node

VSCode 拓展插件推荐 插件列表 Auto Close Tag 自动闭合HTML标签 Auto Rename Tag 修改HTML标签时，自动修改匹配的标签 Bookmarks 添加行书签 Can I Use HTML5、CSS3、SVG的浏览器兼容性检查 Code Runner 运行选中代码段（支持大量语言，包括Node） CodeBing 在VSCode中弹出浏览器并搜索，可编辑搜索引擎 Color Highlight 颜色值在代码中高亮显示 Color Picker 拾色器 Document This 注释文档生成 EditorConfig for VS Code EditorConfig 插件 Emoji 在代码中输入emoji ESLint ESLint插件，高亮提示 File Peek 根据路径字符串，快速定位到文件 Font-awesome codes for html FontAwesome提示代码段 ftp-sync 同步文件到ftp Git Blame 在状态栏显示当前行的Git信息 Git History(git log) 查看git log GitLens 显示文件最近的commit和作者，显示当前行commit信息 Guides 高亮缩进基准线 Gulp Snippets Gulp代码段 HTML CSS Class Completion CSS

#!/usr/bin/env python # -*- coding:utf-8 -*- #@Time : 2019/12/24 13:57 #@Author: 李现伟 #@File : TinyTokenizerTest.py import os import MeCab from tiny_tokenizer import WordTokenizer os . environ [ 'MECAB_PATH' ] = 'C:\\Program Files (x86)\\MeCab\\bin\\libmecab.dll' os . environ [ 'MECAB_CHARSET' ] = 'utf-8' sentence = '僕は李現偉と申します。日本語を勉強しています。' tokenizer1 = WordTokenizer ( 'MeCab' ) str_mecab_arry = tokenizer1 . tokenize ( sentence ) str_mecab = ' ' . join ( str ( i ) for i in str_mecab_arry ) # print(str_mecab) # tokenizer = WordTokenizer(tokenizer="mecab", with_postag=False) # print(tokenizer

出现以下错误时： G:\nodejs\login\node_modules\mongodb\lib\mongo_client.js:797 throw err; ^ TypeError: db.collection is not a function at findRestaurants (G:\nodejs\login\app.js:22:19) at G:\nodejs\login\app.js:35:3 at args.push (G:\nodejs\login\node_modules\mongodb\lib\utils.js:404:72) at G:\nodejs\login\node_modules\mongodb\lib\mongo_client.js:255:5 at connectCallback (G:\nodejs\login\node_modules\mongodb\lib\mongo_client.js:933:5) at G:\nodejs\login\node_modules\mongodb\lib\mongo_client.js:794:11 at _combinedTickCallback (internal/process/next_tick.js:131:7) at process._tickCallback (internal

模糊匹配 function Node(value) { this.value = value this.passCount = 0; this.endCount = 0; this.children = {} } class WordDictionary { constructor() { this.root = new Node(null) } addWord(word) { var node = this.root; for (var c of word) { if (!node.children[c]) { node.children[c] = new Node(c) } node = node.children[c] node.passCount++ } node.endCount++ } search(word) { if (word === '') { return true } return searchRecursively(this.root, word, 0) } } function searchRecursively(cur, word, index) { if (index == word.length) { return !!cur.endCount; } var c = word.charAt(index); if (c == '.') { for

背景：短信接口有调用限制，如果受到恶意攻击，很容易就爆掉，所以需要一系列验证机制，后端采用签名加密的方式，而前端要做人机识别，有两个要求： 1）不能使用文本式的验证码，很简单就能拿到 2）所有验证逻辑要在服务端进行，不然很容易被绕过 解决方法：使用svg-captcha插件在node.js中生成svg格式的验证码。 1、安装 npm install --save svg-captcha 2、使用方法 var svgCaptcha = require('svg-captcha'); var data = svgCaptcha.create({ //options }) console.log(data) //{data: '<svg>......</svg>', text: 'fdsafasdf'} 在express中使用 var svgCaptcha = require('svg-captcha'); var router = require('express').Router(); router.get('/get-img-verify', function (req, res) { console.log(req.query); var option = req.query; // 验证码，有两个属性，text是字符，data是svg代码 var code =

位于org.w3c.dom操作XML会比较简单，就是将XML看做是一颗树，DOM就是对这颗树的一个数据结构的描述，但对大型XML文件效果可能会不理想 首先来了解点Java DOM 的 API: 1.解析器工厂类：DocumentBuilderFactory 创建的方法：DocumentBuilderFactory dbf = DocumentBuilderFactory.newInstance(); 2.解析器：DocumentBuilder 创建方法：通过解析器工厂类来获得 DocumentBuilder db = dbf.newDocumentBuilder(); 3.文档树模型Document 创建方法：a.通过xml文档 Document doc = db.parse("bean.xml"); b.将需要解析的xml文档转化为输入流 InputStream is = new FileInputStream("bean.xml"); Document doc = db.parse(is); Document对象代表了一个XML文档的模型树，所有的其他Node都以一定的顺序包含在Document对象之内，排列成一个树状结构，以后对XML文档的所有操作都与解析器无关， 直接在这个Document对象上进行操作即可； 包含的方法： 4.节点列表类NodeList

一、HashMap基本源码实现 1、HashMap基本结构 HashMap继承AbstractMap抽象类，AbstractMap实现Map接口。 public class HashMap<K,V> extends AbstractMap<K,V> implements Map<K,V>, Cloneable, Serializable { private static final long serialVersionUID = 362498820763181265L; .... } public abstract class AbstractMap<K,V> implements Map<K,V> { protected AbstractMap() { } ... } 二、HashMap的基本数据结构 jdk1.8之前，HashMap是由“数组+链表”的结构组成，jdk1.8之后，HashMap得到很大的改善；数据结构也发生了改变：“数组+链表+红黑树”；当链表节点大于8时，会转换为红黑树；否则仍然以链表结构。 头节点指的是table表上索引位置的节点，也就是链表的头节点 根节点（root节点）指的是红黑树最上面的那个节点，也就是没有父节点的节点 红黑树的根节点不一定是索引位置的头节点 转为红黑树节点后，链表的结构还存在，通过next属性维持

Problem Statement Given a reference of a node in a connected undirected graph, return a deep copy (clone) of the graph. Each node in the graph contains a val ( int ) and a list ( List[Node] ) of its neighbors. Example: Input: {"$id":"1","neighbors":[{"$id":"2","neighbors":[{"$ref":"1"},{"$id":"3","neighbors":[{"$ref":"2"},{"$id":"4","neighbors":[{"$ref":"3"},{"$ref":"1"}],"val":4}],"val":3}],"val":2},{"$ref":"4"}],"val":1} Explanation: Node 1's value is 1, and it has two neighbors: Node 2 and 4. Node 2's value is 2, and it has two neighbors: Node 1 and 3. Node 3's value is 3, and it has two

一、为什么需要树这种数据结构 是因为之前的数组和链表两种存储结构对增删改查都各有利弊，而且差异明显。所以树这种结构就是增删改查效率差异不是很明显，增删改查所耗费时间都比较均衡的一种数据结构。 1、数组存储方式 1.1、优点 通过下标方式访问元素，速度快 。对于有序数组，还可以使用 二分查找 来提高检索速度。 1.2、缺点 若检索具体某个值，或 插入值（按一定顺序），会整体移动 。效率较低。 2、链表存储方式 2.1、优点 在一定程度上对数组存储方式进行了优化（比如插入一个节点，只需要将插入节点连接到链表中即可，删除效率也很好） 2.2、缺点 在进行检索时，效率仍然很低，比如检索某个值，需要从头节点开始遍历进行判断。 3、树存储方式 3.1、说明 可以利用 二叉排序树(Binary Sort Tree) ，既可以保证数据的检索速度，同时也可以保证数据的插入、删除、修改的速度。 二叉排序树就是要求任何 左侧 子节点的值都大于当前父节点， 右侧 子节点的值都小于当前父节点。 3.2、案例 3.2.1、假设有一颗二叉排序树【8 4 11 2 6 10 13】，如下图所示 二叉排序树， 左侧 子节点的值都大于当前父节点， 右侧 子节点的值都小于当前父节点。 3.2.2、如下需求 3.2.2.1、查找10 具体步骤： 总共需要两次查找 1、判断10与根节点大小，大于根节点，在右侧查找 2

Node和PHP执行区别和优势 最近在了解PHP和Node，虽然了解了Node和PHP的基本区别，比如作为一个前端，当然喜欢用js去做所有的事情，可以让前端进入到后端的工作，不至于前后端分离的状态下分工不明，尤其近几年 全栈工程师 这个概念这么火爆，会做事的人不少，但是真正驾轻就熟的人不是那么充裕，下面单就Node的单线程和PHP的多线程做一下笔记。 　　1. php 在处理并发的时候是通过多线程处理，这样会导致硬件成本的增加，特别是一些频繁I/0的项目，很多的线程被阻塞，cpu得不到充分的利用。 　　2. node :node的核心理念是单线程，通过事件和回调实现并发。既然是单线程，那硬件自然比较低。 　　那单线程怎么实现并发呢？我认为正是这种实现的方法让大家耳目一新，所以才会让node如此， 　　并发实现原理：比如一百个请求要做一百件事，当第一个请求执行到i/o的时候立马挂起，不等待i/o成功，直接执行下一个事件，直到i/o完毕，这是触发回调事件，回调事件的优先级会比普通事件的优先级高，就是这样通过异步来实现单线程的并发处理。保证了线程永远有事做，不会等待。 来源： CSDN 作者： JasonJaiy 链接： https://blog.csdn.net/weixin_40652759/article/details/103686580