我們想成為繼往開來的一屆
在經過了α階段的研究，稍微對爬蟲和數據處理這塊整理清楚了思路，總結之后計划了一下下一個階段的工作重點，
其實感覺目的還是挺明確的，稍微發篇博客記錄一下這個階段性的進展。
首先先說α階段的工作重心和遇到的困難：
一、閱讀代碼，輔助性文檔完全缺失
第一個階段最主要的是承接往屆的代碼，就是要獲取到源代碼，然后讀明白個大概，至於細節功能實現，這個之
后慢慢深度研究。在讀代碼這個階段，我們遇到最大的問題就是，完全沒有輔助理解的文檔和注釋，這個為我們迅速
接手項目造成了巨大的挑戰，在沒有輔助性文檔的情況下，想要在短時間內讀明白整個大工程幾乎是不可能的，無奈
之下，我們搜索到了往屆的團隊博客，根據每日例會的匯報博客中的微小線索，一點一點拼湊整個信息集合。之后更
讓人絕望的事情來了，在往屆團隊博客的置頂總結中，我們看到了讓整個情況更惡化的一句話。文末原文摘錄：
********************************************************************************************
我們學到了什么? 如果歷史重來一遍, 我們會做什么改進?
我們學到了測試也是非常重要的，只有這樣才能及時發現軟件中的問題，並作出相應的改進。我們會利用與寫代碼同等的重視去看待測試。
我們會直接摒棄學長的代碼，然后自己重新規划，重新來做!
警戒下一屆的學弟學妹們：
請推倒我們的代碼，重新架構！一開始與所有組進行溝通，了解所
有情況之后再來着手，否則就會陷入泥潭之中不可自拔。謹記謹記。。。。。
*********************************************************************************************
我不知道學長在最終總結里寫下這句話的時候，心情是如何的，想必應該不是很開心的。但請相信我，當我看到
這句話的時候，內心絕對比他感覺更糟糕，我們唯一的線索，斷了。
真是個愁人的情況啊，我們整個組看到這些情況的時候心里不免抱怨一句，沒有文檔，跑不通的代碼，連接不上
的服務器，看不懂的整體架構，細節實現就更不必說了，連想去尋求幫助的學長似乎都放棄我們了呢，真是……鍛煉個
人能力啊。
還好大家都是被一路虐過來的，可惜歸可惜，但是大家還是沒有放棄的，代碼看不懂就根據變量名猜吧（吐槽一下
里面的英語拼寫錯誤），代碼跑不通，調試一行一行的跑，總之各種偏招歪招用盡了，代碼總算能跑出個像樣的樣子來，
整體結構說不上明察秋毫，但是大概框架是能梳理出來的。
當我們守得雲開見月明，就發現了事實上，此月僅算是個十六夜之月（殘缺之意），很明顯的感覺到代碼是被一代
代團隊像揉雪球一樣攢起來的，湊合能用，但是問題百出。
其之一、模塊功能重疊，代碼冗余。
工程整體采用面向對象編程，一共定義了26個類，但是在這26個類中有近三分之一的類是沒有被調用過的，那么為
什么要寫這些類呢，我們發現，這些類中的功能函數或者就是個空函數撐個樣子，或者它的功能在其他類里面被實現了，
一個模塊的功能被化整為零塞進了其他的類中，於是就出現了這么多個名存實亡的模塊。
這部分是對我們閱讀代碼階段造成誤導的罪魁禍首，本身沒有注釋就很傷，還有一堆空的類放在那里迷惑視聽，簡直
和玩推理一樣。
其之二、類的安全性很低
這點說小了，算是代碼風格不好，說大了就是沒有考慮防御性編程。主體的類內的主要屬性，幾乎全都是public static
，其他隨便一個類就可以修改訪問這些屬性，屬性在被那里修改的根本不知道，而且失去了划分模塊面向對象編程的意義。
貼幾段感受一下：
類內的成員全都是靜態
所有修改直接改
二、根據需求添加新功能，摒棄無用功能
讀了往屆代碼之后，發現在數據處理部分，非常的迷，支持pdf和html文件的數據處理，但是對於更常見的word
文件卻不支持，而且對於中文文本的處理功能的實現很多塊都被注釋掉了，於是我們添加了處理中文文件，word文檔的
功能，選擇中英文分詞效果都很好的分詞器（關鍵詞提取算法有待提高，這個暫且按下不表，之后說），添加了來自更
多網站的html文件的處理，增添了關鍵詞翻譯功能，並且能按照得到的要求上傳到solr，總之大概功能實現了，加了一些，
也刪了一點。
說到快一半了，題目一點都沒提，真是失策啊。
並不是的。
做完了阿爾法階段，我們的心情就是題目所說：
我們想成為繼往開來的一屆
足夠中二，足夠大口氣，但是請不要笑話我們，我們確實暫時是這樣想的。
我們“繼往”的工作已經完成的差不多了，雖然做的說不上多全面，但是確實有一個能滿足需求的程序可以用了，那么
問題來了，我們β階段做什么呢，繼續研究怎么處理文件，處理的更精准？處理更多類型的文件？我們確實有想做，但這是
錦上添花的bonus，我們現在更想的是，這個項目八成還是會傳下去的，那么我們能不能像鄒欣老師所問：“這個項目能否
能可持續開發呢？”下一屆的學弟學妹們是否要和我們走一遍相似的，不順利的過程呢？這是我們不想看到的，我們想從我
們這屆開始，做出一點改變，哪怕只是一點點微小的改變，我們也想改變目前的這個境況，我們想讓之后的接手的人能夠
迅速上手繼續我們的工作，開啟全新的、充滿開放性的局面。
基於以上，我們決定，我們的β階段的主要任務是“開來”。
擬定計划如下：
1、保留原有功能代碼的基礎上，重新規划模塊的划分，定義好接口，去掉多余的模塊，使模塊間的任務划分的更明確。
2、將程序編譯成動態鏈接庫，和爬蟲部分的JAVA程序合二為一，做成后台程序。
3、爬蟲部分選用更好地爬蟲器（crawler4j），已經開始在做（之前的26小時爬到30多個網頁真的不行，還愛死循環）。
4、建立一個前端網頁，控制程序的開始，查看進度。
我們考慮過時間是否充裕的問題，也是因為考慮到時間，我們決定保留原有功能代碼，只是在模塊划分上更加清晰化，
增強安全性和防御性，還能省下一些時間。之后的幾個部分的工作從上周末開始已經在不同進度的挺進了，感覺時間上雖然
不會特別充裕，但是大家努把力還是有希望的。
當當當~所以我只是想把自己負責的這部分模塊化后的結果記一下。
數據處理這塊大概要分成一下幾個模塊：
1、源文件和文件去噪合成一個模塊，統一為去噪，功能是獲取源文件，去噪，返回去噪后的文本信息。
2、分詞，統計關鍵詞和翻譯也應該合成一個模塊，分詞的結果直接影響關鍵詞，原本的全文翻譯功能摒棄，只需要關鍵詞翻譯。
3、展示最終結果在后台程序中就不需要了，可以去掉。
4、手動添加標簽的類也可以去掉。
除了數據處理，其他方面：
1、主程序需要一個類，統籌各個分功能，其他模塊中要實例化主程序，通過方法訪問變量。
2、連接到爬蟲的模塊可以合到主程序中，畢竟只是一個連接，一個函數解決，不需要一個模塊。
3、向solr發送數據需要一個模塊。
具體各個模塊的接口定義，就是明天大家一起討論的結果了，暫且不寫了。
（PS，說個題外話，其實在寫博客這塊，我屬於內向型，之前不怎么用博客，也不習慣把自己的
過程性總結發布出來，今天嘗試了一下，感覺還好，歡迎來表揚，我是得到表揚才能進步的孩子啊）