Xulihang修改

2026-10-18 18:29:50

爸妈来我家，放了一袋东北秋然大米，结果到夏天，里面生了很多虫子，有米象、印度谷螟（米蛾）。因为我平时不做饭，等9月23日客厅都有谷螟时我才发现，费了半天工夫打扫干净，米也直接扔了。

然后过了半个多月，到10月17号，我又发现另一袋小米里有米蛾的幼虫。浅黄色蠕动的身体，长得差不多了，会离开食物，到天花板和墙的接缝处吐丝化蛹。这是我第一次直接观察昆虫的习性，虽然有点恶心。

我这里就日常生活可能碰到的虫子做个整理。

表下注释：

1. 蚊子成虫寿命数据参考台湾CDC资料，白线斑蚊约20天，埃及斑蚊可达30天。
2. 苍蝇成虫寿命约1个月；蠓虫成虫可存活1个月以上。
3. 印度谷螟成虫平均寿命约8天。
4. 米象成虫寿命约86~230天；另有资料称7个月到2年，因温度、食物条件浮动较大。
5. 蚕蛾成虫寿命约4~10天，交配产卵后即死亡。
6. 蚂蚁寿命因阶级差异极大：工蚁数周至3~10年，蚁后数年至十年。
7. 蜜蜂三型寿命不同：工蜂生产季约30天，越冬期可长达4~6个月；蜂王3~5年；雄蜂繁殖季约54天。
8. 蟑螂寿命一般约2年，短的约200天。
9. 蜘蛛成虫寿命因种类差异极大，表中未取单一数值；小型居家蜘蛛通常数月，大型种类雌性可活多年。
10. 各阶段时间及成虫寿命因种类、温度、食物条件不同会有浮动，表中为常见参考范围。

2026-10-17 12:43:50

番号是日语的表达，用来标记事物用的编号。网友们最为熟悉的用法，是用于日本AV影片的番号，比如PTS-256。

这些片子都是怎么拍出来的，AV产业是什么样的，我这里简单做个整理。

AV的合法性

• 刑法第175条（猥亵物颁布罪）：日本法律明确禁止传播无码的性器官影像。这就是为什么本土正规 AV 必须加打“马赛克（自主规制）”的原因。
• “卖春”与“演出”的界限：日本《卖春防止法》禁止金钱交易的性行为。但 AV 产业将演员的拍摄行为定义为“戏剧演出（演艺合同）”，所支付的报酬是“演出费”而非性交易报酬，从而在 legal 灰色地带建立了合法的商业帝国。
• 伦理审查组织：业内的正规作品出厂前，必须经过诸如 IPPA（日本内容振兴机构）等第三方伦理审查机构审核，确保不触犯底线（如未成年、暴力强制等）并合格打码后才能上市。

影片是如何生产出来的？

日本 AV 的生产线就像好莱坞电影工业一样高效且专业：

[事务所 (经纪公司)] ──提供女优──┐
                                ├─► [片商 (制作与发行)] ──发售/流媒体──► [渠道/平台 (FANZA等)]
[制作团队 (导演/编剧/摄像)] ──制作──┘

1. 事务所（经纪公司 / Agency）：
   • 角色：负责招募、面试、签约和包装演员，是演员的独家经纪人。
   • 分工：著名的如 Marks Group、Cruse Group 等。事务所保护演员权益，同时也参与演员薪酬的分账。
2. 片商（制造商 / Manufacturer）：
   • 角色：出资发起项目、确定企划、雇佣制作团队并出版发行的品牌公司。
   • 分工：负责市场调研、封面设计、市场宣发。
3. 制作公司/团队（Production House / Crew）：
   • 角色：很多片商会将拍摄外包给专业的制作工作室。包括导演（監督）、摄影师、灯光师、化妆师及男优。
   • 男优（男演员）：全行业男优数量极少（常年仅数百人），绝大多数为按场次领薪的“自由职业者”或制作团队员工。
4. 分销渠道（Distribution / Retailers）：
   • 网络流媒体/数字下载：DMM (FANZA) 垄断了日本 80% 以上的正规数字发售，此外还有 DUGA、Sokmil 等平台。
   • 实体与租售：租赁店（如 TSUTAYA 的成人区）、专卖店及 DVD 零售商。

片商格局：三大梯队与分类

日本片商数量成百上千，但市场格局非常清晰：

女优生态：从“单体”到“企划”

AV 女优并非全是一样的薪酬与地位，业界有着极其残酷且严密的等级制度：

1. 专属女优（单体女优）：
   • 金字塔尖（占行业极小比例）：与大型片商（如 S1）签订独家月度合同，每月只拍 1~2 部片。
   • 待遇与地位：拥有高额保底月薪（甚至上千万元日元），配备专属团队，走“偶像/明星”路线（如河北彩伽、三上悠亚）。
2. 企划女优（单体企划）：
   • 中流砥柱：未签署独家合同，自由接单。一个月可能跨越不同片商拍摄多部作品。
   • 特点：依靠拍摄数量赚钱，题材适应度高。
3. 素人 / 企划演员：
   • 底层/临时：主打街头搭讪、特定主题或短暂出场，多为按次结算薪水。

行业的现状与变革

近年来的日本 AV 产业正经历着数十年来最大的变革：

• “AV新法”（AV出演被害防止・救济法，2022年起实施）：
• 背景与规定：为防止女性在违背意愿或被骗情况下拍摄，法律规定演员在签约后有等待期、拍摄后有冷却期，且作品发售一定期限内演员可以无条件解约并要求下架。

• 行业影响：极大地保护了女演员权益，但客观上也增加了片商的出资风险，导致行业拍摄审核变严、制作周期变长，中小片商生存压力剧增。

• 流媒体淘汰实体 DVD：曾经作为主力营收的物理 DVD 租赁和销售大幅下滑，流量向 FANZA 等在线付费流媒体及海外数字平台高度集中。
• 跨界与海外出圈：随着三上悠亚等顶流女优在亚洲市场的爆发，AV 女优向流行偶像、网红、时尚品牌主理人（如模特、自创服饰品牌）转型的“洗白出圈”路线已被成功打通。

2026-10-01 21:10:50

我对手机的要求，主要是屏幕护眼、轻、手感好、系统好、支持双卡、使用流畅。

轻的话，不能超过190G，护眼，主要是需要能长时间看，眼睛不难受，色彩好。因为OLED的频闪问题，我看一会屏幕就眼睛疼，导致我只能买LCD手机。

然后市面上LCD新机是越来越少，大多是千元机，甚至使用上了720P屏幕，而且都还很重，200g以上。这使得我不得不多买几台LCD手机收藏备用。

下面是我最近屯的一些LCD手机。

OPPO A72 5G

虽然是OPPO A系列的手机，配置不高，但重量只有175g，而且手感不错。90HZ刷新的6.5寸1080P，看起来非常细腻。系统也比较好用。虽然是2020年发行的，但日常使用都还比较流畅。

Moto G55

179g，6.5寸1080P LCD屏幕的手机，2024年发售，已经是我能买到最新的轻的LCD屏幕手机了。实际体验，其实屏幕观感一般，系统也不是很好用。凑合能用，但一直没有当主力机使用。

iPhone SE

买了，iPhone SE 2016和2020。经典的4寸和4.7寸的屏幕，但的确没有大屏看着舒服了。

夏普Aquos S2

夏普2017年发布的中高端机型，IGOS 5.5寸1080P的水滴全面屏，显示效果还是很好的。有两个配置版本：4+64G+骁龙630，138g；6+128G+骁龙660，143g。用来看b站视频还是不错了。我买了两台二手的，可以轮换着看视频。

另外，我还买了两台墨水屏设备：文石小白马P6和海信A5 Pro。海信的系统更加完善，内存管理好，不想小白马容易杀后台，就是配置比P6差很多。因为墨水屏的局限，我只在睡觉前用它听听视频。

因为LCD设备逐渐推出市场，可能以后只能日常出行轻度使用OLED，回家用这些LCD设备了。

相关博文：护眼设备研究

2026-09-06 20:30:50

《穿透屋顶的High Kick》，又译《搞笑一家人2》，是韩国的一部家庭喜剧。我最早是高中时在星空卫视上看的译制版本。这两天在b站上有看了下韩语版。

角色有三拨人，李顺才爷爷和他的家人、金子玉奶奶和她的租客、申世景和申新爱姐妹。因为各种机缘，这几拨人有了各种各样的连结。

其中我最关注的还是黄静茵，长得好看，性格活泼的大学女生。因为爱买东西，月光，结果买鞋时狗咬坏了鞋子，要赔100万韩元，被迫找家教。但因为就读的大学比较差劲，没人联系，是因为首尔大学的另一个学生在她的公告上贴了找家教公告，才被误以为首尔大学学生而被李顺才家的女儿李贤庆找到，请他教高中生儿子郑俊赫。就这样黄静茵和搞笑一家人的成员能互相认识，发生许多搞笑的事情。

现在回看一下，里面的确也反应了不同性格的人、不同阶段时的表现。

小孩子，比如海丽和新爱，都是小女孩，贪玩，希望得到关注，有时可能不是很礼貌。

少男高中生，希望能赶快长大，成为大人，做大人能做的事情。见到美女会喜欢。有喜欢黄静茵，结果变成跟踪狂的姜世宇。有喜欢申世景，为了她努力学习的郑俊赫。

年轻人。郑俊赫的舅舅李智勋和家教黄静茵，分别是27岁和23岁。李智勋是医生，钢铁直男，被黄静茵这样的小太阳女生吸引，也是经过一番波折，两个人才在一起。因为他们都不是很主动的人，编剧为了他们在一起也是煞费苦心，制造出各种偶遇，李志勋导航仪失灵，碰到在大便的黄静茵这样的事件。而他们的感情也有很多考验，比如作为医生，很少有时间能陪伴女朋友，黄静茵大学毕业找不到工作，家里又破产了，最后分手了。

中年人。李顺才40几岁的上门女婿郑宝石和女儿李贤庆。郑宝石作为上门女婿，家庭地位不高，佣人申世景也不把他当回事。

老年人。72岁的李顺才，追60岁的老仙女金子玉，虽然一把年纪，还是展现了相当的活力。

31岁的我，最近陷入了生活意义的迷茫，我看了下电视剧，觉得我还是太闲，想太多。还是好好生活，体会生活的细节，照顾好自己，有能力为他人做点事情。

DeepSeek点评：https://chat.deepseek.com/share/sndfgmy4qzatenv3w1

2026-08-16 16:35:50

最近一档以30+人群为主题的恋爱综艺比较火，叫《半熟恋人》。其中周佑凌和徐绿杨组成的柳周cp获得的关注最多。我也好奇去看了一下，颇有雾里看花的感觉。

因为正片太长，我主要看了土豆脑袋博主剪辑的评论片段和王一快的reaction。我发现对于他们的评价相当两极分化。主要的点在于柳柳前期与多位男嘉宾暧昧不清，后期男嘉宾都跑了，只有周佑凌对她是真的喜欢，才和他在一起。柳柳自己说是男女情感的错位，但有点感情经验的人，就说她其实是在钓鱼。王一快说年轻时没少被这样的女生骗，而且这些女生后来过得都挺好。

我觉得作为年纪比较大的人谈恋爱，可能是存在不少问题。

1. 激情来自于对过去的追忆。比如《甄嬛传》里的皇帝，喜欢和纯元皇后相似的人，所谓的莞莞类卿、替身文学。很多人喜欢的类型已经定死了。
2. 彼此理解的难度增加。每个人都有复杂的经历和性格，不是一类人很难互相理解。董卓然猜周佑凌要约谁，猜了三次，一次都没猜对。
3. 受伤后失去勇气。年轻时真情实感地投入，却没有换来好的结果，不敢再轻易付出真心。即使是霸总周佑凌，也在觉得柳柳端水，陷入关系的低位后希望通过不搭理、接触其它女生来跳出这种情感漩涡。
4. 建立关系的目的复杂。两性关系，是欲望的集中体现，对性、权力、金钱的各种欲望。感情没有那么纯粹。
5. 情感成熟度的错位。有的人30几岁，其实还像个孩子。有的人20几岁，但已经很成熟了。

我觉得柳周CP已经是很好的情侣了，他们本身是底色不错的人，生理吸引，情感需求对位，外形匹配，结合在一起又有助于事业。希望他们后续的相处，能给我们30+的人的感情提供一些借鉴。祝99。

下面是一些细节：

1. 468。周佑凌问柳柳谈过几个男友，柳柳说一个大4岁，一个大6岁。然后周说468，下一个大8岁，因为他36，柳柳28，差8岁。这里就代入自己了。王一快这里觉得周对柳太舔了，被拿捏了。怎么说呢，人家心甘情愿、乐在其中。
2. 1v1。周佑凌一上来就喜欢柳柳，每次to签和朋友圈都发给她。但发现认识十来天后，柳柳还是没有和他锁。他急切地需要女生给自己一个身份但没有成功，觉得她端水，不再搭理他。从海南归来，也避开和柳柳的接触。但还是很在意柳柳，柳柳的行李箱也装顺手，从凌李政手中接过。后来柳柳约他，关系突飞猛进，发现柳柳和自己想的端水大师并不一样，也和陈丹琪说明了情况。这里看，男女关系能不能成是女生主导的，选择权在女生手上。但能看出周佑凌的性格就是喜欢这种模式，可能是上海男人的一个特点。
3. 模棱两可。柳柳一开始对谁都释放信号。被问到时都给出模棱两可的回答，被说端水。我觉得她的确太顾及别人的感受，对谁都笑眯眯，表达友好，不直接表达，是存在问题的。但的确人对自己和他人的认知能力有限的时候，很难做出正确的抉择。特别是现在人对婚姻没有那么大的向往，做决定也会变得慎重。因为没有办法直接得知对方想法，这个时候就考验爱人的能力了，引导型爱人难得。

2026-08-03 15:39:50

Power BI是微软推出的一套强大的商业分析工具。它最早可追溯到Excel中的Power Pivot，Power Query。它在2015年正式发布，包含网页端的Power BI Service、桌面端的Power BI Desktop和移动版本。

Power BI专注于数据导入、清洗、呈现这一整个流程，和Excel相比，更适合可视化和分析数据。

比如我有个在线的demo，将每天统计的数据以csv的格式，保存为一个个文件，命名为YYYYMMDD.txt，例如下方示例：

2026/07/14 18:53:00, IP, Country, UserAgent, OCR
2026/07/14 18:53:00, IP, Country, UserAgent, Save

原始数据包含事件时间，访问者IP，访问者国家，浏览器UserAgent和事件名字，比如OCR、保存等等。

可以在Power BI中先建一个Semantic Model，通过Web获取这些数据，然后解析并保存。可以使用高级编辑器，使用以下命令进行存储：

let
    // 1. 定义基础域名和相对路径
    // 使用 RelativePath 参数实现相对路径引用
    BaseUrl = "https://blog.xulihang.me",
    
    // 2. 定义获取数据的日期范围（最近30天）
    Days = 30,
    EndDate = Date.AddDays(Date.From(DateTime.LocalNow()), -1),
    StartDate = Date.AddDays(EndDate, -(Days - 1)),
    
    // 3. 生成日期列表
    DateList = List.Dates(StartDate, Days, #duration(1,0,0,0)),
    
    // 4. 定义读取单个日志文件的函数
    GetLog = (LogDate as date) as nullable table =>
        let
            // 将日期转为 YYYYMMDD 格式
            DateStr = Date.ToText(LogDate, "yyyyMMdd"),
            
            // 使用 Web.Contents 和 RelativePath 获取文件
            Response = try Web.Contents(
                BaseUrl,
                [
                    RelativePath = "/" & DateStr & ".txt"
                ]
            ),
            
            // 如果文件不存在则返回 null
            Result = if Response[HasError] then
                null
            else
                let
                    // 读取文件内容并按行分割
                    Lines = Lines.FromBinary(Response[Value], null, null, 65001),
                    
                    // 解析每一行 CSV
                    ParseLine = (line as text) =>
                        let
                            Parts = Text.Split(line, ","),
                            Count = List.Count(Parts),
                            
                            // 假设至少有5列：时间, IP, 国家, UserAgent, 事件名称
                            // 如果列数多于5，将中间多余列合并（处理 UserAgent 中可能包含逗号的情况）
                            Result = if Count >= 5 then
                                {
                                    Parts{0},  // 事件时间
                                    Parts{1},  // IP
                                    Parts{2},  // 国家
                                    Text.Combine(List.Range(Parts, 3, Count - 4), ","),  // UserAgent（可能包含逗号）
                                    Parts{Count-1}  // 事件名称（最后一列）
                                }
                            else
                                null
                        in
                            Result,
                    
                    // 过滤掉空行和解析失败的行
                    Parsed = List.RemoveNulls(List.Transform(Lines, each ParseLine(_))),
                    
                    // 转换为表格
                    TableData = Table.FromRows(
                        Parsed,
                        {"事件时间", "IP", "国家", "UserAgent", "事件名称"}
                    ),
                    
                    // 添加日志日期列
                    AddDate = Table.AddColumn(
                        TableData,
                        "日志日期",
                        each LogDate,
                        type date
                    )
                in
                    AddDate
        in
            Result,
    
    // 5. 遍历所有日期，获取数据
    Tables = List.RemoveNulls(List.Transform(DateList, each GetLog(_))),
    
    // 6. 统一所有表的结构（确保列一致）
    CleanTables = List.Transform(
        Tables,
        each Table.SelectColumns(
            _,
            {"事件时间", "IP", "国家", "UserAgent", "事件名称", "日志日期"},
            MissingField.UseNull
        )
    ),
    
    // 7. 合并所有表
    Combined = Table.Combine(CleanTables),
    
    // 8. 设置正确的数据类型
    ChangedType = Table.TransformColumnTypes(
        Combined,
        {
            {"事件时间", type datetime},
            {"IP", type text},
            {"国家", type text},
            {"UserAgent", type text},
            {"事件名称", type text},
            {"日志日期", type date}
        }
    )
in
    ChangedType

以上存储的是原始数据，我们如果想基于原始数据计算出更多列，可以新建一个列，比如根据UserAgent计算操作系统：

OS = 
VAR UA = LOWER(RawLogs[UserAgent])
RETURN
SWITCH(
    TRUE(),
    CONTAINSSTRING(UA,"windows"),"Windows",
    CONTAINSSTRING(UA,"android"),"Android",
    CONTAINSSTRING(UA,"iphone") || CONTAINSSTRING(UA,"ipad"),"iOS",
    CONTAINSSTRING(UA,"macintosh"),"macOS",
    CONTAINSSTRING(UA,"linux"),"Linux",
    "Other"
)

一个经常用到的概念叫Measure，它不是存储在表格中的数据，而是需要用到时，会动态计算的一个指标。比如以下计算唯一IP数量的指标。在可视化报表中，Measure可以根据各种条件，比如时间进行动态计算。

Visitors = 
DISTINCTCOUNT(RawLogs[IP])

有了Semantic Model后，我们可以基于这个数据创建可视化报表了。有常见的饼图、折线图、漏斗图等等。

相似产品

• Apache Superset
• 帆软FineBI
• Tableau