搜索[Python]结果-低调大师优秀个人博客

精选列表

搜索[Python]，共10000篇文章

三厅审核意见三个等级：用 Python 把舞台审图的跨厅判读差异一次性揪出来

# 三厅审核意见三个等级：用 Python 把舞台审图的跨厅判读差异一次性揪出来 ## 一、先看结论：这条闸门拦的是什么先把结论摆出来，省得读到最后才发现不是自己要的东西。

2026-10-07

【Python量化系统工程实战 #02】每天手动拉数据太烦？用 APScheduler 搭一条「自动采集 + 增量去重」的流水线

本篇解决「每天数据怎么自动进来」——告别手动 `python main.py`。

2026-10-04

如何用 Python 筛选均线多头排列的股票？（MA5>MA10>MA20>MA60 全市场选股）

## 参考 - AlphaFeed Python SDK 文档：[https://docs.alphafeed.org/zh-Hans/sdk/python-quickstart](https://docs.alphafeed.org

2026-09-26

【Python量化数据工程实战 #09】数据 Pipeline 跑了一个月才发现缺数？用质量评分卡 5 分钟定位问题

**一份可直接复制运行的 Python 评分卡代码**，输入是你的 K 线 DataFrame，输出是评分报告 + 告警。 3.

2026-09-24

【Python量化系统工程化 #10】脚本写完只有自己看？Streamlit看板把脚本变成团队5分钟能用的产品

部署到团队可访问的服务器 --- ## 一、Streamlit 是什么 [Streamlit](https://streamlit.io) 是一个 Python Web 应用框架，专为数据科学和机器学习设计

2026-09-19

【Python量化系统工程化 #04】100只股票顺序拉要十分钟？并发批量让速度提升26倍

--- **下篇预告**：【Python量化系统工程化 #05】网络抖动一报错就全盘失败？用 tenacity 自动重试 + 指数退避

2026-09-16

脚本语言 Tcl 与 Python 使用的那个 GUI 包 Tk 发布 9.0 版本，上一次大版 8.0 发布于 1997 年

连强大的 Python 语言都不单独提供自己的 GUI，而是提供接口适配到 Tk 上。是的，Python 上用的那个 Tk。

2024-09-27

开源日报 | 开源模型击败GPT-4 Turbo；Python考虑更改版本编号；开源大模型食用指南；你喜欢计算机/编程吗？

在 API 服务方面，DeepSeek-Coder-V2 API 支持 32K 上下文，价格和 DeepSeek-V2 一致： Python 考虑更改版本编号，使用“日历”方式一位 Python 核心维护者正在游说更改

2024-06-19

22、Python快速开发分布式搜索引擎Scrapy精讲—scrapy模拟登陆和知乎倒立文字验证码识别

转自： http://www.bdyss.cn http://www.swpan.cn 第一步。首先下载，大神者也的倒立文字验证码识别程序下载地址：https://github.com/muchrooms/zheye 注意：此程序依赖以下模块包 Keras==2.0.1 Pillow==3.4.2 jupyter==1.0.0 matplotlib==1.5.3 numpy==1.12.1 scikit-learn==0.18.1 tensorflow==1.0.1 h5py==2.6.0 numpy-1.13.1+mkl 我们用豆瓣园来加速安以上依赖装如： pipinstall-ihttps://pypi.douban.com/simpleh5py==2.6.0 如果是win系统，可能存在安装失败的可能，如果那个包安装失败，就到 http://www.lfd.uci.edu/~gohlke/pythonlibs/ 找到win对应的版本下载到本地安装，如： pipinstallh5py-2.7.0-cp35-cp35m-win_amd64.whl 第二步，将者也的，验证码识别程序的zheye文件夹放到工程目录里第三步，爬虫实现 start_requests()方法，起始url函数，会替换start_urls Request()方法，get方式请求网页 url=字符串类型url headers=字典类型浏览器代理 meta=字典类型的数据，会传递给回调函数 callback=回调函数名称 scrapy.FormRequest()post方式提交数据 url=字符串类型url headers=字典类型浏览器代理 meta=字典类型的数据，会传递给回调函数 callback=回调函数名称 formdata=字典类型，要提交的数据字段 response.headers.getlist('Set-Cookie')获取响应Cookiesresponse.request.headers.getlist('Cookie')获取请求Cookies #-*-coding:utf-8-*- importscrapy fromscrapy.httpimportRequest,FormRequest importre classPachSpider(scrapy.Spider):#定义爬虫类，必须继承scrapy.Spider name='pach'#设置爬虫名称 allowed_domains=['zhihu.com']#爬取域名 #start_urls=['']#爬取网址,只适于不需要登录的请求，因为没法设置cookie等信息 header={'User-Agent':'Mozilla/5.0(WindowsNT10.0;WOW64;rv:54.0)Gecko/20100101Firefox/54.0'}#设置浏览器用户代理 defstart_requests(self):#起始url函数，会替换start_urls """第一次请求一下登录页面，设置开启cookie使其得到cookie，设置回调函数""" return[Request( url='https://www.zhihu.com/#signin', headers=self.header, meta={'cookiejar':1},#开启Cookies记录，将Cookies传给回调函数 callback=self.parse )] defparse(self,response): #响应Cookies Cookie1=response.headers.getlist('Set-Cookie')#查看一下响应Cookie，也就是第一次访问注册页面时后台写入浏览器的Cookie print('后台首次写入的响应Cookies：',Cookie1) #获取xsrf密串 xsrf=response.xpath('//input[@name="_xsrf"]/@value').extract()[0] print('获取xsrf密串：'+xsrf) #获取验证码 importtime t=str(int(time.time()*1000)) captcha_url='https://www.zhihu.com/captcha.gif?r={0}&type=login&lang=cn'.format(t)#构造验证码请求地址 yieldRequest(url=captcha_url,#请求验证码图片 headers=self.header, meta={'cookiejar':response.meta['cookiejar'],'xsrf':xsrf},#将Cookies和xsrf密串传给回调函数 callback=self.post_tj ) defpost_tj(self,response): withopen('yzhm.jpg','wb')asf:#打开图片句柄 f.write(response.body)#将验证码图片写入本地 f.close()#关闭句柄 #---------------------------者也验证码识别----------------------- fromzheyeimportzheye#导入者也倒立文字验证码识别模块对象 z=zheye()#实例化对象 positions=z.Recognize('yzhm.jpg')#将验证码本地路径传入Recognize方法识别，返回倒立图片的坐标 #print(positions)#默认倒立文字的y坐标在前，x坐标在后 #知乎网要求的倒立文字坐标是x轴在前，y轴在后，所以我们需要定义一个列表来改变默认的，倒立文字坐标位置 pos_arr=[] iflen(positions)==2: ifpositions[0][1]>positions[1][1]:#判断列表里第一个元祖里的第二个元素如果大于,第二个元祖里的第二个元素 pos_arr.append([positions[1][1],positions[1][0]]) pos_arr.append([positions[0][1],positions[0][0]]) else: pos_arr.append([positions[0][1],positions[0][0]]) pos_arr.append([positions[1][1],positions[1][0]]) else: pos_arr.append([positions[0][1],positions[0][0]]) print('处理后的验证码坐标',pos_arr) #-------------者也验证码识别结束-------- iflen(pos_arr)==2: data={#设置用户登录信息，对应抓包得到字段 '_xsrf':response.meta['xsrf'], 'password':'279819', 'captcha':'{"img_size":[200,44],"input_points":[[%.2f,%f],[%.2f,%f]]}'%( pos_arr[0][0]/2,pos_arr[0][1]/2,pos_arr[1][0]/2,pos_arr[1][1]/2),#因为验证码识别默认是400X88的尺寸所以要除以2 'captcha_type':'cn', 'phone_num':'15284816568' } else: data={#设置用户登录信息，对应抓包得到字段 '_xsrf':response.meta['xsrf'], 'password':'279819', 'captcha':'{"img_size":[200,44],"input_points":[[%.2f,%f]]}'%( pos_arr[0][0]/2,pos_arr[0][1]/2), 'captcha_type':'cn', 'phone_num':'15284816568' } print('登录提交数据',data) print('登录中....!') """第二次用表单post请求，携带Cookie、浏览器代理、用户登录信息，进行登录给Cookie授权""" return[scrapy.FormRequest( url='https://www.zhihu.com/login/phone_num',#真实post地址 meta={'cookiejar':response.meta['cookiejar']},#接收第传过来的Cookies headers=self.header, formdata=data, callback=self.next )] defnext(self,response): #请求Cookie Cookie2=response.request.headers.getlist('Cookie') print('登录时携带请求的Cookies：',Cookie2) jieg=response.body.decode("utf-8")#登录后可以查看一下登录响应信息 print('登录响应结果：',jieg) print('正在请需要登录才可以访问的页面....!') """登录后请求需要登录才能查看的页面，如个人中心，携带授权后的Cookie请求""" yieldRequest( url='https://www.zhihu.com/people/lin-gui-xiu-41/activities', headers=self.header, meta={'cookiejar':True}, callback=self.next2 ) defnext2(self,response): #请求Cookie Cookie3=response.request.headers.getlist('Cookie') print('查看需要登录才可以访问的页面携带Cookies：',Cookie3) leir=response.xpath('/html/head/title/text()').extract()#得到个人中心页面 print('最终内容',leir) #print(response.body.decode("utf-8")) 【转载自：http://www.lqkweb.com】

2019-07-11

基于Python3.X/阿里云云解析API运用于树梅派做家庭服务器的DDNS服务,使用ThreadTimer和sh服务

基于Python3.X/阿里云云解析API运用于树梅派做家庭服务器的DDNS服务加入配置管理/日志管理/外网出口IP模块本项目主要用于学习研究Python在linux下定时任务及将脚本注册成系统服务

2019-04-08

【资料下载】Python第四讲——使用IPython/Jupyter Notebook与日志服务玩转超大规模数据分析与可视化

这里介绍如何借助日志服务对IPython/Jupyter扩展的功能，用Python对海量数据进行深度加工（ETL）、交互式分析（通过SQL、DataFrame）、机器学习与可视化等。

2019-02-19

用Python3、NetCore、Shell分别开发一个Ubuntu版的定时提醒（附NetCore跨平台两种发布方式）

Python3 与 NetCore基础语法对比：https://www.cnblogs.com/dunitian/p/9103673.html 彩色版最新版：https://www.cnblogs.com

2018-05-29

【阿里聚安全·安全周刊】Python库现后门可窃取用户SSH信息|Facebook再曝300万用户数据泄露

本周七个关键词：Python库现后门丨Facebook再曝数据泄露丨加密协议被曝严重漏洞丨英国报摊将出售“色情通行证”丨HTTPS的绿色锁图标丨机器学习和预测应用的API丨Eclipse Che 6.5.0

2018-05-17

【Python量化回测实战 01】自己写的回测一上实盘就亏？从零搭一个最小回测引擎

--- ## 环境准备 ```bash pip install mairui pandas numpy matplotlib ``` --- ## 第一步：拉取日线数据 ```python from mairui

2026-10-24

Python 的 with 到底在管什么？拆开上下文管理器：exit 返回值决定生死，异常从 yield 灌进去

**结论先行：with 不是语法糖版的 try/finally——它把「资源生命周期」拆成了两次函数调用：__enter__ 拿资源、__exit__ 还资源，而 __exit__ 的返回值就是异常的生杀大权：返回 True，异常被当场吞掉；返回 False 或 None，异常原样穿透。更反直觉的是 @contextmanager 那一套：with 块里抛出的异常不是「被 except 抓到」，而是被 throw 进生成器、从 yield 那个点灌进去的。实测这套协议本身只要 353 纳秒，但一个没关掉的文件句柄能拖垮整个服务。这篇用 6 组实验把协议拆到底。** --- ## 1. 两次调用：with 的全部秘密 **把 with 语句编译成字节码，结构极其简单**： ```javascript 1 BEFORE_WITH # 调用 __enter__，结果压栈（就是 as 绑定的值） 2 ... # with 块体 3 LOAD_CONST None 4 PUSH_EXC_INFO # 记录：如果块体炸了，异常信息在这里 5 WITH_EXCEPT_START# 调 __exit__(type, val, tb)，看返回值决定吞不吞 6 POP_EXCEPT # 块体正常结束也走这里：__exit__(None, None, None) ``` **正常路径**：`__enter__()` → 块体 → `__exit__(None, None, None)`。 **异常路径**：块体炸了 → `__exit__(异常类型, 异常值, traceback)` → 返回真值就地吞掉，返回假值原样抛出。实测 tracer 类的调用序列完全吻合： ```javascript __enter__ called body running __exit__ called, exc = None ``` ## 2. __exit__ 的返回值 = 异常的生杀大权 **这是整个协议里唯一需要记住的规则**。三个实测场景： |`__exit__` 返回|块体抛 `ValueError`|实测结果| | --- | --- | --- | |`True`|吞掉|`suppress __exit__ exc = ValueError` → 后续代码继续执行| |`False`|穿透|`reraise __exit__ exc = KeyError` → 外层 try 抓到 KeyError| |`None`（默认）|穿透|同 False，异常原样抛出| **这就是 **`contextlib.suppress(FileNotFoundError)`** 的全部实现原理**——它的 `__exit__` 就是一句 `return issubclass(exc_type, self._exceptions)`。**一个返回值，把一个 try/except/pass 三件套压缩成了 with 一行**。 ## 3. @contextmanager：yield 是 enter/exit 的分界线 `@contextlib.contextmanager` **把一个生成器函数变成上下文管理器，切面就一刀**： ```javascript @contextlib.contextmanager def res(tag): print('enter: acquire', tag) # yield 之前的代码 = __enter__ try: yield tag # ← as 绑定的值；块体在这里跑 finally: print('exit: release', tag) # yield 之后的代码 = __exit__ ``` 实测输出：`enter: acquire DB` → `using DB` → `exit: release DB`。****yield 之前是拿资源，yield 之后是还资源**，with 块体整个被塞进 yield 的暂停窗口里。** ## 4. 异常不是被 except 抓的，是被 throw 进去的这是 @contextmanager 最容易被误解的地方。看这组实测： ```javascript @contextlib.contextmanager def res2(): try: yield except ValueError: print('gen caught ValueError (via throw)') # ← 这一行会打印 finally: print('gen finally') with res2(): raise ValueError('x') ``` 输出证实：`gen caught ValueError (via throw)` 和 `gen finally` 都打印了。 ****块体里的 ValueError 不是「冒泡到 except」**——它是被 `gen.throw(ValueError)` 从 yield 那个点直接灌进生成器的**。**所以写在 yield 后面的 except 能抓到 with 块体的异常**，**写在 yield 前面的代码（enter 阶段）想抓也抓不到**——那时块体还没开始跑。这也是为什么上下文管理器里写「清理」要放在 finally 里：异常从 yield 灌进来，finally 是唯一保证执行的收尾。 ## 5. 异常被吞的三种死法，逐一排雷用 @contextmanager 时踩坑的经典三连： |坑|现象|根因| | --- | --- | --- | |yield 不在 try 里|块体一抛异常，finally 不执行，资源泄漏|yield 裸奔，throw 直接掀翻生成器| |yield 返回值为 None|`with res() as r` 拿到 None|忘了 `yield value`，as 绑了个空| |enter 阶段就抛异常|块体不执行，但 `__exit__` 也不会调|进屋子就塌了，没人负责拆屋| **规律：拿资源的代码（yield 前）要自含清理或让它自然失败；还资源的代码（yield 后）必须包在 finally 里。** ## 6. 协议本身 353 纳秒，但别在热点里开火锅店实测 100 万次 with 的开销： |写法|每次耗时| | --- | --- | |`with noop: pass`（空协议）|**353 ns**| |裸 `try/finally: pass`|60 ns| |`with open('NUL') as f: pass`|42 250 ns| 两个结论：****协议本身（两次方法调用+异常帧）约 300 ns**，约为裸 try/finally 的 6 倍；但真正的开销从来不在协议——open 的 42 微秒全是系统调用**。在每秒百万次的循环里开合 with 确实该优化（提到循环外），但绝大多数场景，with 的 353 ns 连零头都算不上。为了「性能」把 with 拆成裸 try/finally，是用可维护性换 290 纳秒的亏本买卖**。** --- **一句话收尾：with 的本质是「两次调用加一个返回值」——__enter__ 拿资源、__exit__ 还资源、返回值决定异常生死；@contextmanager 把这一切架在 yield 上：异常不是被抓的，是从 yield 灌进去的。353 纳秒的协议费，买的是资源生命周期永远不会漏的保证。**

2026-10-21

再见手写CSS选择器，这个Python库给一个样本就自动学会爬，太屌了

今天这个 Python 库，直接把你想要的**一个样本**喂给它，它自己就学会规则，然后自动把同类型的东西全抓回来。零选择器、零 XPath、**几行代码就能跑**。

2026-09-08

概念板块轮动因子实战：从板块识别到本地化 Python 全流程 IG50免费开源股票数据API接口

# 概念板块轮动因子实战：从板块识别到本地化 Python 全流程做量化研究这几年，**概念板块**是 A 股最有研究价值也最复杂的"主题数据"。

2026-08-16

深度相机全场景应用实战：从工业检测到人形机器人，Python+SDK实现3D视觉感知与智能避障方案

> **关键词**：深度相机、RGB-D、3D视觉感知、工业检测、人形机器人、Python开发、RealSense、点云处理、智能避障、TOF相机 ## 一、概述：深度相机技术演进与2025-2026应用全景

2026-07-25

【美股财报季】英伟达与超大型云巨头（Hyperscalers）财报前瞻：如何用 Python + QuantDash 实现个股波动率溢出实时预警？

本文教你如何用 Python 配合 **QuantDash 高频日K接口**，在财报披露前夕，编写一套“波动率异动溢出监测”系统，当权重巨头盘中异动或波动率突破阈值时，实现秒级控制台和 webhook

2026-07-21

基于yolov5使用sort实现目标追踪，支持rk3568以及rk3588部署，提供python接口与c++接口

基于yolov5使用sort实现目标追踪，支持rk3568以及rk3588部署，提供python接口与c++接口!

2026-07-18

资源下载

更多资源

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。

WebStorm

WebStorm 是jetbrains公司旗下一款JavaScript 开发工具。目前已经被广大中国JS开发者誉为“Web前端开发神器”、“最强大的HTML5编辑器”、“最智能的JavaScript IDE”等。与IntelliJ IDEA同源，继承了IntelliJ IDEA强大的JS部分的功能。