Python

manim边做边学--数轴

数轴是数学中的一个基本概念,它规定了原点、正方向和单位长度的直线。 Manim中的NumberLine就是一个专门用来表示数轴的对象,它允许用户设置数轴的范围、间隔和显示长度等参数,从而灵活地在动画中展示数学中的一维数值变化。 下面将介绍Manim中的NumberLine对象的基本功能到使用示例。 1. 主要参数 NumberLine的参数很多,定制性很强,能够满足各式各样对于数轴显示的需求。

2024数据采集与融合实践作业一

码云链接:gitee码云 作业①: 1)、爬取学校排名实验: o 要求:用requests和re库方法设计某个商城(自已选择)商品比价定向爬虫,爬取该商城,以关键词“书包”搜索页面的数据,爬取商品名称和价格。 o 输出信息: 排名 学校名称 省市 学校类型 总分 1 清华大学 北京 综合 852.5 2...... 代码: 2)、心得体会 通过这个实

Anything Anytime Library

ASSIGNMENT 2 [40%]White box testing and code analysis Overview For this assignment, your task is to design and document appropriate tests for a softwaresystem using white box techniques, build a CI/C

PyQt5 使用 Pyinstaller+multiprocessing 打包多进程应用时,引发的一些问题

解决 Pyinstaller 打包 PyQt5+multiprocessing 多进程应用时,引发的一些问题,包括反复启动主进程,以及:AttributeError: 'NoneType' object has no attribute 'write' 本文提供一些解决方案,您可能需要根据自己的实际情况,逐个尝试,直到自己的multiprocessing多进程应用正常运行 一、解决反复启动 GUI

Redis未授权-6379

原理分析 Redis 默认情况下,会绑定在 0.0.0.0:6379,这样将会将 Redis 服务暴露到公网上 如果在没有开启认证的情况下,可以导致任意用户在可以访问目标服务器的情况下未授权访问 Redis 以及读取 Redis 的数据。 攻击者在未授权访问 Redis 的情况下可以利用 Redis 的相关方法,可以成功在 Redis 服务器上写入公钥,进而可以使用对应私钥直接登录目标服务器 条件

创建阿里云函数计算中的层(python运行时)

来源:使用层功能管理依赖减少代码包体积并实现代码复用_函数计算(FC)-阿里云帮助中心 (aliyun.com) 层可以为您提供公共依赖库、运行时环境及函数扩展等发布与部署能力。您可以将函数依赖的公共库提炼到层或者使用函数计算官方公共层,以减少部署或更新函数时的代码包体积。 功能原理 构建层时,需要将所有内容打包到ZIP文件中。函数计算运行时会将层的内容解压并部署在/opt目录下。 当函数

数据采集与融合技术实践作业二

gitee链接: https://gitee.com/zxbaixuexi/scrapy_homework/tree/master/作业2/1 作业①: 1) 要求:在中国气象网(http://www.weather.com.cn)给定城市集的 7 日天气预报,并保存在数据库。 代码: 运行结果 2)心得体会 主要练习了sqlite库的基本使用,request爬取网页元素beautifulso

数据采集与融合技术实践课作业2

数据采集与融合技术实践课第二次作业 这个作业属于哪个课程 码云作业gitee仓库 https://gitee.com/huang-yuejia/DataMining_project/tree/master/work2 学号 102202142 姓名 黄悦佳 目录数据采集与融合技术实践课第二次作业一、作业内容作业①:1.爬取城市天气信息(代码在课程作业基础上改进优化)2

解决conda不同环境包冲突问题

当我们将一个包安装到我们指定的虚拟环境中时,我们可能会发现它们会被安装到同一个目录中,并且不同版本的这些包之间会存在冲突。此外,我们可能会获取到不属于我们创建的环境的包信息。 首先,我们需要知道,如果USER_SITE存在,所有的包都会被安装在其中,这就是为什么会导致版本冲突的原因。 要解决这个问题,首先我们需要使用下面的命令来查看是否存在可能导致冲突的目录。 然后我们会看到下面的输出: 如果

flask 钩子函数

什么是钩子(中间件Middleware)  钩子或叫钩子函数,是指在执行函数和目标函数之间挂载的函数,框架开发者给调用方提供一个point-挂载点, 一种AOP切面编程思想.常用的钩子函数  before_first_request:  处理第一次请求之前执行  before_request:  在每次请求之前执行,通常使用这个钩子函数预处理一些变量,实现反爬等  after_request:  

MISC刷题7

[OtterCTF 2018] What the password? 问题描述: 先使用imageinfo查看系统版本: hashdump获取密码的LM和NTLM: mimikatz获取明文密码: CTF{MortyIsReallyAnOtter} General Info 描述: 查看IP地址: 即IP为192.168.202.131 查看注册表: 发现有SYSTEM 进

MISC刷题8

[SDCTF 2022]Flag Trafficker 题目描述: 下载附件得到001.pcapng 直接ctrl+F搜索: 然后控制台运行这段JSFUCK代码即可 [鹤城杯 2021]A_MISC 下载得到附件task_flag.zip,但是有密码 尝试zip伪加密--失败 那就爆破: 能正常爆破的话都会在这里显示的 qwer 解压缩后得到文件: 发现可能未完全显示 爆破宽高: 下

VMware vSAN 8.0U3b - 存储虚拟化软件

VMware vSAN 8.0U3b - 存储虚拟化软件 vSAN 8 with Express Storage Architecture 请访问原文链接:https://sysin.org/blog/vmware-vsan/ 查看最新版。原创作品,转载请保留出处。 作者主页:sysin.org VMware vSAN 存储虚拟化软件 vSAN 利用企业级存储虚拟化软件 VMware vSAN

SHCTF2024-week2-Crypto

Week2 Crypto worde很大 dp泄露,但是e很大,利用费马小定理就可以求出p [e*d_p=1mod (p-1)=1+k(p-1) 因为p是素数,可以选取任意数a,我这里取2就可以了 根据费马小定理有:a^{p-1}=1mod p 扩展为:a^p=amod p 我们可以得到:a^p-a=kp 之后跟n求gcd就是p了 ] 魔鬼的步伐 get_primes()生成的是2到65537

TowardsDataScience-博客中文翻译-2020-一百二十九-

TowardsDataScience 博客中文翻译 2020(一百二十九) 原文:TowardsDataScience Blog 协议:CC BY-NC-SA 4.0 什么是机器学习?—直观的解释。 原文:https://towardsdatascience.com/what-is-machine-learning-a-visual-explanation-14642b90429f?sour

用pipenv打包exe 体积超级小

使用虚拟环境 用pipenv创建python虚拟环境。因为在打包环境下会引入了很多不必要的文件,一块打包会导致在生成exe文件过大,而在虚拟纯净环境里打包程序可以有效避免。 步骤1:首先在需要作为虚拟环境的文件夹内执行pip install pipenv命令 步骤2:在安装成功后使用pipenv shell命令,进入虚拟环境 步骤3:进入虚拟环境后,先使用pipenv install pyinst

例2.53

import pandas as pd import pylab as plt plt.rc('font',family='SimHei') #用来正常显示中文标签 plt.rc('font',size=16) #设置显示字体大小 a=pd.read_excel("data2_52.xlsx",header=None) b=a.T; b.plot(kind='bar'); plt.legend

MISC刷题3

[SWPU 2019]伟大的侦探 下载附件得到--MISC-伟大的侦探-misc.zip 但是需要密码 解压后能得到未经加密的密码.txt: 然后进行EBCDIC解密: 保存为ebcdic_ascii_converter.py运行: EBCDIC.txt即为密码.txt 压缩包密码为"wllm_is_the_best_team!" 在misc目录下得到: 对照表: https://bl

《使用Gin框架构建分布式应用》阅读笔记:p32-p51

《用Gin框架构建分布式应用》学习第3天,p32-p51总结,总计20页。 一、技术总结 1.Go知识点 slice, struct。 2.Gin知识点 (1)c.XML() 使用c.XML()解析cmx结构。 (2)c.ShouldBindJSON() 将struct转成json。 gin所有函数参考:https://pkg.go.dev/github.com/gin-gonic/gin 3.版

upload-labs 靶场通关笔记

靶场搭建 Windows 下载作者提供的PHPStudy整合版,避免bug https://github.com/c0ny1/upload-labs/releases Linux 不推荐使用,有一些攻击利用了Windows的特性,Linux上传后可能连接不上木马(而且多后缀解析也存在问题) Pass-01 源码审计 只有在js代码中进行校验,提交到后端的PHP代码处理没有任何的过滤(前端校验等

Python 版本管理/虚拟环境:Pyenv 安装 & 使用

目录简介如何安装1. 获取Pyenv2. 设置环境变量3. 重启 shell使用指南安装一个 Python 版本。切换 Python 版本。卸载 Python 版本。更新 PyenvPyenv-virtualenv安装创建虚拟环境激活虚拟环境删除虚拟环境 简介 Pyenv 是一款 Python 的版本管理工具,是使用纯 Shell 脚本编写的。 Pyenv 的主要功能: 安装多个 Python

Collection集合的遍历

一、第一种方法,将集合转换成数组,进行循环遍历 二、第二种方法:使用迭代器进行遍历

使用Pydantic和SqlAlchemy实现树形列表数据(自引用表关系)的处理,以及递归方式处理数据差异

在我的设计框架业务中,字典大类、部门机构、系统菜单等这些表,都存在id、pid的字段,主要是作为自引用关系,实现树形列表数据的处理的,因为这样可以实现无限层级的树形列表。在实际使用Pydantic和SqlAlchemy来直接处理嵌套关系的时候,总是出现数据在Pydantic的对象转换验证上,爬坑一段时间才发现是模型定义使用上的问题,本篇随笔介绍使用Pydantic和SqlAlchemy实现树形列表

数据采集与融合技术第一次作业

作业1 1)用requests和BeautifulSoup库方法定向爬取给定网址(http://www.shanghairanking.cn/rankings/bcur/2020 )的数据,屏幕打印爬取的大学排名信息。 运行结果: 2)实验心得 在完成作业一的过程中,我深刻体会到了 Python 网络爬虫的强大功能。通过使用 requests 和 BeautifulSoup 库,能够轻松地从网

数据采集与融合技术作业二

数据采集与融合技术作业二 总仓库链接 (每题后面附带具体的两个链接) 作业1: 代码和结果 思路: 设计数据库,用于存储爬取的天气预报数据。这个模型包括城市、日期、天气状况和温度等字段。 编写爬虫 运行结果: 代码地址 运行结果地址 心得体会: 通过这次作业,我不仅学会了如何使用Python进行网页爬取和数据提取,还学会了如何设计数据库此外,遇到的问题是我想下载navicat以方便查看数据

习题2.6

import numpy as np import matplotlib.pyplot as plt from mpl_toolkits.mplot3d import Axes3D # 模拟高程数据(假设数据已经过某种方式插值或生成) # 这里我们创建一个简单的40x50网格,并填充随机高程值 x = np.linspace(0, 43.65, 40) y = np.

软件测试基本理论知识

b/s架构和c/s架构(重点)(1)bs: 浏览器------服务器(web)b:broeser 浏览器s:server 服务器bs的应用:论坛,百度,知乎,豆瓣,csdn,博客园(2)cs架构: 客户端-----服务器(app)c:client 客户端s:server 服务器cs应用:抖音 ,微信,qq,快手,酷狗区别:(1)bs 不需要更新,直接通过浏览器输入网址进行访问;

习题2.9

import sympy as sp # 定义变量 x, y = sp.symbols('x y') # 定义方程组 equation1 = sp.Eq(x**2 - y - x, 3) equation2 = sp.Eq(x + 3*y, 2) # 解方程组 solutions = sp.solve((equation1, equation2), (

习题2.10

from scipy.integrate import quad import numpy as np # 第一部分:抛物线旋转体(修正后) def V1_quad(y): return np.pi * (4*y - y**2) V1_corrected, _ = quad(V1_quad, 1, 3) # 第二部分保持不变 V2 = 0.5

习题2.11

import numpy as np def f(x): return (abs(x + 1) - abs(x - 1)) / 2 + np.sin(x) def g(x): return (abs(x + 3) - abs(x - 3)) / 2 + np.cos(x) from scipy.optimize import fsolve

<<  <  34  35  36  37  38  39  40  41  42  43  44  >  >>