跳到主要內容

[野人獻曝] Google Picker

昨天空閒時刻在Google API頁面逛著逛著看到Google Picker這個玩意。

仔細看了頁面說明,
Google Picker 這玩意的首頁就直截了當說了:

Google Picker is a "File Open" dialog for the information stored in Google servers.
With Google Picker, your users can select photos, videos, maps, and documents stored in Google servers. The selection is passed back to your web page or web application for further use.
既然他這麼好用,
想當然爾就刺激了我的技術魂,
所以昨天晚上稍微看一下文件後就寫了一個簡單的Sample了。

如果想試玩的話,請往這裡

======以下技術解析一下=====

基本上要用這玩意,實在是非常簡單。

只要先開這兩行:
<script src="http://www.google.com/jsapi"></script>
<script type="text/javascript">google.load('picker', '1', {'language':'zh-TW'});</script>
這樣就會先把Google Picker的程式碼先引入了。

然後以Google所提供的慣例中所展示的,
他是在頁面loading完後跳出對話框。
但是以我的sample言,
是在每一個連結被點擊時才觸發,
這點要先注意一下。

接著就是寫被觸發後的處理,
基本上都是以 google.picker.PickerBuilder 物件為主,
因此我們可以這麼寫:
var picker = new google.picker.PickerBuilder().addView(google.picker.ViewId.IMAGE_SEARCH).setCallback(callback).build(); 

picker.setVisible(true);
這樣一個選擇對話框就出現了。
這裡要注意一下 addView 這個方法是指定要使用哪種對話框,
以目前而言有圖片搜尋、影片搜尋等,
這個的話請參考文件說明。
setCallback 這個方法則是當使用者按下選取或取消按鍵時要執行的回呼函式,
這個東西會在稍後的講解中說明。
最後則要呼叫一次 build()
這樣整個對話框才會處理完成。

但此時對話框並沒有呈現在你的眼前,
所以還要再呼叫 setVisible(true)
讓對話框變成可視。

OK,對話框產生完成了,
接下來我們要寫方法來處理使用者選取的資料了:
function callback (data) {
  if (data.action === google.picker.Action.CANCEL) { // 使用者按下取消時
    alert("你沒有選取任何東西喔");
    return false;
  }
  for (var i in data.docs) { // data.docs就是使用者選取項目,以一個陣列存放
    // 這裡只用其網址的部份
    alert(data.docs[i].url);
  }
}

怎樣,應該很簡單吧?
相信這應該也能成為各位在幹壞事路上的好工具吧?
那麼就這樣了~下期再見(掰

留言

匿名表示…
您好~請問版主是否可寫個簡單分頁範例.

想知道偽靜態分頁的php寫法
和url rewrite 該怎做

如下列網址的分頁
http://ha2.tw/files/list_all/2
Faryne寫道…
這位人客,
關於你的問題,我這邊有兩個答案:

1、要作偽靜態分頁的話,或許你可以考慮使用一些framework來作。像是Cakephp還是Codeigniter之類的,這些東西都可以讓你不用管url_rewrite的事情。

2、如果你不想上述提到的framework的話,那麼就要請你自己設定Apache上的mod_rewrite了,這部份可以參考在下愚作:http://goo.gl/n5W13

至於寫範例的部份就恕在下不做了,
除非你在做的時候有問題再來問問會比較好喔。

這個網誌中的熱門文章

[野人獻曝] 架個 Stable Diffusion WebUI 來生個香香的老婆圖

A.I. 當道後, 什麼以文生文、以文生圖、以文生聲(?)等玩意陸續蹦出來。 別的先不說, 光是以文生圖就有像是 MidJourney 還是 Dall-E 等模型提供相關服務。 而後 NovelAI 自爆自己的以文生圖模型是透過 Danbooru 上收集的圖片所訓練, 外加相關程式碼也不小心外洩後, 你各位紳士們就開始在以文生圖這塊領域中尋找自己的婆了。 不過以上都不是重點, 本文只是想要記錄下 Stable Diffusion WebUI (以下簡稱 SDWebUI)的架設步驟而已。 其實安裝步驟出乎意料的簡單(當然是指在 Google CoLab 上), 只要以下幾個步驟,基本上就能把 SDWebUI 跑起來並且開始生圖: * 確保機器上有 Python 3 以上環境 * 下載 SDWebUI 原始碼,可以直接在 Github 上 clone 下來。 * 下載所需的模型:在產生 ACG 相關圖片的話,目前推薦使用 Anything 或是 Hentai Diffusion 等模型。不過要注意一點:模型檔案越大的話,硬體要求會更高(主要是顯卡的 GPU 和記憶體等級)。如果沒滿足需求的話可能會跑不起來 * 切換到 SDWebUI 目錄,執行以下指令開始跑 SDWebUI 的設定,會在這個步驟安裝其相依的 Python 套件並處理相關設定: COMMANDLINE_ARGS="--exit" REQS_FILE="requirements.txt" python launch.py *  把前面步驟所下載的模型檔案,搬移到 SDWebUI檔案目錄/models,例如 clone 到 /home/user/stable-diffusion-webui 的話,就把模型檔複製到 /home/user/stable-diffusion-webui/models 下。 * 執行以下指令,等待跑完以後,畫面應該會顯示一組 xxx.gradio.xxx 的網址,可以讓自己或朋友連進來玩(網址 72 小時內有效)。如果只是自用的話,也可以用 localhost 的網址開啟服務: COMMANDLINE_ARGS="--share --gradio-debug" REQS_FILE="requirements....

[野人獻曝] AWS Certified Solutions Architect 認證考試心得

大概是去年聖誕節前夕, 不知道被什麼打到, 突然想考一張 AWS 認證考試, 所以就很突然地報了 AWS Certified Solutions Architect - Associate 的考試! 為了那場考試我還買了對岸出的翻譯教科書( 原文版 、 簡體版 )讀。 只是......因為我真的很不會讀書, 外加我上班真的超懶, 那本書我只看了前面幾章, 然後隨便做了書內的練習題和 Google 到的考古題, 就直接上場考試了! 雖然是很有驚無險地通過了啦(720 分通過,我考 761 分)..... 然後今年十一月左右也是因為很突然就離職, 所以也是很突然就決定再去報 AWS Certified Solutions Architect - Professional 的考試! 這次考試比之前稍微認真一點, 除了把那本教科書的後面幾章......的練習題重做外, 也開始狂 K 官方的訓練課程, 外加又多冥想了各種考題方向, 也順便自己開了一些不常用的服務練習(估計帳單也......), 大概是花了一個星期時間專心(?)準備! 這次也依然是很驚險地通過(750 分通過,我考 797 分) ====== 以上都是廢話 ===== 其實我去年考的時候還不知道認證架構師是最難的考試, 不過考完架構師考試後, 其實就會理解到 AWS 認證架構師就某種程度是最了解 AWS 架構的人, 如果一間公司全部使用 AWS 服務的話, 這傢伙應該就是部門的 Center ! 只是有沒有必要考到 Professional 等級就因人而異啦, 畢竟 Professional 級的考題很刁鑽, 遠比 Associate 級更為刁鑽, 除了出現一堆你壓根沒聽過的 AWS 服務外(我看到考題才知道有 EFA 這玩意), 還需要你從安全面、成本面、可維護性去思考架構該怎麼設計(其實 Professional 級這幾個面向的考題遠比 Associate 多), 這就很吃使用經驗和你有沒有想過最佳實踐。 如果是半吊子以為只是比 Associate 難一點點就上場去考的話, 保證很容易就會 GG ! 再次聲明:我真的只是好運考過的 QQ ====== 怎麼準備 ===== 其實不是很建議無謀地只讀教科書就去考! 最好是先有一段時間的 AWS 操作經驗, 至少要理解 VPC / SecurityGroup...

[野人獻曝] 串接 OpenAI 的 Assistant

你就直接把 Assistant 當成你在 ChatGPT 看到的那些 GPT 玩具吧(?), 只是你可以透過 Assistant API 透過程式化來建立你的 GPT 並與你的網站功能結合。 雖然前面說了「用 Assistant API 」,但實際上其實需要以下三個類型的 API 相互結合才能生出一個 Assistant: Assistants API :設定給助手(?)的指示內容、要使用的模型等資訊。在絕大部分場合下,你通常只需要呼叫一次 Assistant 的 Create 方法一次,此後就可以把回傳的 id 記錄下來後用在其他地方。 Threads API : 建立對話串,這個對話串會與前述的 Assistant 相互結合,讓 Assistant 知道要在這個 Thread 開始監聽訊息,並針對指示做出相應的回覆。 Messages API :將使用者輸入的訊息送到 Thread Runs API :使用者送出訊息後,就要呼叫 Create Run ,讓後端知道有工作要做了 以下是其流程: 先呼叫 Assistant API 的 Create ,記得要拿到回傳中最重要的 id ,這會在接下來的步驟中使用到。如果沒什麼特殊狀況的話你可以把這個 id 持久化保存,之後就不用再重做一次這個步驟。 接著 建立一個新的 Thread ,並取回其中回傳的 id。這個步驟你可能會因應不同的使用的而需要頻繁產生。 以上兩個步驟完成後,接著就可以: 建立一條新的 Message ,並將使用者輸入的內容發送至剛才建立的 Thread 中(透過之前建立 Thread 成功所得到的 id) 接著 呼叫 Run API 的 Create ,將建立 Assistant 與 Thread 成功時所取得的 id 帶入後,就會開始根據使用者輸入的內容開始做分析處理。若是忘記呼叫這個 API 你會發現怎麼內容輸入了但卻沒有任何回應。 然後就可以定期去 呼叫取得 Run 資訊的 API ,看看是不是已經處理完畢。只有在 status 是 completed 時,才代表執行完畢。 執行完畢後,就可以 透過 Message API 取得訊息 。 看吧,很簡單吧? ㄍㄋㄋ,官網沒寫詳細用法只有提供 endpoint 資訊。害我先按照自己的想法寫出一個雛形發覺怎麼跑不起來一邊確認一邊問 ChatGPT...