Python
random.sample()和random.choices()、random.choice()区别
random.sample()和random.choices()、random.choice()区别 返回列表（1-k个值）random.sample(data,3)random.sample(data, k=3)data可以是字符串 元组 list从一个数据源中随机获取k个数据 不重复取 （取过的index 不会在被取） 返回列表（1-k个值）random.choic
IP地址、子网掩码和地址分类
http://blog.csdn.net/bluishglc/article/details/47909593?utm_source=tuicool&utm_medium=referral 实际工作中用到网络知识的机会并不多，虽然以前学习过，但是许久不用自然也就生疏了。最近拿到几台云上的虚拟机，需要为它们建立一个VPC（虚拟私有云，就是一个虚拟的局域网），得益于虚拟化
在PyInstaller中打包Python代码
在PyInstaller中打包Python代码 在实际开发中，我们经常需要将Python代码打包成可独立运行的可执行文件，以便更方便地分享和部署。PyInstaller是一个常用的Python打包工具，可以将Python脚本打包成单个可执行文件。 以下是如何使用PyInstaller打包Python代码的步骤： 安装PyInstaller，使用以下命令即可: pip install pyinsta
python中dict.copy()用法
浅拷贝和深拷贝 浅拷贝：只会对最表层的进行拷贝，也就是相当于二者共有 深拷贝：会申请一块新的内存进行存储，相当于自己独占 对于dict的copy来说，是对最表层的键值对进行了深拷贝，举例来说： b从a拷贝过来的是{'one': 1, 'two': 2, 'three': []}
pybind11内嵌解释器
一、创建解释器 需要在使用任意Python API前初始化解释器，包括pybind11 Python函数和类。RAII guard类`scoped_interpreter`可用来管理解释器的生命周期。在guard类销毁时，解释器将会关闭并占用的内存。必须在所有Python函数前调用它。 也可以使用pybind11 API来实现相同的功能：（参见PythonC++接口） 两种方法也
vulnhub之VulnHub2018_DeRPnStiNK
一、信息获取 1、tcp开放端口获取 ─$ cat tcp_open_port.nmap # Nmap 7.93 scan initiated Sat Jun 24 16:48:23 2023 as: nmap --min-rate 10000 -p- -oA tcp_open_port 192.168.62.198Nmap scan report for 192.168.62.198Host
二分图最优匹配——Python实现
二分图是一种特殊的图结构，它在经济与管理中具有重要的作用，譬如二分图在市场与供应链管理中发挥着关键作用，在供应链中二分图可以用来描述供应商与分销商之间的关系，帮助确定最佳的供应商-分销商匹配方案。通过建立供应商与分销商之间的连接，可以降低成本、提高效率，并确保产品能够及时、准确地达到市场。在大数据时代，个性化推荐成为了企业吸引客户、提高销售的重要手段。通过建立用户与产品之间的二分图，可以分析用户的
Scrapy 中 Request 的使用
爬虫中请求与响应是最常见的操作，Request对象在爬虫程序中生成并传递到下载器中，后者执行请求并返回一个Response对象 一个Request对象表示一个HTTP请求，它通常是在爬虫生成，并由下载执行，从而生成Response 参数 url（string） - 此请求的网址 callback（callable） - 将使用此请求的响应（一旦下载）作为其第一个参数调用的函数。有关更
memcached使用中踩的一些坑
背景 线上启用memcached(以下简称mc)作为热点缓存组件已经多年，其稳定性和性能都经历住了考验，这里记录一下踩过的几个坑。 大key存储 某年某月某日，观察mysql的读库CPU占比有些异常偏高，去check慢查询log，发现部分应有缓存的慢sql居然存在几秒执行一次情况，不符合缓存数小时的代码逻辑。 查看业务log在每次查询sql之后也确实有将结果set至mc之中： 而set返回的取值
[matplotlib] axes 布局
从high-level方法和low-level方法讲figure上的axes布局。 从high-level的角度，我们可以用以下几种方法，直接设置布局： 从low-level的角度来看，figure的布局由两个特性决定： GridSpec 明确figure上的网格(grid)形状，而所有之后的绘图(subplot)都是在网格形状上进行布局。 SubplotSpec 确定subplot的定位。
Liunx下对php内核的调试
0x01前言 主要是对上一篇文章中php_again这道题的补充。 0x02下载php源码 0x03编译 注意带enable-debug 0x04下载gdb工具 0x05调试样例 调试php中 生成 system_id的两个函数(zend_startup_system_id,zend_finalize_system_id)，分别在 mian.c文件的第2237行 和第2288行 先在这两处
强化学习从基础到进阶-案例与实践[4.1]：深度Q网络-DQN项目实战CartPole-v0
强化学习从基础到进阶-案例与实践[4.1]：深度Q网络-DQN项目实战CartPole-v0 1、定义算法 相比于Q learning，DQN本质上是为了适应更为复杂的环境，并且经过不断的改良迭代，到了Nature DQN（即Volodymyr Mnih发表的Nature论文）这里才算是基本完善。DQN主要改动的点有三个： 使用深度神经网络替代原来的Q表：这个很容易理解原因 使用了经验回放（Re
influxdb 端点使用http进行sql查询，写数据
转载请注明出处： InfluxDB有以下几个常用的端点，它们的作用和传参方式如下： 1./ping 端点： 作用：用于检查InfluxDB实例的状态，返回InfluxDB的构建类型和版本信息。 传参：无需传参，仅发送GET请求即可。 调用示例： 2./write 端点： 作用：用于将数据写入InfluxDB。 传参： 请求方式：发送POST请求。 请求头：
orm单表多表的增删改查
单表操作 增 # 增 1.create() 2.对象.save() 删 1.delete() queryset对象帮你封装的批量删除 2.对象.delete() 改 1.update() queryset对象帮你封装的批量更新 2.对象.save() 查 1.a
django之图书管理系统
后端 路由 urlpatterns = [ path('admin/', admin.site.urls), 首页 re_path('^$', views.Bms.as_view()), 图书 path('book/', views.Books.as_view()), 出版社 path('publish/', views.Publish.
choices参数,MTV与MCV模型，多对多三种创建方式
choices参数(数据库字段设计常见) """ 用户表 性别 学历 工作经验 是否结婚 是否生子 客户来源 ... 针对某个可以列举完全的可能性字段，我们应该如何存储 只要某个字段的可能性是可以列举完全的，那么一般情况下都会采用choices参数 """ class User(models.Model): username = models.CharField(ma
Ez_pycode_dis qsnctfwp
Python字节码基础 下载相关文件并打开，其中为 Python 字节码。 字节码格式为 源码行号 | 指令在函数中的偏移 | 指令符号 | 指令参数 | 实际参数值 根据上述字节码格式以及文件内容开始手搓源码 1. LOAD_CONST：载入常量 STORE_NAME：根据名称存入指定变量 翻译成源码为keys1 = "welcome_to_qsnctf_u_will_have_a_go
python: Treeview Control binding data using tkinter and ttkbootstrap GUI
""" StudentUI.py 读文件类 date 2023-06-24 edit: Geovin Du,geovindu, 涂聚文 ide: PyCharm 2023.1 python 11 """ import datetime import sys import os from tkinter import ttk from tkinter import * from
使用python发送sip协议的OPTIONS
环境：Windows10_x64 Python版本 ：3.9.2 sip协议提供了OPTIONS请求方法可用于探测对端状态，今天记录下Windows10环境下使用python3.9简单实现sip协议的options功能（udp承载）的过程，并提供示例代码及相关资源下载，可从如下渠道获取： 关注微信公众号（聊聊博文，文末可扫码）后回复 20230624 获取。
vulnhub:AI-WEB-1.0-测试详情
前半部分用的是NAT，然后在用msf的时候，靶场出问题了，应该是用vmware不怎么适合，然后重启用桥接，用nat的内容主要是查看ip和抓包，已经找数据库，桥接部分是os-shell命令、提权、搭建简易的服务器、将文件下载到靶机、最后提权。 用到的工具：openssl、dirb VMware：192.168.13.129 靶场：192.168.13.149 用的是VMware，NAT模式 arp-
jupyter中把ipynb文件导出为pdf
1、安装Python包，其中6.4.4是根据提示确认的必须要大于等于6.4.4 2、安装Inkscape，官网地址：https://inkscape.org/zh-hans/?switchlang=zh-hans 3、安装pandoc，官网地址：https://pandoc.org/installing.html 4、安装Tex，可参考：https://nbconvert.re
在 Python 中，类型属于对象，变量是没有类型的
在 Python 中，类型属于对象，变量是没有类型的： ━━━━━━━━━━━━━━━━━━━━━━━━━ 以上代码中，[1,2,3] 是 list 类型，"w3cschool"是 string 类型，而变量 a 是没有类型，她仅仅是一个对象的引用（一个指针），可以是 list 类型对象，也可以指向 是 string 类型对象。 ━━━━━━━━━━━━━━━━━━━━━━━━━ 可更改 (mu
Python 模块(转载)
Python 常用模块 模块分类 自定义模块 开源模块 内置模块 自定义模块 定义模块 情景一 情景二 情景三 导入模块 Python之所以应用越来越广泛，在一定程度上也依赖于其为程序员提供了大量的模块以供使用，如果想要使用模块，则需要导入。导入模块有一下几种方法： 导入模块其实就是告诉Python解释器去解释那个py文件 导入一个py文件，解释器解释该py文件 导入一个包，解释器解
Pickle反序列化漏洞学习
Pickle反序列化漏洞 模块 pickle 实现了对一个 Python 对象结构的二进制序列化和反序列化。 "pickling" 是将 Python 对象及其所拥有的层次结构转化为一个字节流的过程，而 "unpickling" 是相反的操作，会将（来自一个 binary file 或者 bytes-like object 的）字节流转化回一个对象层次结构。 pickling（和 unpickl
初学编程100个代码
Java、Python等主流编程语言如今火的不行，初学编程都有哪100个代码呢?笔者结合实际开发经验和同学们最迫切关注的技术热点，总结了100个常用的代码实现，具体如下： 1.输出 "Hello, World!"： print("Hello, World!") 2.求两个数的和： 点击查看代码 3.计算圆的面积： import math radius = 4 area = m
数据库内核：PostgreSQL 存储
存储管理 数据库管理系统的存储管理分级 在数据库管理系统中存储管理的目的是： 提供页或者元组集合的数据视图 将数据库对象（例如表）映射到磁盘文件上 管理数据与磁盘存储之间的传输 使用缓冲区来减少磁盘/内存之间传输次数 将加载的数据还原成为元组 是使用访问方法来访问文件结构的基础 数据库管理系统中存储管理分为如下几个级别： 磁盘或文件（Disks and File