coding

文件处理 一、字符编码 1.1 文本编辑器存取文件的原理 ​ 打开编辑器就打开了一个进程，实在内存中进行的，编辑器书写内容也都是存放在内存之中的，断电后数据丢失。 ​ 若需要永久保存，需要对文件进行永久保存，编辑器把内存的数据刷到硬盘上。 ​ 编辑一个没有执行的py文件，和编写其他文件没有任何区别，都只是在编写一堆字符。 1.2 Python解释器执行py文件的原理 Python解释器启动，就相当于启动了一个文本编辑器。 Python解释器相当文本编辑器，打开test.py文件，从硬盘上将test.py文件读入内存中。 Python解释器解释执行刚刚加载到内存中的test.py的代码。 1.3 Python解释器与文本编辑器的异同 ​ 相同点：Python解释器是解释执行文件内容的，因而Python解释器具备读py文件的功能。 ​ 不同点：文本编辑器将文件内容读入内存后，目的是是为了显示或者编辑，没有固定的输入语法。而Python解释器将文件内容读入内存后，目的是为了执行Python代码，对内容有固定的语法要求。 1.4 字符编码简介 1.4.1 什么是字符编码 ​ 计算机硬件工作是使用复杂的二进制字符进行命令的传输的，而我们是使用人类的语言就行交流的，因此我们需要将我们的语言进行转换成为计算机语言，需要这样一个过程：字符-->翻译-->数字。 ​ 总而言之

代码详情 Python2执行情况 Python3执行情况 # coding:gbk print('中') 终端：utf8 乱码 不乱码 # coding:utf8 print('中') 终端：utf8 不乱码 不乱码 # coding:gbk print(u'中') 终端：utf8 不乱码 不乱码 # coding:utf8 print(u'中') 终端：utf8 不乱码 不乱码 在Python2中如果指定了字符编码，那么内存存取就会按照指定的字符编码去入内存。解释或去执行时就要按照指定了的字符编码去解释，否则就会乱码。 否则可以在定义变量前面加上u，这样变量就会以unicode编码存入内存。 如： #coding:gbk name = "爸爸" 但在Python3中就不会有这样的问题，因为无论你指定了什么字符编码，在内存存取时都会使用Unicode编码去入内存，Unicode编码可以和任意的字符编码相互转换，并在读取时按照所需的编码区读取，这样就很好解决了字符编码的问题 来源： https://www.cnblogs.com/aden668/p/11317055.html

个人感悟： 首先我觉的要想学好一门语言不论是是什么语言：java ， C ，python ，PHP，都要弄明白网络请求与响应，过程，osi模型等，我觉的这个最基础的 ，但是今天我需要解决的是 网络交互时发生的"黏包"问题，行了不啰嗦了让我们进入正题吧。 黏包现象 让我们基于tcp先制作一个远程执行命令的程序（命令ls -l ; lllllll ; pwd） 这块我们需要注意下 res=subprocess.Popen(cmd.decode('utf-8'), shell=True, stderr=subprocess.PIPE, stdout=subprocess.PIPE) 的结果的编码是以当前所在的系统为准的，如果是windows，那么res.stdout.read()读出的就是GBK编码的，在接收端需要用GBK解码 且只能从管道里读一次结果 同时执行多条命令之后，得到的结果很可能只有一部分，在执行其他命令的时候又接收到之前执行的另外一部分结果，这种显现就是黏包 那么我们现在来实现个黏包现象吧 看我是怎么解决的的 基于tcp协议实现的黏包 tcp - server #_*_coding:utf-8_*_ from socket import * import subprocess ip_port=('127.0.0.1',8888) BUFSIZE=1024 tcp

资源整理。 1 Coding: 1.mars是一种基于张量的统一框架，用于大规模数据计算。 mars 2.SVGD是一种通用的变分推理算法，它形成梯度下降的自然对应物以进行优化。 SVGD通过应用一种最小化KL散度的函数梯度下降形式，迭代地传输一组粒子以匹配目标分布。该软件包包含Matlab和Python语言的SVGD实现。 还提供演示以在我们的论文中重现结果。 贝叶斯神经网络示例基于Theano。 Stein Variational Gradient Descent 3.非官方Python端口的puppeteer JavaScript（无头）chrome/chromium浏览器自动化库。puppeteer是谷歌浏览器自行开发的js库。非常强大。 pyppeteer 4.tf-explain将可解释性方法实现为Tensorflow 2.0回调，以简化神经网络的理解。请参阅tf-explain介绍 tf explain 5.用于渲染bokeh Python可视化库的Jupyter小部件。 ipybokeh 6.GDAL/OGR命令行的备忘录。有很多GDAL/OGR命令行实现不同功能的demo。 gdal cheat sheet 7.geotiff.js是一个小型库，用于解析TIFF文件以进行可视化或分析。 它是用纯JavaScript编写的，可以在浏览器和node.js应用程序中使用