1

preg_match_all('/< div class="row(.|\n)*?<div class="clear">/', $data, $log);

这条规则是很有针对性的，可以把WWE P25页面我需要部分嵌套的div全部提取出来，但对其他嵌套div网页无效。这条规则的重点是“(.|\n)”意思是“除换行符以外的任意字符或者换行符”，也就是全包围了。从前提取img的时候“.*?”也就足够了，但提取div不一样，因为换行是习惯性的，之前我正是在换行这个问题上被卡住，看到某个网页的时候被这句很创意的“(.|\n)”激发，最终，琢磨出我的第一次正则。

筛选出的排名部分网页源代码包括神马呢？以下是详细说明：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

<div class="row none"> /* WWE P25页面里，一个选手的所有信息的开始，这里的class可能是row none、row fire、row ice或row （注意row后的空格）*/
	<div class="info dir-up"> /*这里的class可能是info dir-up、info dir-dn或info dir-nm，升降平，你懂的*/
		<div class="direction"></div> /*配合升降平的一个说明*/
		<div class="thisweek"></div> /*本周排位，我需要的第一个信息点*/
		<div class="lastweek"></div> /*上周排位，如果我把每周排位都收集了，某一周的上周排位对我来说当然没啥意义*/
	</div> /*info dir-up结束*/
	<div class="thumb"> /*小头像部分，这里没有我需要的信息*/
		<a href="***"></a><a href="***" class="imagecache imagecache-98x105_thumb imagecache-linked imagecache-98x105_thumb_linked"><img src="***" alt="" title=""  width="98" height="105" /></a> /*用了两层超链接，没搞懂为什么，外层没有class，内层有class，核心部分是小头像图片img，注意，有些选手是没有超链接的，比如说那些Tag Team*/
	</div> /*thumb结束*/
	<div class="thumb_none"> /*这里可能是thumb_none、thumb_ice、thumb_fire或thumb_，对应头像无特效、冰、火以及无头像状态*/
	</div> /*thumb_none结束*/
	<div class="details"> /*选手信息*/
		<h2 class="double-arrow-title"> /*二级标题开始*/
			<a href="***">***</a> /*选手名字+超链，选手名字是我需要的第二个信息点*/
		</h2> /*二级标题结束*/
		<div class="text">***</div> /*这周发生了神马事，我需要的第三个信息点*/
	</div> /*details结束*/
	<div class="clear"></div> /*纯粹的网页需要清浮处理 */
</div> /*row none结束*/

这段内容重复25次就是一个P25的完整排名信息。

第一次正则只是个开始，是把偌大一个网页的信息进行初步挖掘。其实也不能算一个网页，自从WWE 2011年头改版后，网页构成发生了巨大变化，比如说到处都有“LOAD MORE”的标志，你必须点击才能看更多内容，以P25的页面为例，我们看到的是：

http://us.wwe.com/inside/power25

但实际上，一共需要载入5个页面才能看到全部25个排名：

http://us.wwe.com/inside/power25
http://us.wwe.com/inside/power25?page=1
http://us.wwe.com/inside/power25?page=2
http://us.wwe.com/inside/power25?page=3
http://us.wwe.com/inside/power25?page=4

每个页面只有5个排名。这也就能解释为什么浏览WWE网页的速度会比从前快了，因为一次性加载的信息减少，信息加载随着浏览进程的推进而逐步增加，对于那些纯粹路过的人来说省事多了。

这5个页面的结构是一样的，对我这个需要提取信息的人来说WWE的这个“改进”完全是件坏事！一开始，我是这样提取页面信息的：

1
2
3
4
5
6
7
8
9

$data0 = get_content($_POST['url'])；
$data1 = get_content($_POST['url']).'?page=1'；
$data2 = get_content($_POST['url']).'?page=2'；
$data3 = get_content($_POST['url']).'?page=3'；
$data4 = get_content($_POST['url']).'?page=4'；
 
/*经历N步操作，N步操作的工作量都是×5，我甚至都在考虑要不要来个for语句来减轻修改数字的压力了*/
 
$data = array_merge($data0[0], $data1[0], $data2[0], $data3[0], $data4[0]);

但后来，我发现完全可以这样嘛：

1

$data = get_content($_POST['url']).get_content($_POST['url'].'?page=1').get_content($_POST['url'].'?page=2').get_content($_POST['url'].'?page=3').get_content($_POST['url'].'?page=4');

如此一来，5个页面的信息也就能一次性地聚合到一起，快、准、狠！

我好像扯远了，回到第一次正则提取的内容。我昨天的思路是对其进行XML数组化，但很遗憾，XHTML网页不是XML，当信息传入外包的XML数组化程序时失败告终。于是，我就只能靠自己继续正则了。

上文已经提到，在第一次正则后的内容里，我有3个需要提取的信息点，它们分别是：

1
2
3

<div class="thisweek"></div> /*本周排名*/
<h2 class="double-arrow-title"><a href="***">***</a></h2> /*选手名字*/
<div class="text">***</div> /*发生事件*/

一次正则后选手名字里有超链，头像里也有超链，“h2”本是选手名字的唯一标记，但由于中间多了个超链，万恶，所以，我也很万恶地一句正则把我不喜欢的东西全部干掉。

1

$log[0] = preg_replace('/< a [^>]*>|< \/a>|<img [^/>]*>|\t|\r|\n/', '', $log[0]);

1
2
3

< a [^>]*>|< \/a> /*干掉所有超链*/
<img [^/> /*干掉所有图片*/
\t|\r|\n /*干掉所有制表符、回车和换行符*/

二次正则过后，提取内容变得简洁。

必须提醒：在PHP里正则针对的都是字符串，所以，如果源数据已经是数组的话，请自行拆解。否则会报错，并且会暴露出当前运行脚本的完整路径，这可是安全性的问题啊，详见这里。

然后呢，因为一次正则我只提取到< div class="clear">显然后面仍应该有< /div>< /div>

才能让这个提取内容闭合完整。所以我加了这么一句：

1

$log[0] = str_replace('< div class="clear">', '<div class="clear"></div>< /div>', $log[0]);

到此为止，经过2次正则，1次字符串替换后，那坨东西符合我要求了，我可以进行第3、4、5次正则完成我的最终提取。

1
2
3

preg_match_all('/< div class="thisweek">([^< ]*)/', $log[0][$i], $rank[$i]);
preg_match_all('/<h2[^>]*>([^< ]*)/', $log[0][$i], $name[$i]);
preg_match_all('/< div class="text">([^< ]*)/', $log[0][$i], $text[$i]);

好吧，到此为止，整个分析、剥离过程完满结束，就只剩下按要求的规范化输出。就是把我提取到的东西table化，略。

整个过程的部分源程序如下：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50

function get_content($url) /*网址转化为网页内容*/
{
	$ch = curl_init();
	curl_setopt ($ch, CURLOPT_URL, $url);
	curl_setopt ($ch, CURLOPT_HEADER, 0);
	ob_start();
	curl_exec ($ch);
	curl_close ($ch);
	$string = ob_get_contents();
	ob_end_clean();
	return $string;
}
 
/*数据传入开始*/
 
$_POST['url'] = str_replace("www.wwe.com", "us.wwe.com", $_POST['url']);
$data = get_content($_POST['url']).get_content($_POST['url'].'?page=1').get_content($_POST['url'].'?page=2').get_content($_POST['url'].'?page=3').get_content($_POST['url'].'?page=4');
 
/*数据传入结束*/
 
/*正则提取及替换开始*/
 
$data = str_replace("&", '&', $data);
preg_match_all('/<div class="row(.|\n)*?<div class="clear">/', $data, $log);
$log[0] = preg_replace('/< a [^>]*>|< \/a>|<img [^/>]*>|\t|\r|\n/', '', $log[0]);
$log[0] = str_replace('< div class="clear">', '<div class="clear"></div></div>', $log[0]);
 
for($i=0;$i < count($log[0]);$i++)
{
	preg_match_all('/<div class="thisweek">([^< ]*)/', $log[0][$i], $rank[$i]);
	preg_match_all('/<h2[^>]*>([^< ]*)/', $log[0][$i], $name[$i]);
	preg_match_all('/<div class="text">([^< ]*)/', $log[0][$i], $text[$i]);
}
 
/*正则提取及替换结束*/
 
/*table格式化开始*/
 
echo '< table>< col>';
for($i=0;$i < count($log[0]);$i++)
{
	echo '<tr>';
	echo '<td>'.$rank[$i][1][0].'</td>';
	echo '<td>'.$name[$i][1][0].'</td>';
	echo '<td>'.$text[$i][1][0].'</td>';
	echo '';
}
echo '';
 
/*table格式化结束*/

截图是必须的

这就是YARK – P25的威力！你或许会问，就那么一大坨东西有神马用呢？呵呵，真正用法需要把它们贴到Excel。

关于复制那一大坨信息的Excel粘贴也有讲究。

首先，打开Excel，然后选择“编辑 – 选择性粘贴”，然后在“方式”里选择“文本”，按“确定”。最后简单调节表格列距以及单元格格式后，你就能得到如下图的效果：

你一定会问，为神马要如此折腾“粘贴”而不用“Ctrl+V”？呵呵，这和我的用途有关，你完全可以在“选择性粘贴”里用默认的“HTML”方式，结果跟直接用“Ctrl+V”一样，所有粘贴数据都全部挤在1个单元格里，这显然不符合我的设想，如果最后得出这样一个结果的话，我之前所做的事情都白费了。

为什么一定要以现在这个各信息分离的Excel形式呈现呢？因为，我做这么多事情的目的就是能更快更直接地提取我需要的信息，做P25的每周统计。

统计！统计是我的目的！！！！

还记得2天前我做的“ADR前46周的WWE P25”？那可花费了我半天的时间打开一个个网页，一段段信息复制粘贴并最终形成图表。如果，我要对WWE所有选手都这般干的话简直是天方夜谭，但我的确想获取那些信息，知道那个趋势，该怎么办呢？所以我有了弄YARK – P25的念头，并付诸行动，最终华丽地成功了！

YARK – P25在此！聪明的你肯定知道怎么用的。

往后，随着icon化的日益加剧，我真的可能不再看WWE的摔角而转投其他联盟，但我会记住WWE的，不单是因为他们把我引入摔角门，更重要的是为了提取信息，我从他们的网页我自学到了很多，他们的网页严谨规范，虽然可能不是最好的，但我已经从中领会到很多，难道这还不够么？！

哇咔咔，今天的blog很技术，有心人，你们会懂的。

很傻很天真的以为用正则可以轻易提取出div里的层层嵌套div，结果囧得厉害。div的开头通常都带有class或id，唯一，且容易辨认，但div的结尾，清一色的“/div”，真会搞死人。网络上流传的提取div版本貌似都不太可行。在一坨里提取一堆只是第一步，第二部还得把提取到的内容xml数组化。

其实呢，我也有想过一开始就对所有内容xml数组化，不过，信不信由你，从最开始那层<>到我要提取的那些内容少说也有15层，而且如果那些网页设计者好心加一层或减一层，我又得慢慢摸到底哪里出问题了。所以，用xml数组化是个思路，但“解剖”源数据的工作量不少且维护困难。毕竟，这不是5层，这是15层+啊！怨念那些穿那么多层衣服的网页。

正则难提取嵌套div，xml太郁闷，咋办呢？

我还有一个很天真的办法，手动选取要提取部分的代码然后贴到程序里提取。这么一来就解决了难提取困难的问题，当然啦，都手动干了，还有什么难不难的，这个办法很低级，但一定可行。

怎么办呢，怎么办呢？！

应该是我想得还不够深入，再花点时间动动脑筋好好琢磨琢磨吧。

今天很坏地想到用正则提取，table输出，然后直接Excel粘贴保存，早上还在兴奋这个伟大思路，下午就发现正则把我卡死，生活真是个悲喜剧。

别囧，我有的是时间，一定可以的！

伟人啊！伟人啊！一大早起来就遇到伟人了！！！！

对，没错，你看到的是10张乐谱，完全不知道sunfruitfish老人家是怎么弄出来的。这对一个音乐控来说是一个平常事，但对xrspook来说，这简直就是胜迹！上帝突然间大大地关照我了。

必须说，sunfruitfish我爱你！请受我一拜～～～

而且，必须继续说明，这份乐谱是今天凌晨接近5点发过来的QQ离线文件，我感动得内牛满面啊同志～～～

不可能人人都是完美的全才，于是我们要区分轻重，自己擅长的东西要狠狠地、猛烈地燃烧小宇宙，把自己不擅长的东西留给那些精通的盆友。阴阳搭配，世界就和谐了。

于是今天我把心一横做了件一直都想做但一直没有做的事。

上图展示的数据只有日期和排名，但我想做到的是展示出时间、排名以及导致某排名发生的事情（当指向某点时显示所发生的事情），显然，简单的Excel无能为力，但一定有东西能轻松实现这个效果，因为这是普通calendar应具备的基本功能。虽然暂时实现不了，但数据收集是必须的，因此，今天我一个个网页点进去，对过去46周的数据进行了搜刮。

46周了，已经46周了！52周就是一年，已经过去了88%，时间是魔鬼。看到一个这样的走势图，真让人感慨。

统计工作先得有总体思路，这是保证统计工作质量的前提，专业术语称之为“统计设计”；然后是数据收集，这是统计工作的基础，专业术语称之为“统计调查”；接着是对数据分组、汇总，专业术语称之为“统计整理”；最后是结果的分析汇报，专业术语称之为“统计分析”。简单来说是个从定性到定量再到定性的过程。好吧，我承认这段话我是开着“统计基础知识”教材弄出来的，不过，在过去2年里，我的确就是这么干的，虽然有时并不是干全套。

关于ADR前46周的WWE P25，不知道你有没有发现：

1、从进入main roster第一周开始就上P25。
2、最低排名是21（第1周2010-08-20），最高排名是2（第25周2011-02-04，第26周2011-02-11，赢了Royal Rumble后）
3、只有一次排名在20开外。
4、排名15或以下的次数是8，即17.4%。
5、2010-10-25至2011-04-30，连续29周保持在前十，占63.0%。
6、排名第四、第六、第十五各4周，占26.1%。
7、最后一点，也是最重要的一点，你必须知道的一点，他有11周排名第7，占23.9%，7是频率最高的排名数，且远远抛离其它数字。

最终，得出一个神马结论呢？如果POWER25里前十算是一线和二线顶级的话，他会是一线减二线加的常客，他会登顶，但那只是一个peek，偶然事件。2011年4月底被draft到Raw是一个沉痛打击，他正是从第37周（2011-04-30）后开始跌出前十的，而且之后一直徘徊在15附近，至今已经9个周。要知道，他进入Smackdown日起，仅用了8个周就入围前十了。如果把第37周算在Raw的话，他在Raw的10个周里，只有可怜的1次上前十（10%），但在Smackdown里他上前十的次数是28（77.8%）！

当然了，这都只是数字，数字来源于事实，事实发生在过去，未来会怎样，我们或许可以通过以前的经验获知，但人是万能的，当奇迹要发生时完全不需要知照和理由。奇迹和运气不一样，奇迹发生需要你事先已经准备妥当，当机会碰上TOTAL PACKAGE的你时，奇迹降临是理所当然的。

DO OUR BEST，这是我们唯一可以做且偶尔必须做的。

昨晚9点多就猫回宿舍了，因为实在是困。洗完澡等头发干的时候看圣斗士，北欧篇我没看过，看了几集，实在无聊，因为角色都super化了，所以最好看还是一开始的银河战争篇，起码那时候东西还都是比较贴近事实的，还有天龙 vs. 天马，他们都不是打不死的怪物，并不是一味吹嘘什么燃烧爆发小宇宙。打不死真的很讨厌，大概我是得了摔角综合症了，黑各种小强们。看电视本是愉快的事情，但看到10点多的时候“那堵墙”又没电了，要看下去只有一个办法——拔掉空调，把电视插座拖板挪到那里取电。真郁闷，跳闸万恶！我只有两个选择，要不开空调，要不开电视，我选择了后者，为了弥补深深不忿，我看到11点多才把空调插回去关电视睡觉。我很手尾地把电视拖板插回那堵没电的墙，凌晨3、4点的时候又突然有电了，电视自己开，电视不是电脑显示屏，不会休眠，于是很郁闷地，我又不得不迷迷糊糊地去切断电视的电源。

今天是单位内部的什么“拖拉机”大赛，事不关己，高高挂起。我选择了做做统计的习题，遇到不会的，上网搜答案，居然还被我发现我正在做的习题原来叫做“2010年统计从业资格考试培训教材学习指导”也就是和教材配套的习题集了。网络盛行的是各种配备答案的电子版，比如说这里和这里，但有些章节居然要收费！不满意，非常不满意！最后，还居然被我找到了完整版的.doc文件，手舞足蹈，终于不用被老师那些不知什么时候才公布的答案牵着鼻子走了！

必须分享——2010年统计从业资格考试培训教材学习指导（习题+答案）

今天是我第四次看Alberto Del Rio的Triple Threat Match：第一次是2010-10-29 Smackdown，对手是Edge和Rey Mysterio；第二次是2011-05-09 Raw，对手是The Miz和Rey Mysterio；第三次是2011-06-20 Raw，对手是CM Punk和Rey Mysterio；这一次，也就是第四次是2011-07-01 Raw，对手是R-Truth和Rey Mysterio。不得不说，Raw的Triple Threat来得还真密集！ADR和619是烂兄烂弟，每次Triple Threat ADR总离不开619。3人赛，2人不变，第三人的水平决定了整个比赛的质量。记得第一次看，X因素是Edge的时候，那个惊艳啊！第三次看，X因素是CM Punk的时候，那个精彩啊！但回想那场The Miz为X因素以及这次以R-Truth为X因素的？惨不忍睹。Triple Threat的重点是出其不意的3人连技，那个突如其来的第三者让比赛有趣，虽然传统规矩是场上只有2人在你死我活，第三个躺一边凉快去，Single Match的加强版，但这样的比赛不会好看，而今天的第四场正是这种状态，我能毫不费劲地说出他们接下来要做什么，这情何以堪呢？！

Triple Threat Match，Fatal 4 Match，Battle Royal，Elimination Match，Steel Cage Match，TLC Match，Ladders Match，Best 2 Out Of 3 Fall Match，Handicap Match……这都只是形形色色特殊规则赛的一小部分，不过，从不懂到懂，从没见过到见过N次，这就是成长。不一定每个新的尝试都会成功，但起码不能在尝试之前就有输了该怎么办的打算。

插一图，2011-06-27 Raw Roulette的特殊规则轮盘

有些事，急不来，等着瞧吧。

PS：今天把WP升级到3.2，后台界面好丑哦～～～～ 严重不习惯那些万恶的雅黑字体！

昨晚，看着妈一次又一次地重复那句或许她真没听清的“The girl is drinking.”我深表惭愧，因为我也遇到过这种问题，语音，特别是单词发音是最让我头痛的，随着课程的推进，我都是偷工减料地打擦边球逃离。一个60岁+的老人家尚且在不断努力，我这个落荒而逃算什么？！可耻啊！所以，我开始把Rosetta Stone的发音课程重做，必须把那些侥幸读对了的单词全部实打实地消化掉。

成功并非来自于一帆风顺而是建立在经受挫折并爬起来后。

maestro，“tro”这个发音实在郁闷。“t”和“d”都是什么“舌尖齿背塞辅音”，其中“t”是清辅音，“d”是浊辅音，也就是一个声带振动，一个不振动。理论是这么回事，但实操碰到的钉子不少。该如何突破这个该死的障碍呢？首先，得相信自己，我肯定可以的。

明天是所谓的单位“打牌日”，一天都举行“拖拉机”比赛，我这个神马都不懂的表示毫无压力，哪里凉快哪里躲就是了。

下下周就是MITB，但这周Raw过后，WWEC #1 contender将会有2个，这如何是好？难道下周的Raw会如我所愿在CM Punk离开WWE之前给我来一场dream match，从而确定MITB上那个唯一的WWEC #1 contender？忐忑、纠结、抓头……为什么MITB的WWEC不能来一场triple thread呢？为什么MITB Raw/Smackdown ladder match的名单如此快就确定了呢？虽然，最后时刻修改是完全可以的。不过，与其在MITB上看一场triple match，我更愿意在下周Raw上演一场我期盼多时的dream match。既然CM Punk自称（也的确是）best wrestler就应该让他打出一场great match，而MITB上，对手是John Cena，你是绝对不能有任何期待的，所以，我把最后一搏就赌在下周Raw上了，但你懂的，Raw是偶像剧，剧情远远大于摔角本身，对Raw的比赛哪怕一丁点的期待都会让你竹篮打水。

风生水起的新手期后的平缓期真要命。