猎人杂货铺

前言

最近有要用到 PHP 压缩文件为 tar.gz 格式的场景，一开始的时候在网上找了一圈，发现有用的解答比较少。自己琢磨了半天实现了，分享一下我的解决方法，抛砖引玉。

昨晚在知乎上看到这个话题，猛然发现，我已经快毕业一年了。一时想了很多，差点再一次失眠，总的来说，生活有在变好，但槽点也是不少。

关于生活

工作之后，有了稳定的收入来源，在离公司不远的地方租了个小单间。单间虽小，该有的家具都有。远离了学生时代的集体宿舍之后，睡眠质量上升了不止一个档次。

新的机遇

早些年的 PT 站能否称得上大站，主要看它是否有 0day 渠道首发和压制水平。在奶油的年代，情况却有了不同。随着那些大战逐渐沦陷，蓝光碟的 0day 渠道越来越少，而每个站的压制水平其实很难去评价好坏，对于普通人的「瞎眼」来说，也显得不是那么重要。

困难重重

尽管开张第一天就感受到用户的热情， 但是我们同时还听到了很多不友好的声音。有的人在「兵马俑BBS」上跟帖质疑奶油葡萄是钓鱼站，新注册的用户中也有不少人在群聊区吐槽资源太少，观光了一把就再也没登录过。

而且生不逢时，刚开张没多久，就遇到了「PT 寒冬」，各站为求自保纷纷关闭开放注册 & 邀请注册，奶油葡萄自然也是跟着怂了，仅留下校内通道。记得当时，每次有用户感慨站点用户少、资源少的时候，lsj 就顺道感慨一次「生不逢时」。

写在前面的话

这篇文章的主要目的是为了科普，是为了帮助大家从 0day 名辨别视频资源的质量好坏。不管是为了混迹 PT 圈，还是为了提高自己的观影感受，亦或是单纯为了提高姿势水平，这篇文章都值得细心的品读。

PT 是什么

PT 是 Private Tracker 的简称，其实也属于 BT 的一种，有关 BT 的内容，我们在此不详述，请自行谷歌。

BT 下载的理念是让人人都成为服务器，下载的同时也进行上传，这样参与进来的人越多，下载的速度也越快。如果下载的人数足够多，往往可以达到网络带宽的峰值。

故事背景

又是一个不那么美好的星期三，和同事感慨了下「又回到年前加班的时光」，便相约去食堂吃「煮泡面」。不巧的是，这天还下雨了，为故事又增添了些压抑的气氛。和同事撑着伞，一路避开地上的水坑来到了食堂。本以为下雨天，来食堂用膳的人会少，现实却活生生地打了脸，「煮泡面」窗口已经排起了五条小长龙。

啰嗦的话

在「南洋 PT」（下文用「奶油葡萄」替代）成立一周年的时候，我说「是时候写点东西纪念下了」，当时因为还没有自己的博客，所以就搁置了；在奶油葡萄两周年的时候，我说「是时候该写点东西了」，也忘了什么原因导致的迟迟没有动笔。一直推迟到现在（第四个年头），我才下定决心要唠叨唠叨。

算法简介

翻阅过不少机器学习相关书籍的目录，基本上都会将「分类」作为前一两章进行介绍。而分类算法中，最成熟也是最容易上手的算法当属 k - 近邻算法（kNN）。

它的工作原理是：存在一个样本数据集合，也称作训练样本集，并且样本集中每个数据都存在标签，即我们知道样本集中每一数据与所属分类的对应关系。输入没有标签的新数据后，将新数据的每个特征与样本集中数据对应的特征进行比较，然后算法提取样本集中特征最相似数据（最近邻）的分类标签。一般来说，我们只选择样本数据集中前 k 个最相似的数据，这就是 k- 近邻算法中 k 的出处，通常 k 是不大于 20 的整数。最后，选择 k 个最相似数据中出现次数最多的分类，作为新数据的分类。

前言

最近项目有遇到一个国际化的需求，要把项目中的中文（非注释性质）找出来，以便给专业翻译公司翻译。幸运的是，项目所用框架是支持多语言的。然而，在二次开发的过程中，由于没有强制要求「充分使用语言包」的开发规范，程序猿开发的时候为了省事，自然是「随心所欲」。因此，项目中的所有文件都有可能包含中文。

对于目录结构不深、代码文件数较少的项目来说，人工去翻阅代码进行匹配是一种可行的方式。不巧的是，日积月累的业务需求导致项目并不满足上述条件。都说 Python 强大，前阵子也学了些皮毛，刚好可以小试牛刀。