Working on the strings distances, or text metrics, I found out the Levenshtein method insufficient. For less-than-similar strings it doesn’t help at all, giving numbers close to max possible, and for similar strings it does not consider the quality of different letters. Generally speaking, I find Janet1 closer to Janet2 than to Janet9. Or ABC closer to BBC than to NBC. The notion of number of operations in Lev method didn’t quite suit me either. Thinking of operations needed to create one string of the other, I’d rather take the count of smartest possible copy&paste moves. In other words, how many times I have to cut one string to make the other of the slices. That would be distance in first dimension. The other – distance between letters replacing each other: when abc becomes bbc, it’s a-b replacement, and distance from a to b is 1. The distance depends on the alphabet used. For some cases it’s more useful to use a keyboard-layout order of characters instead of usual alphabetic, in order to emphasise similarities based on easy typed sequences, like asdf or qwerty. Here’s some Flash demo, calculator and benchmark to compare performance of Levenshtein and my method.

3d position of the words

it depends on their similarity to the word you input

Similarity calculator

gives the original Levenshtein and the distance3d figures

Benchmarking

Levenshtein is rather quadratic, while distance3d seems more like linear, though the
difference shows up for words longer than 15 characters.

• Anonimowość
  To za długo nie potrwa. W tej chwili jest pozorna, a będzie jej coraz mniej i wszędzie tam, gdzie znajdziemy coś interesującego będziemy zmuszeni odsłonić tożsamość. Jeśli zaś pozostaną oazy nieidentyfikacji, to najpewniej będą albo moderowane przez zamieszkujące je społeczności, albo pogrążone w chaosie i wrzasku, nudne, a co za tym idzie, krótkożywe. Na potrzeby nieujawniania danych osobowych będziemy pewnie używać kilku tożsamości elektronicznych, jak kataryna czy kretynofil. Obie te postaci to efekt jakiejś pracy włożonej w kreację. Ich charakterystyka nie jest pewnie odbiciem normalnego zachowania ich właścicieli, pozostaje czymś w rodzaju roli, tak jak prezenter w TV czy komentator sportowy.
• Relacja autorytet — publiczność
  Wydaje mi się, że dawno zapomniany model uprawiania polityki przez rozmowy wraca właśnie w wielkim stylu. Aby przekonać do siebie ludzi, czy to wyborców, czy czytelników, trzeba będzie ich przekonać bezpośrednio. Ci autoryteci, którzy nie obrażą się na puszczanie bąków i wulgarne komentarze a będą mieli dość samozaparcia i argumentów, wygrają. Może to oznaczać, niestety, rządy chamstwa, ale dopiero wtedy, gdy a) wybory będą bezpośrednie, b) będzie w nich uczestniczyć podatne na demagogię pospólstwo. Oba te warunki raczej nie są jeszcze spełnione.

  Problem (jak z Dorotą Świeniewicz) jest wtedy, gdy trafia na osobę nieprzygotowaną do zderzenia z całą skalą ludzkich reakcji. Żeby trafić do poranka TVN wystarczy przebiec kawałek od bramki do sceny na koncercie, a wtedy już jest pozamiatane. Ktoś polubi, ktoś inny nazwie szmatą, a wszystko w 15 minut po programie. Ale zastanówmy się, czy opinia tysiąca anonimowych ludzi powinna przeważać nad tą od trenerów, fachowców, koleżanek z zespołu? Jeśli przeważyła, trudno, widać do nowych mediów musimy dorosnąć. W końcu to my sami.

• Jakość publikowanych treści
  Tu mam kłopot. Czy wulgaryzmy i ostry język wykluczają merytoryczną wypowiedź? Być może utrudniają dyskusję. Skłaniałbym się jednak do poglądu, że ważniejsza od formy jest treść. Agresja pozostaje problemem, obojętne czy w krawacie, czy w podkoszulku. Klient w krawacie bywa już bardziej awanturujący się, a kamera spokojnie pokaże go przed 23. Wolę więc, żeby na antenie czy wizji pojawiły się wszelkie słownikowe i niesłownikowe formy, a odbiorcom pozostawiono wybór. Kiedy bowiem ktoś za mnie wybiera coś ładne z kształtu, a parszywe w duszy, to na klawiaturę i usta cisną mi się przysłownikowe kurwy. No i nie wiem, czy to dobrze, że nikt z nich (wydawców, dziennikarzy, polityków, wszystkich innych polskich decydentów) ich (kurew, znaczy) nigdy nie poznał.

  Ochrona tzw. najmłodszych przed tzw. szkodliwymi treściami jest przecież dość złudna. Tu sąsiad rzuci mięsem, tam ziom z podwórka puści wiąchę… To, że media nie będą używać języka potocznego powinno być wyłącznie wyborem twórców publikujących w tych mediach. Jeśli prof. Staniszkis zechce sypnąć wiązankę, uznam to za wzbogacenie środków artystycznych, nie za upadek. Jeśli zrobi to Lepper, nie uznam tego za wzlot twórczy. Nie wartościuję tych postaci na podstawie używania lub nie pewnych wyrazów. Oczywiście jest różnica w używanym przez nie języku, ale to raczej efekt niż przyczyna. Tamowanie potoczności językowych w medium jest leczeniem objawowym, niczym więcej. Nietamowanie zaś w żadnym wypadku nie zmusi Żakowskiego, Najsztuba czy Kolendy-Zaleskiej do chóralnej grypsery w ich mediach.

Odpowiedź p. Dolniaka, złapanego przez Brygidę Grysiak z TVN24 w Sejmie, była zachowawcza i bez humoru. Moim zdaniem, jedyna prawidłowa odpowiedź to “tak, oczywiście”… Gdyby z kolei Platforma zgłosiła dla tzw. fair play spot PiS z wyborów przez PiS wygranych, byłaby to nieco paranoiczna, ale przynajmniej oryginalna, kampania wyborcza. Jedni i drudzy mieli podobny czas do dyspozycji.

Natomiast zaprezentowany przez PO spot jest… tani. Dobrze przynajmniej, że trzyma pozytywny klimat i nikogo nie atakuje. Koncepcyjnie, realizacyjnie — tani. Ale tak obiecali…

Zbiegło się ostatnio parę spraw, które mają ją za wspólną genezę. Czytając o aferze Kataryna-Czuma, o masowo fałszowanych opiniach, drobnych fałszerstwach, wreszcie nie czytając portali typu dupelek.pl, czy plutek.pl, cały czas mam wrażenie, że ta anonimowość niedobra jest. Gdy sam piszę tutaj, to każdy wykazując odrobinę zaangażowania jest w stanie sprawdzić, ktom zacz. Kiedy znowu postanowię wylać kubeł pomyj na ministra, żonę piłkarza czy nowy odtwarzacz mp3, to mogę użyć dowolnie wybranego nicka i nikt bez zgody sądu i/lub administratora nie pozna mojej tożsamości. A opinia w świat pójdzie. Gdyby była to moja prywatna opinia, pół biedy. Problem zaczyna się wówczas, gdy ktoś sypnie jakimś honorarium po 10 gr za autorski wpis. Autorsko zarabiając na życie, masy pracujące tworzą dowolnie fałszywy, zamówiony przez pracodawcę obraz dowolnego zjawiska. Konsekwencje są wiadome, fantastyczna zdolność Sieci do wyławiania potrzebnych informacji gnije i śmierdzi zdechłą rybą. Ponieważ jestem lekkomyślnym zwolennikiem przechodzenia do demokracji elektronicznej, trochę mnie ta słabość wirtualnego świata niepokoi.

Zastanawiam się, co można z tym zrobić. Wiadomo — administracyjnie nie da się nagle zabronić publikacji anonimowych treści, zresztą nie o to chodzi. Zależałoby mi na tym, żeby autor dowolnego wpisu mógł ujawnić swoją tożsamość. Takie posty, wpisy, komentarze byłyby wielokrotnie bardziej wiarygodne. Sfera anonimowa pozostałaby miejscem dla amatorów pomyj i wytrzymałych. Pierwsza rzecz, to ogólny standard typu OpenID, Windows LiveID czyli jakby paszport dostępny na każdej stronie w necie. Są też inne projekty, jak Liberty Alliance Project. Na szczęście nieźle to działa we wszelkich portalach społecznościowych wymuszających jawność osoby, jak nasz Goldenline czy Allegro. Mam tylko nadzieję, że biznesplany właścicieli innych opiniotwórczych stron uwzględnią “potrzebę konsumenta” i wypromują obywatelską bądź co bądź, postawę polegającą na podpisywaniu się własnym imieniem i nazwiskiem.

Czego wszystkim życzę,

Piotr Tomaszewski

Potem, żeby oszczędzić ręcznej redakcji tekstów, przyda się wyrażenie regularne do automatycznej podmiany zawieszek. O tym, w jakim języku zawieszki są błędem, a w jakim nie, nie będę tu pisał. Brzydkie są i z puchy im wali. A oto lekarstwo:

// zakładam, że oryginalny tekst do wstawienia mamy w zmiennej tekst1
var tekst1:String = 'wąska kolumna przeniesie o do następnej linii';
// ewentualna eksterminacja htmlowych marzeń, czyli zamiana   na spacje
var tekst2:String = tekst1.replace(' ', " ");	
// do rzeczy, czyli zamiana spacji po pojedynczych znakach otoczonych odstępami na niezłomną spację 
var tekst3:String = tekst2.replace(/\s+(\S)\s+(\S)/g, " $1 $2");			
// w tekst3 pojawi się: 'wąska kolumna przeniesie o do następnej linii'
// a na ekranie, zamiast   — niełamiąca spacja.

		/**
		 * metoda formatuje liczbę z dokładnością zadaną przez @resolution,
		 * oddzielając tysiące znakiem z @thouSep a część ułamkową znakiem
		 * z @decPoint. Na końcu dodaje jednostkę @unit
		 * Np.:
		 * Format.Number(123.456, ' zł', 0.1) zwraca '123,5 zł'
		 * Format.Number(123.456, ' zł', 1) zwraca '123 zł'
		 * Format.Number(123.456, ' m', 10) zwraca '120 m'
		 */
		public static function number(
			v:			Number,
			unit:		String = '',
			resolution:	Number = 1,
			decPoint:	String = ',',
			thouSep:	String = ' '
		):String
		{
			var r:		String = '';
			var rDec:	String = '';
			var rInt:	String = '';
			var i:		int;
			var rIntTmp:String;
			var len: 	int;

			v = Math.round(v / resolution) * resolution;
			r = v.toString();
			// pozycja kropki dziesiętnej
			var decPointPos:int = r.lastIndexOf('.');

			// część całkowita
			if(decPointPos > -1)
				rIntTmp	= r.substr(0, decPointPos);
			else
				rIntTmp = r;

			len	= rIntTmp.length;
			// przepisujemy po 3 cyfry, dodając separator
			while(len > 3){
				rInt = thouSep + rIntTmp.substr(len - 3, len) + rInt;
				rIntTmp = rIntTmp.substr(0, len - 3);
				len = rIntTmp.length;
			}
			rInt = rIntTmp + rInt;

			// część ułamkowa
			if(resolution < 1) {
				// liczba znaków w części ułamkowej powinna być taka jak długość części ułamkowej @resolution
				var decLength = (resolution - Math.floor(resolution)).toString().length - 2;
				// część ułamkowa
				if(decPointPos > -1){
					var x:int = decPointPos + 1 + decLength;
					rDec = r.substring(decPointPos + 1, decPointPos + 1 + decLength);
				}
				// dodajemy zera na końcu, jeśli trzeba
				var zerosCount:int = decLength - rDec.length;
				for(i = 0; i < zerosCount; i++) rDec += '0';
				rDec = decPoint + rDec;
			}
			r = rInt + rDec + unit;
			return r;
		}

Dla kontrastu mam, jakby żywcem ze wspomnianego Manifestu wyjęty, blog pracowników firmy morizon.pl, nowego portalu nieruchomości. Szacunek za otwarty i swobodny sposób wyrażania się, za szerokie horyzonty i wreszcie gratulacje za sposób zarządzania współpracownikami, jaki opisują. Posty Moniki Rudnickiej czytam z przyjemnością i zainteresowaniem, nawet jeśli nie zawsze zgadzam się z Jej opinią (np. o nazwie morizon). Teksty Artura Jedlińskiego podobnie, zwłaszcza że akurat organizacja pracy zespołu to mój temat miesiąca. Oboje piszą we własnym imieniu i nie muszą podpierać się bełkotem pseudomarketingowym żeby dać odczuć w jak fajnej firmie pracują. Nie wiem czy ta firma fajna rzeczywiście jest – ale chodzi mi o jakość komunikatu, o to że wyraża prawdziwe emocje i zainteresowanie zamiast tępego tłuczenia “prężnością” i “dynamiką”.

W przypadku HTMLa jednak Flash nas nie oszczędza. Obliczenie pozycji, na której powinien nastąpić podział jest skomplikowane, bo trzeba uwzględnić – niewidoczne w ramce – tagi, w dodatku pamiętać o automatycznym zamykaniu ich i otwieraniu w kolejnych ramkach. Metody klasy TextField jak getLineOffset() zwracają pozycję w czystym tekście, a podział musi nastąpić w odpowiadającym jej miejscu HTMLa. Na dokładkę HTML, jaki naprawdę jest w obiekcie TextField zupełnie niekoniecznie przypomina ten, który przypisaliśmy do htmlText! Dlatego trzeba najpierw wlać tekst do ramki:

naszTextField.htmlText = nowyHtml;

potem pobrać go do zmiennej i dalej pracować już nad nim:

processedHtml = naszTextField.htmlText;

a oto procedurka przelewająca:

protected function flow():void
{
var lastSplit:                int     = 0;
var newSplit:                int     = 0;
var tb:                        VTextBox;
var tbNum:                    int        = linkedTextBoxes.length;
var tagsHeap:                Array      = new Array();
var opening:                String;
var closing:                String;
var tempText:                String;
var remainder:                String;
var remainLinesNum:            int;
var lastVisibleLineIndex:    int;
var cutIndex:                int;

// liczba stron, na jaką trzeba będzie podzielić tekst
pagesNum             = 0;
// pozycje podziału stron
splitIndices         = new Array();
splitIndices.push(0);
// pozostała do wlania część tekstu – najpierw cały
remainder = processedText;
textPieces = new Array();

while(remainder.length > 0) {
textPieces[pagesNum] = new Array();
for(var i:int = 0; i < tbNum; i++) {
// kolejna ramka tekstowa
tb = linkedTextBoxes[i];
trace(‘strona ‘ + pagesNum + ‘, box nr ‘ + i);

// Jeśli tekst już się skończył, kolejne ramki bieżącej strony wypełniamy pustym tekstem.
// Jeśli tekst jeszcze jest, wlewamy pozostałą część i badamy ile się zmieściło
if(remainder.length == 0) {
textPieces[pagesNum][i] = ”;
} else {
// dodajemy na początek otwarcie wszystkich tagów kontynuowanych z poprzedniej ramki
opening                 = Html.getOpeningHtml(tagsHeap);
// wlewamy cały pozostały tekst
tb.htmlText             = opening + remainder;
// obliczamy, ile linii jest poza ramką
remainLinesNum             = tb.maxScrollV – 1;
trace(‘poza ramką jest linii: ‘ + remainLinesNum);

if(remainLinesNum == 0) {
textPieces[pagesNum][i] = opening + remainder;
remainder = ”;
} else {
// obliczamy index ostatniej linii
lastVisibleLineIndex     = tb.numLines – remainLinesNum – 1;
trace(‘indeks ostatniej linii: ‘ + lastVisibleLineIndex);
// pobieramy indeks ostatniego widocznego znaku
cutIndex                 = tb.getLineOffset(lastVisibleLineIndex) + tb.getLineLength(lastVisibleLineIndex) – 1;
trace(‘cutIndex: ‘ + cutIndex);
trace(‘cut rigth after …’ + tb.getLineText(lastVisibleLineIndex));
// pozostawiamy tylko mieszczącą się część tekstu
tempText                = remainder.substring(0, cutIndex);
remainder                = remainder.substr(cutIndex);
// uzupełniamy listę otwartych tagów
tagsHeap                 = Html.getTags(tempText, tagsHeap);
// pobieramy tagi do zamknięcia w ramce
closing = Html.getClosingHtml(tagsHeap);
textPieces[pagesNum][i] = opening + tempText + closing;
}
}
}
pagesNum++;
}

displayPage(0);
}

A oto link do video, w świetle którego całe powyższe rozważanie wkrótce straci sens.