def

1.按类来执行 import unittest class f1(unittest.TestCase): def setUp(self): pass def tearDown(self): pass def test_001(self): pass def test_002(self): pass ''' 按类来执行 ''' if __name__ == ' __main__ ' : suite = unittest.TestSuite(unittest.makeSuite(f1)) unittest.TextTestRunner(verbosity = 2 ).run(suite) 2.加载测试模块来执行 import unittest from selenium import webdriver class BaiduLink(unittest.TestCase): def setUp(self): self.driver = webdriver.Chrome() self.driver.maximize_window() self.driver.implicitly_wait( 30 ) self.driver. get (url= " htttp://www.baidu.com " ) def tearDown(self): self.driver.quit() def

　　引言 　　最近学习了虫师的发布会签到系统demo，结合自己所学django知识，对demo重新塑造了一下。也是为了练练手，巩固知识。现在就分享一下成果~ 　　Django工作流 　　学习django web开发，先来简单了解一下django的工作机制，请看下图： 简单说明： 用户通过浏览器访问：http://127.0.0.1:8000/index，首先运行的是urlpatterns程序，通过url路由找到对应的视图函数views.py，视图函数处理所有逻辑和数据，并且将用户要的数据经过函数处理后通过index.html返回给浏览器前的用户看。 　　 详情流程 　　从用户通过浏览器访问→函数处理→数据展示，整个形成一个闭关。 　　MVC是众所周知的模式，即：将应用程序分解成三个组成部分:model(模型),view(视图),和 controller(控制 器)。其中： M——管理应用程序的状态（通常存储到数据库中），并约束改变状态的行为（或者叫做“业务规则”）。 C——接受外部用户的操作，根据操作访问模型获取数据，并调用“视图”显示这些数据。控制器是将“模型”和“视图”隔离，并成为二者之间的联系纽带。 V——负责把数据格式化后呈现给用户。 　　Django也是一个MVC框架。但是在Django中，控制器接受用户输入的部分由框架自行处理(C交给用户)，所以 Django

队列（Queue） 队列也是一系列有顺序的元素的集合，新元素的加入在队列的一端，叫做“队尾”（rear），已有元素的移除发生在队列的另一端，叫做“队首”（front），和栈不同的是，队列只能在队尾插入元素，在队首删除元素。最新加入的元素必须处于队尾，在队列停留时间最长的元素处于队首。可以把队列想象成在银行前排队的人群，排在最前面的人第一个办理业务，新来的人只能在后面排队，直到轮到他们为止。这是一种先进先出（FIFO，First-In-First-Out）的数据结构。 队列有两种主要操作：向队列中插入新元素和删除队列中的元素。插入操作也叫做入队，删除操作也叫做出队。入队操作在队尾插入新元素，出队操作删除队头的元素。 队列的另外一项重要操作是读取队头的元素。这个操作叫做peek()。该操作返回队头元素，但不把它从队列中删除。除了读取队头元素，我们还想知道队列中存储了多少元素，可以使用size()满足该需求。 队列Queue的操作： Queue ( ) 定义一个空队列，无参数，返回值是空队列。 enqueue ( item ) 在队列尾部加入一个数据项，参数是数据项，无返回值。 dequeue ( ) 删除队列头部的数据项，不需要参数，返回值是被删除的数据，队列本身有变化。 isEmpty ( ) 检测队列是否为空。无参数，返回布尔值。 size ( ) 返回队列数据项的数量。无参数

一、rsa基本原理 关于加密与加签其目的就是为了保证数据传输的安全性，加签的作用就像签名，告诉别人这个就是我发的数据，别人无法模仿，加密的作用是传输的报文是一串密文，他人无法看懂什么意思，下图描述了使用rsa进行加签，加密，验签，解密的过程。 AB双方生成2对秘钥，A用自己的私钥进行签名（表示是自己发的数据），然后用B的公钥进行加密（这个数据是密文，第三方压根看不懂），B在接收到A发过来的数据时，先用B的私钥进行解密（嘿嘿，只有我能解密），随后用A的公钥进行验签（嗯，就是A发过来的数据），最终使用A传过来的明文进行后续业务处理（上图中B端数据描述不太准确，忽略，懒的画图）。后续通信亦是如此！ 二、python中rsa操作 python中使用rsa模块，首先我们要先生成2对秘钥值，在python中使用下面代码生成秘钥值（记得生成2对）。 1 import rsa 2 3 import base64 4 # 生成密钥 5 (pubkey, privkey) = rsa.newkeys(1024 ) 6 # 保存密钥 7 with open( ' public.pem ' , ' w+ ' ) as f: 8 f.write(pubkey.save_pkcs1().decode()) 9 10 with open( ' private.pem ' , ' w+ ' ) as f: 11

1 import psutil # 载入psutil模块 2 import smtplib # 载入smtplib模块 3 from email.mime.text import MIMEText 4 from email.header import Header 5 6 def cpu_info(): # 定义CPU使用率函数 7 cpu = ' %.2f%% ' % psutil.cpu_percent(1) # 截取1秒内cpu的使用率。 8 return cpu 9 # %.2f表示输出浮点数并保留两位小数。%%表示直接输出一个%。 10 def mem_info(): # 定义内存使用率 11 mem = psutil.virtual_memory() 12 mem_per = ' %.2f%% ' % mem[2 ] 13 mem_total = str(int(mem[0]/1024/1024)) + ' M ' 14 mem_used = str(int(mem[3]/1024/1024)) + ' M ' 15 info = { 16 ' mem_per ' :mem_per, 17 ' mem_total ' :mem_total, 18 ' mem_used ' :mem_used 19 } # 建立字典，方便后边调用值 20 return info 21

接下来聊一聊现在大热的神经网络。最近这几年深度学习发展十分迅速，感觉已经占据了整个机器学习的“半壁江山”。各大会议也是被深度学习占据，引领了一波潮流。深度学习中目前最火热的两大类是卷积神经网络（CNN）和递归神经网络（RNN），就从这两个模型开始聊起。 当然，这两个模型所涉及到概念内容实在太多，要写的东西也比较多，所以为了能把事情讲得更清楚，这里从一些基本概念聊起，大神们不要觉得无聊啊…… 今天扯的是全连接层，也是神经网络中的重要组成部分。关于神经网络是怎么发明出来的这里就不说了。全连接层一般由两个部分组成，为了后面的公式能够更加清楚的表述，以下的变量名中 上标表示所在的层，下标表示一个向量或矩阵内的行列号： 线性部分：主要做线性转换，输入用X表示，输出用Z表示 非线性部分：那当然是做非线性变换了，输入用线性部分的输出Z表示，输出用X表示。 线性部分 线性部分做了什么事情呢？简单来说就是对输入数据做不同角度的分析，得出该角度下对整体输入数据的判断。 这么说有点抽象，举一个实际点的例子，就拿CNN的入门case——MNIST举例。MNIST的例子在此不多说了，它是一个手写数字的识别项目，输入是一张28*28的二值图，输出是0-9这是个数字，这里假设我们采用完全全连接的模型，那么我们的输入就是28*28=784个像素点。数据显示到屏幕上大概是这个样子： 对于我们来说

目录 Django组件库之(一) APIView源码 Django restframework (1) ----认证 Django rest framework（2）----权限 Django rest framework（3）----节流 Django rest framework（4）----版本 Django rest framework（5）----解析器 Django rest framework（6）----序列化 Django rest framework（7）----分页 一、基础 1.1.安装 两种方式： github pip直接安装 pip install djangorestframework 1.2.需要先了解的一些知识 理解下面两个知识点非常重要，django-rest-framework源码中到处都是基于CBV和面向对象的封装 （1）面向对象封装的两大特性 把同一类方法封装到类中 将数据封装到对象中 （2）CBV 基于反射实现根据请求方式不同，执行不同的方法 原理：url-->view方法-->dispatch方法（反射执行其它方法：GET/POST/PUT/DELETE等等） 二、简单实例 2.1.settings 先创建一个project和一个app(我这里命名为API) 首先要在settings的app中添加 INSTALLED_APPS = [

主要使用场景： 　　一般我们在进行接口测试时，依赖登录接口后reponse中的某些返回值，因此需要将login接口单独写一个py文件，另外的py文件均可调用login的reponse返回值使用。共用登录接口。 操作步骤： 　　1、创建gol命名的py文件，对全局变量的使用方法进行封装，后期有用到全局变量时均可使用 　　2、单独创建login的py文件，和todo的py文件。 　　3、todo文件中调用login并运行，查看结果 页面结构如下截图： 　　 操作步骤代码如下： 1、gol.py 文件中主要是对之后全局变量可使用的封装 # -*- coding: utf-8 -*- # 全局变量使用 def _init(): # 初始化 global _global_dict _global_dict = {} def set_value(key, value= None): """ 定义一个全局变量 """ _global_dict[key] = value def get_value(key, defValue= None): """ 获得一个全局变量,不存在则返回默认值 """ try : return _global_dict[key] except KeyError: return defValue 2、login.py 文件是登录接口的方法。注意点： 　　（1）需调用

Django REST framework视图 学习序列化的时候发现有大量的冗余代码，所以我们要使用Django REST framework里的视图减少我们的代码 DRF中的request 在Django REST Framework中内置的Request类扩展了Django中的Request类，实现了很多方便的功能--如请求数据解析和认证等。 比如，区别于Django中的request从request.GET中获取URL参数，从request.POST中取某些情况下的POST数据。 在APIView中封装的request，就实现了请求数据的解析： 对于GET请求的参数我们通过request.query_params来获取。 对于POST请求、PUT请求的数据我们通过request.data来获取。 学习序列化时的部分 from rest_framework.views import APIView from rest_framework.response import Response from .models import * from django.shortcuts import HttpResponse from django.core import serializers from rest_framework import serializers class

推荐例子介绍 根据典型关键数据 导演 演员 关键字 题材 'keywords ', 'cast ', 'genres ', 'director ' 构造自然语言的组合特征，利用CountVectorizer计算每个词出现的次数，作为特征向量， 使用余弦相似性构造所有电影之间的相似性。 代码 https://github.com/fanqingsong/Content-based-Recommandation-Engine import pandas as pd from sklearn.feature_extraction.text import CountVectorizer from sklearn.metrics.pairwise import cosine_similarity def get_title_from_index(index): return df[df.index == index][ " title " ].values[0] def get_index_from_title(title): return df[df.title == title][ " index " ].values[0] # Reading CSV File df = pd.read_csv( " movie_dataset_content.csv " , encoding= '