快快樂樂學 Python – 由 Ferret 與 PyLucene 談起
標題當然是假的，又不是天才，怎麼快快樂樂學 Python 。也不是要出書，只是不知道要下什麼標題。
事情由來是這樣的，我在 survey 在 FreeBSD 上可以 run 的 lucene 程式，原本中意的是 ferret(1) ，不過看了一下文件發現
- API 不相容
- 不能讀 dotLucene(2) 的 index ，其實意思就是跟原生的 Java lucene 不相容啦
基於上述兩個理由，我只好含淚斬 Ruby 了。不然上面那個標題就會是「快快樂樂學 Ruby」了。
Python 有個 PyLucene 可以用，而它其實有點接近原生版本的 Lucene ，因為
- API 大致相容，說大致是因為我才剛學，不敢保證
- 可以 access dotLucene 的 index file ，這很重要，敝實驗室的流派就是點點點(3)
- 它是用 gcj 編譯的，感覺會比 Java 快一點，而我也可以確定大部份的功能是相同的。籠統地說，算是 Lucene 的 Python-binding 。
不過說要學個語言不是那麼容易，雖然說比起英語德語加法語來說，學個程式語言比較起來容易太多了，可是沒有個入門文件也是不行的。上網一查「Python」，結果台灣陣亡，第一頁最有用的就是第一筆： Python 教學文件。這可以位在香港的，看來我以前沒學 Python 也不能怪自己，資源少的可憐的感覺，隨隨便便要找個論壇都還來個 404 。
有了入門文件，沒有個中文文件是不行的。在我安裝了 PyLucene 之後，發現要查找中文還真是不可能的任務。程式一 run 下去就來個
的訊息，當然人家在 error message 都給了資料了，不去看一下也不對吧。所以，找出原因，只要在程式碼中加入
就沒事了。…當然不會就這樣沒事，結果你不找問題，問題還是會找上你：
這就糗大了，它又沒說要怎麼辦？只好再次求助 Google 了。結論是，在字串後面加上 .encode(『utf-8″) 就可以了。（現在大家都老大不小了，應該改用 utf-8 了吧）
當然在做 Text Processing 的人，少不了要用到 Regular Expression，那入門文件當然是沒有啦。目前我是正在看這裡，如果有人可以指點一二的，也麻煩告訴我一下吧。 
先就這樣吧，反正趁有點小空的時候來學學 Python 也不錯，希望以後可以快快樂樂啦。
Reference：
十一月 16th, 2006 at 7:18 下午
「Python 教學文件」是很好的入門文件，畢竟過了這麼多年，Python 也長大不小，就蠻需要 http://www.python.org/doc/ 加持。
如果常查閱參考文件，也剛好用 Firefox 的話，與 Trac 同家公司的傢私 http://www.edgewall.org/python-sidebar/ 可考慮裝一下。
也是看 Kunchling 先生的文件長大(咦?)。另外 Mertz 先生的書 Text Processing in Python http://gnosis.cx/TPiP/ 涵蓋、彙整更多文字處理的主題 … 用 .txt 有點嚇人就是了。
十一月 18th, 2006 at 3:45 下午
這, 實在是太謝謝你了
十一月 22nd, 2006 at 9:37 下午
在 Python 裡面有兩種字串物件：str 和 unicode。str 可以使用各式各樣的編碼，包括 UTF-8, UTF-16，而 unicode 就是 Unicode。
如果需要在不同編碼間轉換，我通常會這樣作：
# -*- coding: UTF-8 -*-
uni = 『萬國碼』.decode(‘UTF-8′)
big5str = uni.encode(‘Big5′)
sjisstr = uni.encode(‘S-JIS’)
十一月 24th, 2006 at 9:24 上午
謝謝，不過請教一下，Unicode 包含 UTF-8, UTF-16, UTF-32，那 python 的 Unicode 是？
十一月 24th, 2006 at 11:49 下午
我想 Python 的 unicode 物件沒存 UTF-*，而是直接存 code point (refer to http://effbot.org/zone/unicode-objects.htm and http://docs.python.org/lib/encodings-overview.html)。
十一月 27th, 2006 at 8:47 上午
To yungyuc ：
謝謝
十二月 7th, 2006 at 3:04 下午
如果在linux下可以這樣執行
LC_ALL=zh_TW.utf8 python script.py
因為你除了定義code encoding之外
python執行時的自動編碼會使用環境變數裡的設定
所以, 如果你預設非utf8時,
他就會試著轉成你環境變數中的編碼
但是其他編碼的set似乎都比unicode小:)
只要對應不到就會出包了
五月 18th, 2007 at 10:56 上午
快快樂樂學 Ruby – 再談 Ferret…
這只是為了要呼應之前的舊文章…
話說昨天早上到了實驗室，發現 b6s 前一晚留給我有關 Ferret 的訊息。兩點，第一是 lukhnos實作了 Ferret 處理中文的方法，在這裡。當然，處理中文很重要….
四月 10th, 2008 at 2:34 下午
PyLucene Win32 on googlecode…
……
二月 13th, 2009 at 3:35 下午
請問可不可以讓我下載那個文件，讓我離線時也可以看，謝謝！
二月 15th, 2009 at 2:02 下午
啊？什麼文件？