这是 TextCombinator 库以后要参考的榜样，不过 TextCombinator 不要和 Haskell 一样... Haskell 直接 type String = List Char 的 #GitHub 同款 Gist

#matlab https://github.com/BaseMax/MatlabMatrixProject/blob/master/BiggestValueMatrix.m

啊？为啥这么简单的算法要发上来... 我还以为是要 show SIMD 优化的呢...
🤔???

弄了半天我才猜到

function [lv1, lv2] = Name(ArgType)
end

是这样的啊

可是，即使是线性查找也有点奇怪呢？... 不清楚呢

https://github.com/BaseMax/MatlabMatrixProject/blob/master/BiggestValueMatrix.m#L8

maximum=Matrix(1,1);

反正要被替换，为什么不直接随便初始化个简单的...

https://github.com/BaseMax/MatlabMatrixProject/blob/master/BiggestValueMatrix.m#L10

for i=1:rows

没有考虑到 Matrix 为 0x~ 维度的情况

https://github.com/BaseMax/MatlabMatrixProject/blob/master/BiggestValueMatrix.m#L12
if maximum <= Matrix(i,j);
其实等于的时候不必替换

https://github.com/BaseMax/MatlabMatrixProject/blob/master/BiggestValueMatrix.m#L17
[row_max column_max] = find(A == maximum);
别这样，扫描一遍已经够了，为啥要再来第二遍...

Matlab 已经很不怎么优化了（所谓的『数据处理语言』，我个人觉得还不如直接 Julia），还这样一遍一遍找 O(n) 两遍... 尽可能一次弄完吧

类似 #Haskell #fp 的 banana split:

length = foldl (\x y -> succ y) 1
product = foldl (*) 1

productLength = foldl ( \(a0, a1) x -> (x * a0, succ a1) ) (1, 1)
productLength' xs = (product xs, length xs)

productLength 比 productLength' 要好，它只 travelse 了一遍，没有不必要地再去算第二遭

#Rust 很想回去写底层一点的编程呢，虽然 Rust 也不需要手动回收内存

已经可以在脑中默写下来了！HashMap、App、Arg、cargo 宏和 if match control-flow 都看到了！

https://github.com/BaseMax/MatlabMatrixProject/issues/1#issuecomment-487591209

一瞬回复，真的是很快啊

那些 show List comprehension 的真应该来看看 Monad，了解一下自己要学的还有多少，不止一个语法糖 🙈

顺便默写一下 Haskell qsort：

quickShort :: Ord a => [a] -> [a]
quickShort xs = let x = xs !! (length xs `div` 2) in
   [ l | l <- xs, l < x ] ++ [x] ++ [ r | r <- xs, r > x ]

splitH :: Char -> String-> [String]
splitH d str
  = splitH' str []
  where  
    splitH' (c : cs) ac   
      | c == d = reverse ac : splitH' cs []
      | otherwise = splitH' cs (c : ac)

main :: IO ()
main = do 
  line <- getLine
  print . show $ splitH ' ' line
  return ()

写不出来那个 splitH....

好了~可以睡觉了

#Haskell 简单的 JSON dump 小程序

附注 Gist 发布

scala> def id[A](x: A): A = x
id: [A](x: A)A

scala> :type id _
Nothing => Nothing

scala> :type id(1)
Int
scala> id(1)
res0: Int = 1

scala> :type id("2")
String
scala> id("Strin")
res1: String = Strin

import scala.math.Ordering

object QuickSort {
  def quickSort[A](list: List[A])(implicit ord: Ordering[A]): List[A] = {
    if (list.length < 2) return list
    val pivot = list.length / 2
    val less = list.filter((x) => ord.lt(x, list{pivot}))
    val more = list.filter((x) => ord.gt(x, list{pivot}))
    return quickSort(less) ++ List(list{pivot}) ++ quickSort(more)
  }

  def main(args: Array[String]): Unit =    
    println(quickSort(List(4, 3, 5, 2, 1)))
}

scalac qsort.scala
scala qsort


试用 Scala
推荐幻灯片 #fp

现在才发现那个 qsort 不是正版

然后接下来可能做的事情是：

1. Haskell, Json, 先自己写完那个 Json Parser，然后写一个 Json 的 type checker 和 type inferer，为学习类型推导算法做准备

2. Rust, TypeScript, 重写 996.icu 的 licence 模板生成程序

3. Haskell, C, 写一个 joinToString 的例子，要试用 LLVM Sanitizer、动态内存分配
C 也要写 strtok 切分的例子，和 alloc 传递函数指针回调栈上动态分配的例子
C 还要写动态数组分配的例子，还要复制拼接数组
C++ 再写一个链表

然后自由安排，我还是很想先血洗前耻把 BinaryStreamIO 写出来（

#backend #Telegram #China

CNBlackListR项目组公开说明:反思与新思路
https://github.com/CNBlackListR/white-book/blob/master/公开说明/反思与新思路.md

消息来源: https://t.me/times001/58253

#未分类

其实虽然对于计算机视觉来说，肯定是比简单的计算机图形学生成算法要耗时的
但是可以考虑有一些算法低劣的 spam bot，没有自动生成图片，沿用老图片在，所以可以保存已经判断为 spam 的图片 hashcode 再发封禁

再不济一点，可以找一下有没有图像的 SimHash 实现，先对比图片像素大小，完全等同就对比哈希码，类似就认为是 spam 图片，或者让机器人自动收集所有是 spam 的图片使用机器学习找出其中类似的像素簇、然后按大小模糊判定再加权回归，是个比执行 OCR 算法要好的方案或许吧（考虑到很少有 Telegram 用户发微信二维码？

二维码的判断对于对面是傻逼的情况也比较好做，扫描一遍检查连续的黑块块隔白块块算出总长度就能判（其实应该找专门的算法吧...

对于关键词列表，可以使用 Trie tree 和分词算法来优化

对于追踪，其实也不必要谁一加进来就立即检查的，或许可以维护一个队列慢慢查？（不过如果 Telegram 没有提供查询用户消息记录的方法，就只能另外弄个记录表实现了，也是有不少开销的）

那边可见开发人员的技术也是群水逼，为啥不做自然语言处理算法，也能混久点，这么弄和码农一样的行事风格...