BCC

【导语】：Text-to-Handwriting 是一个在线的开源工具，可以将文字输入转为手写体，并提供图片下载。 简介 Text-to-Handwriting 的开发者是个印度小哥，他讨厌手写作业，所以开发了这个工具，可以将文字输入转化为手写体，并提供图片下载。工具使用了以下第三方库： html2canvas，用于将 dom 元素转化为 canvas； jsPDF，以图片为原型生成对应的PDF文件； cypress，用于测试的库。这个库开源前哨介绍过，是一个很强大的自动化测试工具，详情点击 这里查看 ； serve，用于启动本地服务； 该项目是作者出于好玩开发的，目前存在一些问题，并且这个工具作者不是全职在维护，有些问题疑问无法及时解答，同时也呼吁更多的开发者参与进来。以下是一个已知的问题： 使用自定义字体时，字母之间会有间隙。作为临时解决方案，提供了调整字母间隙和单词间隙的选项来处理这个问题 项目地址： https://github.com/saurabhdaware/text-to-handwriting 简单使用 作者提供了一个在线地址供我们使用，地址是： https://saurabhdaware.github.io/text-to-handwriting/工具使用很简单，在左边 Input 输入需要转化的文字，右边选择手写字体，字体大小，图片尺寸，单词、字母间隙等

是不是一直傻傻分不清楚dumps、dump、loads和load的关系，长痛不如短痛，今天索性就把它写明白，不懂得朋友，请看下面。 这里我先回答一个很常见的问题，为什么 Python 会有四个操作 Json 的函数？按理说应该就只有两个的，一个解码，一个编码。 首先 Json 是一种数据格式，文件通常是以 .json 作为后缀，这种结构在互联网很是常见和方便。Python 这么牛逼，也想添加这个结构性的数据，所以 dict 字典数据类型就这么来了， dict 也是键和键值的结构,和 Json 几乎一致。 但是问题了，Json 文件这么的流行，Python 也需要支持 Json文件 的读取和写入的，所以 json.load() 和 json.dump() ，就这么被设计出来了。 但是随着Python爬虫的兴起，越来越多的 Python 爬虫需要处理网站抓取的 json 数据，进行处理转换为 Python 字典类型，但是现有的 load 和 dump 并不能解决这样的问题，所以此时 json.loads() 和 json.dumps() 隆重登场。 详细的介绍请看下方： 1、json.dumps() import json dict1 = { 'name': '西园公子', 'salary': '66666', } json_str = json.dumps(dict1) #

抖音视频Api、抖音直播Api、抖音评论采集、抖音弹幕采集、抖音爬虫、抖音去水印、抖音视频下载、抖音视频解析 抖音直播数据、抖音数据采集、抖音直播监控 TiToData：专业的短视频数据采集、处理平台。 更多信息请联系： TiToData 海量数据采集 每天为客户采集5亿条数据 覆盖主流平台：TikTok，Zynn，YouTube，抖音，快手，1688，小红书，拼多多，淘宝，美团，饿了么，淘宝，微博 抖音榜单：今日最热视频榜 请求Api http://主机地址/douyin/board/videos?token=xxx 请求方式 GET 参数 字段 类型 说明 token string 接口授权码 返回示例 { "code":200, "data":{ "active_time":"09月14日 23:10", "aweme_list":[ { "aweme_info":{ "anchors":null, "author":{ "accept_private_policy":false, "account_region":"", "ad_cover_url":null, "apple_account":0, "authority_status":0, "avatar_168x168":{ "height":720, "uri":"3194c000a784b185c7dbf",

profile是用于追踪程序执行调用流程的工具，类似于perf中的-g指令 相比perf -g而言，profile功能化更加细分，可以根据需要选择追踪层面，例如-U（用户要调用流程） -K （内核态调用流程） 下面具体介绍该工具的使用 采用profile --help，我们可以看到如下介绍： usage: profile [-h] [-p PID] [-U | -K] [-F FREQUENCY | -c COUNT] [-d] [- a] [ -f] [--stack-storage-size STACK_STORAGE_SIZE] [- C CPU] [duration] Profile CPU stack traces at a timed interval positional arguments: duration duration of trace, in seconds # profile的持续时间 optional arguments: -h, -- help show this help message and exit -p PID, -- pid PID profile this PID only # 只追踪该pid的调用流程 -U, --user-stacks- only　　　　　　　　　　　　　　　　　　　# 查看用户态函数调用流程 show stacks

DFS性质的应用——利用Tarjan算法求割顶、BCC、SCC 整理自《算法竞赛入门经典——训练指南》以及网络 DFS (depth first search)深度优先搜索算法 dfs森林：按照dfs的执行顺序，将图的所有边重新梳理，分为四个类别：前向边、反向边、交叉边和树边。在无向图中不存在交叉边，前向边与后向边等价。 关键变量： pre[u]：记录u点被访问到的次序。 pre[u] = ++dfs_clock; low[u]：在DFS过程中，u及其后代能连回的最早祖先的pre值。 low[u] = min{low[v] | u -> v} $1 计算割顶和桥 割顶：对于连通图，删除后使图不再连通的 点 。 桥：对于连通图，删除后使图不再连通的 边 。 计算割顶的方法：在DFS过程中，如果一个点u存在一个子节点v，使得v及其后代都没有反向边连回u的祖先（不包括u），即lowv >= pre[u]，则u是割顶。 计算桥的方法：如果v的后代只能连回v自己（即low(v) > pre(u)）则u-v是桥。 注意： 对于已访问点，只处理反向边（条件pre[v] < pre[u]）。前向边的pre已被传递过，不需要处理。 根节点需要特判：当DFS树根只有一个孩子时不是割顶，需手动取消割顶标记。 $2 计算BCC和SCC 无向图的（点）双连通分量（BCC）：内部无割顶

http://groups.tianya.cn/post-233945-a26c77a21b324ae5952434f366b8504c-1.shtml http://groups.tianya.cn/post-233945-affb7a12483a4ae3a5d5fa0a979cf256-1.shtml http://groups.tianya.cn/post-233945-69147112bfc84a4ab7fe4e24245e71fc-1.shtml http://groups.tianya.cn/post-233945-b7f4bc30917a48b9a1ce6ad37e095a4c-1.shtml http://groups.tianya.cn/post-233945-f89157e886864b77997b83469e2236f7-1.shtml http://groups.tianya.cn/post-233945-ebf45fbb7f104197bc00a7f2b0156e57-1.shtml http://groups.tianya.cn/post-233945-75deb3d90b35440da4f0bf53b68577a2-1.shtml http://groups.tianya.cn/post-233945

Linux未来监控tracing框架——eBPF eBPF源于早年间的成型于 BSD 之上的传统技术 BPF(Berkeley Packet Filter)。BPF 的全称是 Berkeley Packet Filter，顾名思义，这是一个用于过滤(filter)网络报文(packet)的架构。 BPF 是在 1997 年首次被引入 Linux 的，Linux 内核中的报文过滤机制其实是有自己的名字的：Linux Socket Filter，简称 LSF。 从 3.15 开始，一个套源于 BPF 的全新设计开始，在3.17被添置到了 kernel/bpf 下。全新设计最终被命名为了 extended BPF(eBPF)；为了后向兼容，传统的 BPF 仍被保留了下来，并被重命名为 classical BPF(cBPF)。相对于 cBPF，eBPF 带来的改变可谓是革命性的：一方面，它已经为内核追踪(Kernel Tracing)、应用性能调优/监控、流控(Traffic Control)等领域带来了激动人心的变革；另一方面，在接口的设计以及易用性上，eBPF 也有了较大的改进。 cBPF 所覆盖的功能范围很简单，就是网络监控和 seccomp 两块，数据接口设计的粗放；而 eBPF 的利用范围要广的多，性能调优、内核监控、流量控制什么的，数据接口的多样性设计。 由一个文件(net

在 LPC'18(Linux Plumber's conference) 会议上，至少有24个关于 eBPF 的演讲。 eBPF 这一实用技术，将是每个开发者需要掌握的技巧。 也许你的新年目标得再多一个了：学习 eBPF！ eBPF 的名称源于 extended Berkeley Packet Filter，如果从 eBPF 的功能来说，类似 Virtual Kernel Instruction Set (VKIS) 这样的名字似乎跟贴切。 eBPF 可以用来做很多事情，比如网络性能(network performance)，防火墙(firewalls)，安全(security)，程序分析追踪(tracing) 和 设备驱动(device drivers) 等。其中，诸如 tracing 等功能在网络上已经有很多资料。这里的术语 tracing 特指可以生成 per-event 信息的性能分析和观察工具，例如 tcpdump 和 strace 就是两个常用的 tracer 。 这篇文章将着重于 eBPF tracing 的学习，并分为 beginner, intermediate, advanced 三个阶段，大纲如下： Beginner: 运行 bcc 工具 Intermediate: 开发 bpftrace 工具 Advanced: 开发 bcc 工具，并贡献社区