もうちょっとがんばると学位が取れるかな，というのが分かってくると，それぐらいは取っておこうかという気持ちになり，そのためにはがんばる所でちゃんとがんばる必要があり，がんばりは行動ポイントを大きく消費するのだ……．ここには家計やら落ち着けない関係性やらも関っており，惰性を好む性格がここにきて災いしているという側面もありそう．

試験と院試が終わったらしばらくは落ち着けるはず，ということで今は落ち着きのない生活を送っております．来期は研究活動が加わるので，夏休みぐらいは落ち着きたいですね．

いつもの

プレゼントをいつでも受け付けています．

飲みに誘う

8/6に院試があるので，それ以降なら予定が合えばという感じになります．コミケ周辺は東京にいます．お金があまりないので，おごられると嬉しくなります．

*1:まだ卒研自体には着手していないけれど．

2018-07-01

Tシャツ事情2

utgwkk.hateblo.jp

SUZURIでTシャツの安売りセールをやっていたので注文し，つい先日届いた．いいTシャツいっぱいあったけど買いすぎると終わってしまうので最終的に以下の6着にした．

https://suzuri.jp/5ebec/1159548/t-shirt/l/whitesuzuri.jp

suzuri.jp

暑さに備えてTシャツをいっぱい買うとお得．

2018-06-22

gitignore を落としてくれるシェルスクリプト

技術

手元でgitリポジトリを作ったときに，よく wget https://raw.githubusercontent.com/github/gitignore/master/Python.gitignore -O .gitignore などのコマンドを打つのですが，環境によってwgetがなくてcurlだったり，そもそもgitリポジトリのルートディレクトリじゃなかったりすることがあります． GitHubで作ったリポジトリだと最初からよしなにしてくれるのですが，手元でふとgitリポジトリを作ったときはそうもいかないものです． Git Bashだとwgetがなくてイラつくなどもよく発生します．

ということでシェルスクリプトです．使い方としては， gitignore.sh Python のように言語名を引数に渡してやると自動でダウンロードしてくれます．

#!/bin/sh

LANGUAGE=$1
if [ -z "$LANGUAGE" ]; then
  echo "Usage: gitignore.sh <language name>" >&2
  exit 2
fi

GIT_BASE_DIR=`git rev-parse --show-toplevel`

DEST=$GIT_BASE_DIR/.gitignore
GITIGNORE_BASE_URL="https://raw.githubusercontent.com/github/gitignore/master"
DOWNLOAD_URL=$GITIGNORE_BASE_URL/$LANGUAGE.gitignore

if which wget > /dev/null 2>&1; then
  if ! wget $DOWNLOAD_URL -O $DEST; then
    echo "ERROR: cannot download $LANGUAGE.gitignore" >&2
    exit 1
  fi
elif which curl > /dev/null 2>&1; then
  if ! curl -f $DOWNLOAD_URL -o $DEST; then
    echo "ERROR: cannot download $LANGUAGE.gitignore" >&2
    exit 1
  fi
else
  echo "ERROR: either wget or curl is required." >&2
  exit 1
fi

特徴

単にコマンドを置き換えただけだと面白くないので．特徴を連ねていきます．

wgetとcurlの差異を気にしなくてよい

wgetがあればwgetを，なければcurlを，それもなければエラーを出力するようになっているので，この環境はどっちが入っているのかを気にする必要がありません．

必ずgitリポジトリのルートにダウンロードしてくれる

思考停止でコマンドを叩けば.gitignoreをルートディレクトリに落としてくれます．

404でもgitignoreが置き換えられない

wgetとcurlのオプションを使ってファイルのダウンロード先を指定しているので，言語名を間違えて 404: Not Found という.gitignoreを作ってしまうことはありません．

今後の課題

言語名の指定がcase-sensitiveである

ruby と Ruby が異ったものとして扱われるので，常に正しい表記をしなければ正しくダウンロードしてくれません．

2018-06-10

Tシャツ事情

YAPCなどのイベントでもらったTシャツ
インターネットで買ったTシャツ
その他各所でもらったTシャツ

をずっと着回している．もう2年ぐらい服屋に行った記憶がなくて，気がついたらTシャツだけどんどん増えている．

スライドPDFの1ページ目から発表タイトルを自動的に抜き出したい

技術

tl;dr

pdftotext を使えばできる
じぶんのスライドのbounding boxに着目すればだいたいうまくいく

動機

pdftotext は，PDFファイルからテキストの情報を抜き出すことができるコマンドである．これは単にテキストを抽出するだけでなく， -bbox-layout オプションを渡すことでbounding boxの詳細な情報も含めてXMLとして吐いてくれるのである．このXMLをうまく使えばPDFファイルから発表タイトルを抜き出せるのではなかろうか．今回は自分のスライドについて考えることにした．

考察

たとえば，このスライドを pdftotext にかけた結果は次のようになる．

gyazo.com

<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd"><html xmlns="http://www.w3.org/1999/xhtml">
<head>
<title>2018shinkan-pub</title>
<meta name="Creator" content="Keynote"/>
<meta name="Producer" content="Mac OS X 10.13.4 Quartz PDFContext"/>
<meta name="CreationDate" content=""/>
</head>
<body>
<doc>
  <page width="1024.000000" height="768.000000">
    <flow>
      <block xMin="38.000000" yMin="76.200000" xMax="986.978000" yMax="496.200000">
        <line xMin="38.000000" yMin="76.200000" xMax="338.000000" yMax="136.200000">
          <word xMin="38.000000" yMin="76.200000" xMax="338.000000" yMax="136.200000">みなさん，</word>
        </line>
        <line xMin="38.000000" yMin="166.200000" xMax="815.000000" yMax="226.200000">
          <word xMin="38.000000" yMin="166.200000" xMax="815.000000" yMax="226.200000">キーワード検索してますか？</word>
        </line>
        <line xMin="38.000000" yMin="256.200000" xMax="450.200000" yMax="316.200000">
          <word xMin="38.000000" yMin="256.200000" xMax="450.200000" yMax="316.200000">してますよね？</word>
        </line>
        <line xMin="38.000000" yMin="346.200000" xMax="935.600000" yMax="406.200000">
          <word xMin="38.000000" yMin="346.200000" xMax="935.600000" yMax="406.200000">それでは高速なキーワード検索を</word>
        </line>
        <line xMin="38.000000" yMin="436.200000" xMax="986.978000" yMax="496.200000">
          <word xMin="38.000000" yMin="436.200000" xMax="986.978000" yMax="496.200000">支える技術についてお話しします．</word>
        </line>
      </block>
      <block xMin="135.000000" yMin="577.800000" xMax="889.080000" yMax="617.800000">
        <line xMin="135.000000" yMin="577.800000" xMax="889.080000" yMax="617.800000">
          <word xMin="135.000000" yMin="577.800000" xMax="404.440000" yMax="617.800000">2018/04/16</word>
          <word xMin="417.760000" yMin="577.800000" xMax="680.160000" yMax="617.800000">KMC例会講座</word>
          <word xMin="693.480000" yMin="577.800000" xMax="889.080000" yMax="617.800000">@utgwkk</word>
        </line>
      </block>
    </flow>
  </page>
</doc>
</body>
</html>

これを図示するとこうなる．以下，枠線について，赤は <flow> ，青は <block>，黄色は <line>，緑色は <word> とする*1．

gyazo.com

この場合については，

最初の <block> をとる
各 <line> 内の全ての <word> のtextContentを結合する
それらを結合する

といった手順を踏めばタイトルが復元できそうである．

最近の私のスライドは大体こちらの方式が適用できた．ざっと見た感触だと，めちゃくちゃに凝ったタイトルスライドを作るなどしなければこちらの方法でいけるのではなかろうかと思う．

実装

pdftotext のPython バインディングを見つける前にsubprocessでゴリッとやってしまった． XMLを読み取るのがなかなか難しいし，可読性のためにもxml.etree.ElementTreeよりももうちょっといいものを使ったほうがいい気がする．

import sys
import subprocess
import xml.etree.ElementTree as ET


filename = sys.argv[1]
cmd = '/usr/bin/pdftotext -bbox-layout -f 1 -l 1 {0} -'.format(filename).split()
result = subprocess.run(cmd, stdout=subprocess.PIPE).stdout.decode('utf-8')

tree = ET.fromstring(result)
page = tree[1][0][0]
first_block = page[0][0]

titles = []
for line in first_block:
    words = []
    for word in line:
        words.append(word.text)
    titles.append(' '.join(words))
title = ''.join(titles)

print(title)