昨日の（ひとつめの）エントリを書くにあたって，見出しの中に「質問」を含むエントリをチェックしておきたいなと思いました．
しかし，日記上部の検索フォームを使うのでは，見出し以外に「質問」を含むものが多数，ヒットしてしまいます．日記のテキストファイルは月1回の頻度でダウンロードして保存していますが，XMLファイルなもんで，そのままでは見やすいとは言えません．それでも見てみると，最初に「質問」を含む見出しを書いたのが
*1196802262*[教育] いい質問を作り出す5つ+4つのアイデア
で，この情報だけからでは，該当するページをブラウザで開けません．…いや，1196802262はいわゆるUnix timeのことなんだから，一手間加えればURLが出てくるじゃないか，と気づいて，手を動かしました．
まずはXMLファイルのダウンロード方法です．
- 自分のブログを開きます．自分のidでログインしておきます．
- 「管理」をクリックします．当雑記のデザインであれば，ログインしているとページ上部にあります．
- 左のカラムの中で「データ管理」を見つけ，クリックします．
- 「はてなの日記データ形式」の「ダウンロード」をクリックします．これでファイルを取得できます．自分の場合はtakehikom.xmlで保存されます．
…というのは，漢字とカタカナの使用回数でも書いていました．2011年2月17日の時点で，takehikom.xmlは7172506バイト，gzip圧縮して2454697バイト．いずれも1年8か月前と比べておよそ倍ですか．
さて，この非圧縮XMLファイルから，エントリの見出しになっている行だけを取り出し，かつそれぞれに対してURLを求めるのは，スクリプトファイルでなくてもワンライナーでいいでしょう．こうなりました*1．
$ grep "^\*[0-9]\+\*" takehikom.xml | ruby -pe '$_.sub!(/.(\d+)/){Time.at($1.to_i).strftime("http://d.hatena.ne.jp/takehikom/%Y%m%d/")+$1+" "}' > takehikom_title.txt
いくつか注意点があります．
- grepの正規表現が，Rubyのそれと似ているようで違います．【 どのような正規表現があるのか 】 | 日経 xTECH（クロステック）
で学び直しましたが，grepでは，数字を表す\dが使えないほか，1回以上の繰り返しは「正規表現+」ではなく「正規表現\+」と書かないといけません．
- Rubyのワンライナーの中に「+$1+」というのがありますが，これはRuby 1.8，1.9両対応のためです．Ruby 1.9では「(略).strftime("http://d.hatena.ne.jp/takehikom/%Y%m%d/%s ")」で済みます．1.9のTime#strftimeでは，%sでUnix時間が得られるのですが，1.8では使えないようです．
- はてなの日記のモードは，「ブログモード(初期設定)」「日記モード」「日記モード・見出し別ページ」の3種類があり，「管理」をクリックしたあとの「設定＞記事の設定」で参照・変更ができます．今回の実行コマンドは，ブログモード(初期設定)を前提としています．そうでなければ，自分の日記に合わせたURLにしてください．
- CygwinとUbuntu，zshとbash，Rubyは実行環境付属のものとビルドした1.8と1.9，合計12通りで動作確認していますが，環境によってはクォーテーションマークの変更や，「\」のエスケープが必要かもしれません．
自分の雑記に対しては，出力が1972行となります*2．もともと知りたかった，「質問」で，絞り込みますか．
$ grep '質問' takehikom_title.txt http://d.hatena.ne.jp/takehikom/20071205/1196802262 *[教育] いい質問を作り出す5 つ+4つのアイデア http://d.hatena.ne.jp/takehikom/20071215/1197669561 *[学会] じんもんこん2007 発表と質問 http://d.hatena.ne.jp/takehikom/20090730/1248904304 *[研究室][大学教育] ゼミで学生からの質問を奨励する理由 http://d.hatena.ne.jp/takehikom/20091020/1255967938 *[研究室] 小ゼミ質問案 http://d.hatena.ne.jp/takehikom/20091203/1259787862 *[研究室] ゼミ発表での質問の仕方 http://d.hatena.ne.jp/takehikom/20100215/1266186089 *[大学教育] 質問対策 http://d.hatena.ne.jp/takehikom/20100217/1266353990 *[大学教育] 質問対策2 http://d.hatena.ne.jp/takehikom/20100518/1274132755 *[教育] 全国学力・学習状況調査に関する質問主意書 http://d.hatena.ne.jp/takehikom/20100611/1276203311 *[研究室] 後輩から先輩への，ゼミの質問文例 http://d.hatena.ne.jp/takehikom/20100612/1276289569 *[研究室] 質問対策3 http://d.hatena.ne.jp/takehikom/20100628/1277664461 *[研究室] 質問型ブレインストーミング
コマンドに，もうひと手間かけましょう．
$ gzip takehikom.xml $ export HATENA_ID=takehikom
とした上で，
$ zcat $HATENA_ID.xml.gz | grep "^\*[0-9]\+\*" | ruby -pe '$_.sub!(/.(\d+)/){Time.at($1.to_i).strftime("http://d.hatena.ne.jp/HATENA_ID/%Y%m%d/")+$1+" "};$_.sub!(/HATENA_ID/,ENV["HATENA_ID"])' > ${HATENA_ID}_title.txt
とすれば，コマンドからtakehikomを消すことができました．
*1:公開直後に，コマンドを，スーパーpre記法から引用記法に変更してみました．長い1行は，引用記法のほうが見やすそうです．しかし表示にあたって，情報落ちないかな…．
*2:せっかくなので，http://d.hatena.ne.jp/takehikom/files/takehikom_title.txtから取得できるようにしました．今後も，忘れていなければ，XMLファイルのダウンロードに合わせて更新するようにします．
