最近维护几个老旧的服务（shi山），并且源代码已经莫得了，只有生产环境的几个jar包，但是要对里面的一些配置进行一些更改，因此尝试做了一下简单的jar解包 


# 环境
MacOS && Linux均可
# 解包
使用指令
```bash
tar -zxvf <jar-name>.jar -C <Dir>
```
参数说明：
jar-name: 需要解包的目标jar
Dir：解包到对应的文件夹下，如果想要解包到当前目录下，则不需要加-C，像这样
```bash
tar -zxvf <jar-name>.jar
```
# 逆向.class文件
解包后的目录大概是这样的：

![截屏2022-11-04 20.05.36.png](https://umb.ink/static/img/680d4066f6d6bdaf22d3aa87f9df8911.%E6%88%AA%E5%B1%8F2022-11-04%2020.05.36.png)
.class文件都在BOOT-INF下

![截屏2022-11-04 20.06.44.png](https://umb.ink/static/img/3a6b5f9c59212e28703e0958800cc83b.%E6%88%AA%E5%B1%8F2022-11-04%2020.06.44.png)
lib文件夹是程序依赖的lib库
classes文件夹就是包括了所有的.class文件
.class文件是Java的二进制支持文件，所以我们需要进行逆向还原出Java源文件
办法很简单，直接使用IDEA打开该目录，IDEA内置.class文件自动逆向还原，只可惜权限是read only
像这样：
![image.png](https://umb.ink/static/img/94784c17a724fcfe723abaee20842ea4.image.png)


![image.png](https://umb.ink/static/img/6d3ee6785f4a25247c214ec53f6a7f99.image.png)
这样的话就可以查看到逆向后的.class文件源码了（甚至是kt代码）
# 替换
如果需要修改的文件或者配置，直接cv逆向后的文件代码（虽然它是read only，但是可以复制），复制到任意一个Java文件中，然后用java -c 进行编译打包为.class文件，然后把原来BOOT-INF下的对应.class文件直接进行替换即可
# 重新打包
替换完成后需要重新把这些文件打包回jar包，使用下面的指令（在解包目录下）：
```shell
 jar -cvf0m <jar-name>.jar   ./META-INF/MANIFEST.MF  .  
```
指定打包后的jar-name，然后运行指令，就会在当前目录下生成重新打包后的jar文件
到此我们的jar逆向解包、更新文件、重新打包就完成了

Spring-Jar包逆向更改内容

# 起因 
-    由于服务器到期的原因，最近对Blog做了一下迁移，原本计划由腾讯云迁移到阿里云，但是发现那样的话还必须把备案也迁移过去，实在是太麻烦了，于是考虑把博客迁移到我个人维护的课表小程序的云服务器上，但是与此同时问题也出现了。。。。



# 问题
- 服务器上面有很多服务，比如课表小程序、机器人还有自己写的一些小service，所以当时采用了Nginx做端口代理分发，监听了Https的443和Http 80这两个端口，但是我的博客启动也需要监听443和80，这就导致了端口冲突，且我课表小程序的域名与我博客的域名完全不同，需要根据域名去做端口反向代理
- 另外由于服务比较多，而且比较庞杂（我也想过迁移服务，但是没钱买服务器啊Orz），因此需要尽可能避免修改其他服务的配置，在保持现有配置的情况下加入博客的反向代理配置
- 由于Nginx原有的证书与博客域名不匹配，因此需要单独为博客配置一下证书
# 解决方案
Nginx有一种叫做vHost的配置，可以将多个sever分在多个conf里单独配置，使用vhost可以解决我们的sever过多配置庞杂的问题
## 1. 创建一个conf.d的目录，在nginx.conf中添加如下配置：
```nginx
include /etc/nginx/conf.d/*.conf;
```
## 2. 修改Blog端口以及配置vhost
新建一个Blog.conf在conf.d目录下,配置blog的vhost文件
```nginx
server {
  listen 80;
  # 改为你的网址
  server_name com.xxx;
  # 重定向为 https
  return 301 https://xxx.xxx;

}
server {
  listen 443 ssl http2;
  # 改为你的网址
  server_name umb.ink;
  # HTTPS的证书的公私钥
  ssl_certificate xxxx/xxx/xxx;
  ssl_certificate_key xxx/xxx/xxx;

  location / {
    # 改为容器的 PORT,也就是目标sever的端口
    proxy_pass http://localhost:79;
    proxy_set_header X-Real-IP $remote_addr;
    proxy_set_header X-Forwarded-Proto $scheme;
    proxy_set_header Upgrade $http_upgrade;
  }

}
```
其他的sever也可以像这样在conf.d目录下新建xxx.conf然后进行配置

## 3. nginx reload
```
nginx -s reload
```
之后就可以尝试访问目标sever，访问成功的话就说明配置成功了

使用Nginx反向代理多个服务

最近试着build了一个react native的android项目，血压嗯高，踩了一堆一堆的坑，~~得出结论，node_moudles就是一坨💩~~



# 环境配置
react native是依赖于node构建的跨平台移动端框架，~~本质上感觉就是一个web~~，所以它也有node的通病，屎一样的node_moudles。。。。我参考了这几篇教程配置的环境，直接贴在下面我就不单独写了（毕竟人家的肯定比我专业一点），按教程来一点点安装即可
[官方中文文档](https://www.reactnative.cn/)
[知乎大神教程](https://zhuanlan.zhihu.com/p/213878203)
# 踩坑
## 1. node_moudles 库依赖版本冲突,以及各种乱七八糟的问题
node_moudles内部某些库的依赖冲突的时候会报错，很难解决，，，最好的解决办法是换[yarn](https://www.yarnpkg.cn/)去自动处理这些问题
更新：之后又遇到了各种个样的问题，最简单粗暴且有效的办法：
```
rm -rf node_moudles/
yarn install
```
重装node_moudles解决90%的问题（
## 2. macos bash_profile重启terminal不生效的问题
因为build react native 是在terminal环境下的，所以需要配置bash_profile环境变量文件，但是每次启动terminal都需要source ./bash_profile，关闭terminal以后就会失效，所以就很难受
解决办法：
在bash_profile目录下，编写zshrc文件,内容如下
```shell
if [ -f ~/.bash_profile ]; then
   source ~/.bash_profile
fi
~      
```
这些脚本的意义在于，每次启动terminal的时候会自动装载路径下的bash_profile文件，就不需要手动配置环境变量了
保存脚本后运行：
```
source ~./.zshrc
```
## 3. npm timeout
老生常谈的问题了，，，，换镜像并改用[yarn](https://www.yarnpkg.cn/)就好
## 4. gradle与java版本不适配
不得不说，gradle的版本兼容问题一直是历史大坑，当出现这样的报错时，就大概是Java版本和gradle不兼容的问题了：
```shell
BUG! exception in phase 'semantic analysis' in source unit '_BuildScript_' Unsupported class file major version
```
这个时候就要看看gradle版本对应哪个Java版本，我因为本地电脑系统里的Java版本是18、13、8，而项目gradle要11.。。。所以找了大半天切换一下Java版本为11就解决了这个问题，然后yarn react-native run-android就可以正常build了

build react-native android

# 起源
最近尝试手动build [wireguard- android](https://github.com/WireGuard/wireguard-android),踩了不少坑，大概总结一下


# #0 环境问题
wireguard- android采用c++、go、java和kotlin进行开发，所以需要makefile和gomod的支持，这就要求我们系统中有这些环境（~~但是仓库的readme完全没说，屑中屑）~~，因此首先如果要成功build wireguard，就需要先装好环境
## 1. NDK支持
NDK是Android中帮助我们与c/c++动态链接库进行交互的工具包，默认Android是不会单独为项目导入的，所以需要手动去引入NDK,NDK内置了makefile编译所需要的东西，不然的话无法正常编译makefile
## 2. sha256sum
wireguard在build时会有一个校验文件的过程，也就是distributionSha256Sum，它会调用sha256sum这条指令进行校验
这是一个Linux下用来校验文件是否合法的指令，但是macOS环境下是没有这个指令的，所以需要手动安装它的工具包
```shell
brew install coreuntils
```
## 3. go mod proxy
wireguard还需要对go进行编译，因此也需要go的环境支持（~~可是它readme还是没有写~~）
在mac下可以直接使用brew安装go环境
```shell
brew install go
```
但是由于国内网络环境问题，在build中可能会出现dial tcp xxx.xxx.xxx.xxx timeout或者connect refused的报错，比如我遇到:
```
dial tcp 142.251.42.241:443: connect: connection refused
```
这种报错是由于go env缺乏国内代理导致的，更换proxy代理即可，在terminal中运行下面的指令即可
```shell
go env -w GOPROXY=https://goproxy.cn
```
## 4. 特殊：flock(1)-[MACOS]
这个东西其他系统是不需要的，但是macos需要单独安装这个环境，官方readme有提示macOS users may need flock(1).
同样的，直接用brew装就行了
```shell
brew install flock
```
注意：**brew国内镜像资源站是没有flock（1）的资源的，如果你配了中科大、阿里的brew源，就可能报错fatil，所以最好在安装前更换回brew的默认源**
# #1 Android Studio问题
好容易配了这么多环境，应该可以开始build了，然后Android Studio报错了：

![76F68C44-0183-4031-B109-767749FCF474.png](https://umb.ink/static/img/126bd59a4c270e2060bc2969a8f37dd6.76F68C44-0183-4031-B109-767749FCF474.png)
这个是直接读报错信息即可，因为AndroidStudio要求避免使用distributionSha256Sum，这样可能会导致AndroidStudio的crash（真屑啊），最好的也是最直接的解决办法就是。。。在gradle-wrapper.properties文件中把这一行属性注释掉。。。

# #最后
配好了一堆环境，解决完Androidstuio的问题，这时候再点击build，就可以build success了

Build WireGuard- Android

一种提取图片边缘的算法




# 起源

突发奇想利用边缘提取做了一个图片转线稿的小程序

先来看一下效果：

<img src="https://i.loli.net/2021/10/11/e9G2JMzf1ilEcKB.png" style="zoom: 50%;" />



# 环境

Python 3.8 、PIL、numpy

直接使用pip install 安装即可

```python
pip install pillow
pip install numpy
```

# 思路

众所周知，我们所看到的图片是一副二维图片，由一堆RGB色值各不相同的像素点构成。

那么我们可以将各个像素点的**RGB色值转变为图片的第三维度**，这样图片就由二维平面图变为了三维立体图。

此时我们将这张图片**看作一个实实在在的三维物体**，三维物体表面某点高度由对应二维平面的像素点的RGB色值决定，RGB色值有大有小，自然三维物体**表面就会有高低起伏**。

在某个高度，某个方向上**添加一个点光源照射这个物体**，在光的照射下，物体凹凸不平的表面自然而然就会出现阴影（RGB色值变化越大的地方表面越陡，阴影越深），再**将这些阴影投影回二维平面**，这样就得到了图片的边缘。

# 实现



1. #### 将原图转为灰度图

   为了简化矩阵，提高运算速度，我们对图像进行灰度图转换

2. #### 使用高斯滤波进行降噪

   这个算法对噪点很敏感（你想想平地上突然隆起一个笔直的擎天柱是不是显得特别扎眼）去除噪点影响，方法为使用高斯滤波，使图像模糊，然后使用领域降噪对图像进行降噪处理

3. #### 计算图像梯度

   numpy自带矩阵梯度计算(np.gradient)，该梯度用来作为图像升维参考，梯度值越大，说明图像颜色在该点变化率越大，对应的虚拟深度应该也越大。

4. #### 赋予图像虚拟深度

   因为图像中的RGB值有大有小，直接作为三维高度并不合适，需要经过一些权衡计算来将其转变为三维高度，我们这里结合图像梯度和颜色向量来计算，并预设一个放大深度值，用来放大深度效果。

5. #### 光源设置

   这个需要进行调参了，光源的位置是一个很玄学的问题，位置不同，最后的效果也完全不一样。

   个人觉得光源的最佳位置是与平面俯视角（即z轴与平面的夹角）呈 α =（pi / 2.2 ）°，平面方向角（即x与y的夹角呈β =（pi / 4 ）°，这个角度下提取到的线稿最为清晰。

6. #### 三维梯度转二维灰度

   最后我们需要的是二维矩阵而不是三维矩阵，因此分别求平面各点在xy平面、xz平面、yz平面的投影
   $$
   D_{x},D_{y},D_{z}
   $$
   将三个方向的投影的值相加的和与原色相乘，也就是（灰度化）
   $$
   (D_{x}+D_{y}+D_{z})*255
   $$
   
7. #### 极值处理

   将处理后的图像进行极值处理，RGB值靠近黑色（0）的归为黑色，靠近白色（255）的归为白色，突出边缘。

8. #### 锐化处理

   为了让我们最后的线稿更加清晰，可以对处理后的图片进行一定程度的锐化操作

   # 代码

```python
# 领域降噪
def calculate_noise_count(img_obj, w, h, width, height):
    count = 0
    for _w_ in [w - 1, w, w + 1]:
        for _h_ in [h - 1, h, h + 1]:
            if _w_ > width - 1:
                continue
            if _h_ > height - 1:
                continue
            if _w_ == w and _h_ == h:
                continue
            if img_obj[_w_, _h_] < 230:  # 这里因为是灰度图像，设置小于230为非白色
                count += 1
    return count


# 高斯滤波+锐化+领域降噪的线稿提取方案
def img_ege_get(byte: bytes):
    time = datetime.now()
    byte_stream = io.BytesIO(byte)
    im1 = Image.open(byte_stream).convert('L') # 灰度图
    im = im1.filter(ImageFilter.GaussianBlur(radius=0.75)) # 高斯模糊 75%

    a = np.asarray(im).astype('float')

    depth = 10. # 设定虚拟深度
    grad = np.gradient(a)
    grad_x, grad_y = grad
    grad_x = grad_x * depth / 100.
    grad_y = grad_y * depth / 100.
    # 梯度向量计算
    A = np.sqrt(grad_x ** 2 + grad_y ** 2 + 1.)
    uni_x = grad_x / A
    uni_y = grad_y / A
    uni_z = 1. / A
    vec_el = np.pi / 2.2
    vec_az = np.pi / 4.
    dx = np.cos(vec_el) * np.cos(vec_az)
    dy = np.cos(vec_el) * np.sin(vec_az)
    dz = np.sin(vec_el)

    b = 255 * (dx * uni_x + dy * uni_y + dz * uni_z)
    b = b.clip(0, 255)  # 二值化处理，要么为0，（黑色边缘）要么为255（白色背景）
    im2 = Image.fromarray(b.astype('uint8'))
    im2 = im2.filter(ImageFilter.SHARPEN)
    weight, height = im2.size
    # 降噪
    pim = im2.load()
    map(row_noise, [(pim, height, weight, w,) for w in range(weight)])
    imgByteArray = io.BytesIO()
    im2.save(imgByteArray, format='png')
    imgByteArray = imgByteArray.getvalue()
    print(datetime.now() - time)
    return imgByteArray

# 领域降噪
def row_noise(pim, height, weight, w):
    for h in range(height):
        if calculate_noise_count(pim, w, h, weight, height) < 4:
            pim[w, h] = 255
```

# [源码地址](https://github.com/farewell12345/FAQ-Bot-QQ/tree/master/src/main/Python)