The problem of moinmoin for adding MathML support

Environment
MoinMoin version: 1.5.8
ASCIIMathML.js version: 2.0.1

I can use $ Z_if $ to show math expression. But when i run to edit page in text mode,the expression was replaced to

<p align="center">\displaystyle$ Z_if }$</p>

by ASCIIMathML.js

Because i don't know the structure of moinmoin, so i hard code the raw source. Around the 1271 line of MoinMoin/wikiutil.py.

Replace the line

user_head = [request.cfg.html_head]

With

----if request.query_string.count('action=edit'):
--------user_head = ['']
----elif request.form and ( request.form.has_key('button_spellcheck') or
----request.form.has_key('button_switch') or request.form.has_key('button_preview') ):
--------user_head = ['']
----else:
--------user_head = [request.cfg.html_head]

Maybe someone else has better solution.

讓 google 幫你作圖表

過去作研究時，為了要看清楚數據的結果是不是與我們所想的一樣，我們會把數值轉成圖表的方式展示，這比起看到 1,2,4.0,8,... 的數字能更快速了解答案的正確與否。

因為以前都是用 matlab 作研究，所以生圖表時，是在單機上生成一個圖檔來看，若不用 matlab 也可以，把生成的數據倒給 gnuplot 一樣可行，或者是直接用 GNU Octave 也成。

我們現在都是用 python 了，而在 python 上也有十分優秀的圖表函式庫 matplot 可以用。

只不過，現在不只是要求數學程式化，我們也要作模式商業化，一個可行的解題方式，我們要讓使用者方便使用，最簡單的方法是讓它變成網站。這時候使用 matplot 就有點麻煩了。

如果可以使用 google chart api ，就會比較輕鬆，而且流量還可以丟過 google 處理。只不過，機密的數據還是不要透過 GET 方法讓 Proxy 儲存到，這時候，還是用 matplot 吧!

打個廣告，歡迎有程式設計能力且數學(離散、管理數學、統計)底子好的人才來我們 lab 唸碩博士，我們 lab 的目標主要是用資訊技術讓工程的品質、生產力提高。考試科目有營建管理概論、工程經濟/工程統計，基本上，我在土木系的大學部也只學過營建管理概論(三學分)，工程經濟/工程統計是得自己另外唸的。

美國土木工程師證照考試

美國是聯邦制，所以很多東西依州不同而有所不同。像是德州車牌是跟著車走，而俄亥俄州則是跟著人走。在土木技師牌照這邊，也是各州有所差異，但它們的考照方式卻令我十分欣賞，它避免了國內考照方式總讓錄取人流於紙上功夫的缺點。

美國的考照方式，可參考此網頁。

備份網頁

最大的不同是：

1. 要有實務經驗
2. open book
3. 依專長負責

1. 這點就不說了，在台灣，技師的能力不在於考取執照時所唸的書，而是事後接工程案所累積的經驗。
2. 這點相當重要，工程知識涵蓋範圍廣大，如果把時間都花在背公式及係數，那有多少時間來想這些公式的延伸應用及實務問題的解決。反正技師執業時，一定會看自己的參考書，那為什麼考試時，不等同處理呢?
3. 美國的土木技師執照多半只有一種(依州別)，考試時也是營建、結構、水利…各種題目都考，所以你可能只會大地，那麼把大地題目全部答對，其他的只有小部份答對，你也是拿得到專業工程師執照，而執業時，你要為大樓建築結構圖簽章審核，也沒有人反對，只是簽章就代表負責，建築圖有問題，就是你的問題。

他山之石，可以為錯。那為什麼不作呢! 這就不是一個小土木人知道的了。

2008政黨票該怎麼投呢?

2008年的立委選舉有一點與過去不一樣，不是一階段取代二階段，而是不分區立委的席次將由另一張「政黨票」來決定，不同以往是從各政黨的區域立委得票率得之。

所以就算你所在地點的區域立委都很爛，基本上，只要你覺得台灣還有政黨是可以相信的話，一定要出來投個政黨票。

而不分區的政黨名單有 中國國民黨、民主進步黨、無黨團結聯盟、新黨、台灣團結聯盟、公民黨、紅黨、綠黨、台灣農民黨、第三社會黨、客家黨、制憲聯盟。

其中，中國國民黨、民主進步黨、無黨團結聯盟、新黨、台灣團結聯盟，這些都是比較熟為人知的政黨，我就不談了。

就剩下的 7 個，簡介如下：

公民黨：
網路上只找到這篇文章。

紅黨：
應該是上次反扁(貪腐)勢力的延續。

綠黨：
主要訴求是環保、和平及社會正義。

台灣農民黨：
爭取台灣農、林、漁、牧等四大農民階級在國會發聲，以爭取農漁民利益、促進農業發展與茁壯農漁民組織為目的而成立之階級政黨。

第三社會黨：
沒看到黨綱，看網頁介紹，好像主打第三選擇，也就是不想投國/民黨的，就投他們吧!

客家黨：
望文生意，一看就討厭，我不是討厭客家人，如果有個黨叫「河洛黨」、「閩南黨」，我一樣開罵，這又是在台灣族群撕裂的傷口上繼續灑鹽而已。

為弱勢族群發聲是正確的，像是以「農民」、「身心障礙者」、「窮人」為主要目標來組黨，這非常合理，因為每個人都有機會當「農民」、「身心障礙者」、「窮人」。而如果以「血統」來組黨，那我永遠沒機會了，因為我不是「客家人」(我只是「客家人」的孫女婿)。

所以，我能接受有原委會、客委會的組織來幫助弱勢族群，但我不能接受以血統來結黨這件事。

制憲聯盟：
以憲法為主要目標。

就個人觀點，對「綠黨」及「台灣農民黨」比較具有認同感。還需要再認真研究一下，才能選擇。

2008總統大選及立委選舉該怎麼決定 ?

我的好朋友 change po 了一篇「受不了的 2008 總統大選」，我對這篇文章的兩個結論非常有意見，所以也提供一下我對總統及立委投票的想法。

在這次總統大選及立委選舉中，我不會再投給民進黨了(是的，2000、2004我投的都是它)， 2000 年時，我想投的是連戰，但因為害怕讓宋先生異軍突起，所以，我投了第二選擇，而 2004 年，則是沒有選擇了，因為連戰和宋先生是一組的，所以，我只好再投陳水扁。

而這一次，我不會再投民進黨的原因是希望讓他們知道這 8 年，其實作的並不好。

過去 8 年，因為總統是民進黨的，立院的最大黨卻不是，所以導致行政立法效率不彰及台灣走向不明，這一點我不怪民進黨，就算他們想作事，也不一定作的好，但是「貪汙」及「枉法」就不可取了。

如果再讓謝長廷當選，我想更會「長」貪汙枉法之「昌」盛了，投「馬英九」是我給民進黨的懲罰。

那麼在立院這邊，因為考量了總統是給國民黨，也應該讓國民黨繼續掌握多數，來趕一下「行政立法效率」及「一貫台灣未來走向」，所以我也會在區域立委這邊，投給國民黨。

好了，上面講的都是不得已的選擇。而有什麼是我可以好好決定的呢? 有，在全國不分區這邊。以往的不分區，是看你所投的區域立委是那一黨的，就當作你對那一個政黨投同意票，但這一次選擇，則是明明白白的切割開來了。

攤開不分區的政黨名單： 中國國民黨、民主進步黨、無黨團結聯盟、新黨、台灣團結聯盟、公民黨、紅黨、綠黨、台灣農民黨、第三社會黨、客家黨、制憲聯盟，共有 12 個選擇，這裡是可以好好評估的地方，不用比爛了。

誠懇的呼籲大家，就算總統、區域立委選不下手，但這次可以多給新政黨一個機會，站出來投票吧!

原來這就是背包問題呀!

日前(好久前了)提了一個讀研究所時所解決的問題，那時還滿自傲的，畢竟在讀土木的同學中，還沒看到有人會解。

那是一個解決鋼筋裁切的廢料量最佳化所衍生的難題。也就是要列出一根原料鋼筋要切成工地用尺寸的組合問題，如：18公尺的鋼筋若要切成 10, 7, 5, 4, 3 公尺長的鋼筋，則有那幾種切法。

Thinker 提了一個很好的方法來計算它的組合數有多少。不過，因為我要的是有那幾種組合，所以不曉得他的方法能否套用(當然可以)。

之前，我是用 Perl 來解這個問題的，不過，程式已經找不到了，不是我沒作版本控制，那時候用的是 CVS，然而在歷經多次系統安裝， CVS 的儲存庫已經不知在那了。

所以，我用 Python 重寫這個方法。有兩種解法，第一種是用我之前的觀念來解的。第二種是昨天想的，不過，第二種卻比較沒效率。

 1 #!/usr/bin/env python
 2 # -*- coding: utf8 -*-
 3 def cut(length, k, tmp):
 4     if k == sizeslen:
 5         if length >= sizes[-1]:
 6             return
 7         else:
 8             tmps.append(tmp[:])
 9             return
10 
11     comp = int(length/sizes[k])
12     for i in xrange(comp+1):
13         j = comp - i
14         tmp[k] = j
15         cut(length-sizes[k]*j, k+1, tmp[:])
16 
17 from time import time
18 import sys
19 if __name__ == '__main__':
20     bar = float(sys.argv[1])
21     sizes = [float(s) for s in sys.argv[2:]]
22     sizes.sort()
23     sizes.reverse()
24     sizeslen = len(sizes)
25     tmps = []
26     tmp = [0,]*sizeslen
27     time0 = time()
28     cut(bar, 0, tmp[:])
29     print time() - time0
30     print len(tmps)

第二種：

 1 #!/usr/bin/env python
 2 # -*- coding: utf8 -*-
 3 def cut(L, x, k, tmp, num):
 4     num[0] += 1
 5     diff = L-x[0]
 6     if diff > mat[0][0]:
 7         if tmp[x[1][0]] != 0: return
 8         else: tmp[x[1][0]] = x[1][1]
 9     elif diff < mat[0][0] and diff >= 0:
10         if tmp[x[1][0]] != 0: return
11         else: tmp[x[1][0]] = x[1][1]
12         tmps.append(tmp[:])
13         return 
14     else:
15         return
16     for (i, s) in enumerate(mat[k+1:]):
17         cut(L-x[0], s, i+k+1, tmp[:], num)
18         
19 def sort_by_value(k):
20     return (k, k[0])
21 
22 from time import time
23 import sys
24 if __name__ == '__main__':
25     time0 = time()
26     bar = float(sys.argv[1])
27     sizes = [float(s) for s in sys.argv[2:]]
28     lensizes = len(sizes)
29     tmps = []
30     mat = []
31     for (i, s) in enumerate(sizes):
32         comp = int(bar/s)
33         for j in xrange(1, comp+1):
34             mat.append((s*j, (i, j)))
35     mat.sort(key=sort_by_value)
36     tmp = [0, ]*lensizes
37     num = [0]
38     for (i, m) in enumerate(mat):
39         cut(bar, m, i, tmp[:], num)
40 
41     print time() - time0
42     print len(tmps)
43     print num[0]

新的觀念是把需求尺寸的倍數尺寸拿來當切割尺寸。如：10公尺要給7, 5, 3, 2 來切的話，我先把需求尺寸變成 7, 10, 5, 9, 6, 3, 10, 8, 6, 4, 2 等尺寸來切，如果在切的過程，剛好又遇到擁有相同因數的尺寸則跳過，像是10公尺已經被 8 切掉了，後來又遇到 2 的話，就停止處理。

在人工演練的過程中，覺得第二種方法所跑的迴圈數比較少，然而寫成程式後，效率卻比較差，且實際的迴圈數也比較多。

== 後記 ==

這裡有最新且更有效率的解法。

各位天才們好!

經專家證實，來我 Blog 的讀者個個都是天才，口說無憑，有圖為證。