我的天

今天我听到我一位统计从业资格考试培训的同学骇人听闻的话：“考试应该不用考计算题吧？题目里好像只有选择题和判断题。”What? Really? Really? Serious? Serious?!!!! 我大大的震惊了！已经上了4次课（一共8次），她说她每次都有来，她怎么可能不知道计算题是必须的呢？！计算题都暗藏在单项、多项选择题和综合题里，不计算，你能蒙出答案？特别是，今天已经讲完了3大课程之一的“统计基础知识”，这里面除了定义就是计算，而且定义的目的就是计算，她居然说“没有计算题”？当我还在吃惊的时候，她继续说到：“老师一讲课她就困，就瞌睡，下课时，她又清醒了。”原来如此！不过，她还有更语出惊人的话，她问坐她后面的同学课程表上写实习的日子她们是正常上班还是呆在家里。毋庸置疑地，肯定是上班啦！你不上班，你的活谁干？到头来难为的是你自己，但听她的意思，可能那些天她也“瞌睡”去了。即便，她上课都在游云，但只要稍微看过书本或者习题就应该很明白计算在统计中的重要性。

世事无奇不有，今天我遇到了。

我不勤奋，但我也不甘让自己太懒惰，难道她就不担心她会考不过？她的无知让我惊讶。

今天带上了自己找的答案，因为我知道我会超前做点“统计实务”的题目，但这么一来，被我同桌发现了，然后，她把答案借了过去。我错了，我不应该拿出来，这样她就不会分心老在抄了。其实，她完全可以一开始就向我要电子版或者中午吃饭的时候去复印，但她还是选择了抄，抄到下午，觉得实在太多才问我能不能把那份东西给她。我没有给她纸质的，因为答案的背后是单位的信息，那可是一些回收纸，但我答应了发给她电子版。其实，如果我知道下周老师就会发“统计基础知识”的答案，我一定不会去花心思去自己找，因为我担心那些答案要到9月份考试前才发下来，那么我就很被动了。今天，老师已经说了，下周交作业，并在同一天把作业的答案和作业一并发回。既然如此还何苦继续抄那些不完全正确的答案并为之纠结呢？！

题目很重要，但我觉得更重要的是读懂牢记教材内容，毕竟题目不可能100%相同，但题目100%在那两本书里变化出来。

这让我想起了在WWE MAGAZINE 2011年8月刊里Alberto Del Rio引用的一段话：

Best Advice From Coach
“Marco Ruas – an ultimate fighting champion from Brazil – always said: ‘People who don’t know what they’re doing. If you train hard every day, there’s no reason to be nervous because you’ll know what you’re doing there.'”

人不是生来就淡定的，淡定来自你有底，而有底来自于你的努力，就这么简单。

那个统计从业资格考试，现在我还没能100%淡定，但我知道该怎么做，该如何让自己完全淡定下来。

不得不说，大家一边看摔角一边讨论是很愉快的事情，即便我连视频都没看到，只看到他们在激动聊天。

昨天扫描了一大堆东西，虽然说一大堆，但实际上就约25份而已，每份扫描大概需要30秒，所以，如果搭配得当的话，是很快的。从前无聊把画贴在笔记本上，结果反倒不如那些乱扔的小纸片好扫描。老照片么，扫描是个好法子，特别是那些根本不可能找到底片的东东，不过，我怎么觉得老照片出来的效果有点怪怪的呢？扫描只是第一步，还要一份份用工具剪开，否则那些为了节省位置拼凑摆放的东东看起来真的很麻烦。还没有分解扫描图呢～～～

扫描过就知道，其实扫描一本约200页的杂志也不是很费时间。那么为什么我流口水多时的WWE MAGAZINE 2011年6、7、8月刊还不见影子呢？！！！！外国友人啊，请给力吧！如果中国的报摊也有卖的话，我会给力，但这里没有，我很摊手。

今天中午狂风暴雨，吓唬小孩般恐怖。中午还在纳闷难道这种鬼天气里我今晚要自己回广州？幸好，幸好，今天有人送我回来，狗屎运了。明天，有大人物到单位。来者何人？朱小丹是也！我再次狗屎运，逃走了，不用穿那套“工装”迎接大人物。不过其实明天的统计课程也不简单，8次课，明天已经是第4次，但显然进度还没完成1/3，不淡定不淡定，于是这两天我已经在偷步超前自学了。不喜欢被扯着鼻子走，但我又不太想主动迈步向前，囧。我这个懒骨头，才工作3年就懒成这样了，我错了，应该面壁去。

貌似我天天都很闲，但好像我天天都没干些什么，这难道就是传说中的堕落？

但其实，我有成绩的，在我的兴趣点上而已，but you already know that。

PS：20110711Raw里，ADR在6-Man Tag Team Match后清场的时候我弱弱地听到了爷们粉在喊“DEL RIO”，这是我第二次在Raw听里到他的CHANT，小感动。第一次发生在WM27后的那期他毁灭性击倒Evan Bourne的Raw里，那次CHANT比这次大声。清场是个好事，偶尔收起那个标志性的笑容发泄一下怒火是正确的。英语不好，这般狂风扫落叶的肢体语言最能说明问题了，比他吼上10分钟翻来覆去的destiny命运论管用。

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。

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！