tag Python

標籤
貢獻846
783
06:37 AM · Oct 27 ,2025
dawanzi_6278b06ec111c 頭像 deephub 頭像 lengxi_16 頭像 u_14306318 頭像 u_17037082 頭像 kuanrongdeshanyang 頭像 fengliudeshanghen 頭像 jieduanxingdebugger 頭像 hanazawa 頭像 u_13137233 頭像 yinuo112 頭像 u_15469972 頭像

@Python / 博客 RSS 訂閱

u_17540178 頭像

Hommy168 - 【開源剪映小助手】向現有草稿中添加關鍵幀

ADD_KEYFRAMES API 接口文檔 接口信息 POST /openapi/capcut-mate/v1/add_keyframes 功能描述 向現有草稿中添加關鍵幀。該接口用於在指定的片段上添加關鍵幀動畫，支持多種屬性類型的關鍵幀設置，如位置、縮放、旋轉、透明度等。關鍵幀可以用於創建複雜的動畫效果，增強視頻的視覺表現力。 更多文檔 📖 更多詳細文檔和

aigc , AI作畫 , Python

收藏 評論

codelifeing 頭像

CodeLife - UV離線遷移Python環境步驟

Linux向Windows遷移 1. 在Ubuntu上準備離線包 # 1.生成項目鎖文件（確保版本一致） uv lock # 2. 生成依賴清單 uv pip compile pyproject.toml -o requirements.txt # 3.下載所有依賴的離線安裝包 pip download -r requirements.txt -d ./win_amd64 --python-ver

離線 , uv , 環境搭建 , Python

收藏 評論

sankuaiqian_64e9ce57c9457 頭像

三塊錢 - emoji如何對齊 特殊字符如何對齊 高級文本對齊

問題引出 我們在程序打印輸出時，如何我們所輸出的字符中包含emoji文本，或者其它特殊的字符文本，則我們的打印對齊效果將出現錯位。以下代碼復現了這一效果（tips： 馬老師 前面的 ｜ 符號是為了觀察對齊效果）： # -*- coding:UTF-8 -*- # region 引入必要依賴 from DebugInfo.DebugInfo import * # endregion if

表格 , emoji , Python

收藏 評論

u_16099263 頭像

IT狼人9號 - 可視化界面_可視化界面開發——NodeRED環境搭建

Node-RED UI Builder 是一個革命性的開源工具，它徹底改變了在Node-RED環境中構建前端應用的方式。這個強大的模塊讓開發者能夠輕鬆創建數據驅動的Web用户界面，支持實時數據面板和WebSocket實時通信，為您的物聯網項目提供完整的前端可視化解決方案。 🚀 開篇亮點：為什麼選擇UI Builder？ UI Builder 最大的創新點在於

數據 , 後端開發 , Python , ui , Web

收藏 評論

u_16213693 頭像

mob64ca141275de - python基礎28 -----python中sockserver模塊

開發環境 本機系統：macOS 26 26.0.1 (25A362) UV Homebrew 安裝 brew install uv ; 電腦上已有或者可通過uv安裝的全部版本 python 環境 uv python list; 2.1 這條命令用於列出你係統上所有可通過 uv 安裝和管

學習 , 開發語言 , HTTP , 後端開發 , mcp , harmonyos , Python

收藏 評論

dawanzi_6278b06ec111c 頭像

大丸子 - Python代碼提取Word文檔中的表格

Word文檔作為最廣泛應用的文字處理工具之一，承載着海量的數據與信息，其中表格以其結構化的特性，成為展現對比分析、統計彙總等內容的重要形式。然而，在數據分析、自動化報告生成等應用場景中，將這些Word文檔中的表格數據有效提取並進一步利用，成為了提高工作效率、實現信息快速流轉的關鍵環節。而功能豐富且簡單方便的Python能夠幫助我們實現Word文檔中表格數據提取的自動話，簡化手動複製粘貼的繁瑣工作，

csv , word , 表格 , excel , Python

收藏 評論

u_16213573 頭像

數據探索家 - python 而且

1.1Python介紹 1.1.1Python簡介 Python，是一種廣泛使用的高級編程語言，屬於通用型編程語言，由吉多·範羅蘇姆（中文名字：龜叔）創造，第一版發佈於1991年。可以視之為一種改良(加入一些其他編程語言的優點，如面向對象)的LISP。 作為一種解釋型語言，Python的設計哲學強調代

python 而且 , 後端開發 , Python , Web

收藏 評論

u_16213682 頭像

mob64ca140fd7c1 - 有限域的Lagrange插值分析ZUC流密碼S盒的代數結構

本文包含：--> --> 本文章為轉載內容，我們尊重原作者對文章享有的著作權。如有內容錯誤或侵權問題，歡迎原作者聯繫我們進行內容更正或刪除文章。

輸入輸出 , 真值表 , 後端開發 , Python

收藏 評論

plcode 頭像

wx65dfdaaec020c - 消息隊列在微服務架構中的實戰應用

消息隊列在微服務架構中的實戰應用 摘要 本文將深入探討消息隊列在微服務架構中的核心作用，通過實際案例展示如何利用Kafka、RabbitMQ和RocketMQ解決服務解耦、異步通信、流量削峯等關鍵問題，並提供完整的實現方案和最佳實踐。 微服務架構中的消息隊列模式 事件驅動架構模式 核心架構設計 微服務消息隊列架構： ┌───────────────────

微服務 , 後端開發 , 消息隊列 , kafka , Python

收藏 評論

u_93011 頭像

小屁孩 - Linux驅動開發十六.input系統——3.系統自帶的input驅動

一、簡介 和pincttl、gpio等子系統一樣，INPUT子系統專門用於處理一類事件——輸入事件。對於輸入設備（包括按鍵、觸摸屏等），用户只需要上報事件、傳入信息，由INPUT子系統來處理事件。 《開發指南》原話： input子系統分為input驅動層、input核心層、input事件處理層，最終給用户空間

驅動開發 , 後端開發 , Linux , define , 筆記 , Python

收藏 評論

u_16213659 頭像

mob64ca140a8e67 - js瀏覽器消息通知接口Notification

簡介：Chrome通知功能基於Web Notifications API，允許Web應用在用户不與頁面交互時推送信息至桌面或手機。本主題詳細介紹瞭如何通過JavaScript在Chrome瀏覽器中啓用和使用通知功能。包括請求用户權限、創建通知實例以及添加事件監聽器等關鍵步驟，並提供了相關的最佳實踐，確保通知的用户體驗和有效性。附帶的示例代碼包括HTML、CSS和JavaScrip

後端開發 , 開發者 , 事件處理 , 點擊事件 , Python

收藏 評論

u_16099177 頭像

雲端小夢 - 數組排序算法_wx642fe6d37dd43的技術博客

數組有很多常用的算法，本節將介紹常用的排序算法，包括冒泡排序、直接選擇排序和反轉排序。 4.5.1冒泡排序 在程序設計中，經常需要將一組數列進行排序，這樣更加方便統計與查詢。程序常用的排序方法有冒泡排序、選擇排序和反轉排序等。本節將講解冒泡排序方法，它以簡潔的思想與實現方法而備受開發人員青睞，是廣大學習者最先接觸的一種排序算法。

排序算法 , 數據結構 , 算法 , 開發語言 , 後端開發 , JAVA , Python

收藏 評論

u_15642578 頭像

wx62830f4b679a4 - Python中isdigit、isdecimal、isnumeric區別詳解

isdecimal() True: Unicode數字，，全角數字（雙字節） False: 羅馬數字，漢字數字 Error: byte數字（單字節） isdigit() True: Unicode數字，byte數字（單字節），全角數字（雙字節），羅馬數字 F

ico , Css , 前端開發 , HTML , Git , Python

收藏 評論

sosei 頭像

sosei - Pure_PRNG——高質量偽隨機數生成器Py庫

這是20世紀60年代IBM發明的RANDU偽隨機數生成算法的輸出值作三維可視化的樣子。用每三個連續輸出值為一個點座標，會清楚看到，這些點只規則的分佈在三維空間中的15個平面上！導致那時期很多用到此算法的論文結論都不可靠。 理想的偽隨機數生成點預期應該是均勻彌散在整個空間中。 RANDU算法是線性同餘生成器（LCG）一類的。 LCG優點是簡潔快速，有清晰的數學推導，可計算實

隨機數 , 開源項目介紹 , Python

收藏 評論

u_16213664 頭像

mob64ca140bbb8b - NLP語義識別在人工智能領域中的應用與前景_nlp 語義識別

伴隨互聯網信息量呈爆炸式增長，傳統搜索引擎於處理複雜且多模態的用户查詢之際，漸漸顯露出侷限性，人工智能搜索優化技術順勢而生，它藉由引入先進的自然語言處理技術，以及深度學習技術，還有知識圖譜等技術，顯著提高了信息檢索的效率以及準確性。 要點的核心在於人工智能搜索優化，是對搜索過程實施智能化改造的舉措。傳統搜索方式主要依靠關鍵詞匹配，以及頁面權重排名來

搜索 , 後端開發 , 人工智能 , 模態 , Python

收藏 評論

u_17037082 頭像

王校長的熱狗 - 蘑菇生長階段數據集7259張VOC+YOLO格式

蘑菇生長階段數據集7259張VOC+YOLO格式 數據集格式：VOC格式+YOLO格式 壓縮包內含：3個文件夾，分別存儲圖片、xml、txt文件 JPEGImages文件夾中jpg圖片總計：7259 Annotations文件夾中xml文件總計：7259 labels文件夾中txt文件總計：7259

蘑菇生長階段數據集 , 數據集 , 標籤名 , 後端開發 , txt文件 , Python

收藏 評論

chuanghongdengdeqingwa_eoxet2 頭像

宇文成都 - 用 Python 自動化編輯 Word 文檔

在數字化辦公日益普及的今天，Word 文檔作為信息承載與交流的核心工具，其處理效率直接影響着我們的工作效能。然而，面對大量重複性、格式化的 Word 文檔編輯任務，手動操作不僅耗時耗力，更易引入人為錯誤。如何才能擺脱這種困境，實現 Word 文檔的自動化高效處理？ 答案就在於 Python 自動化文檔處理。作為一門以簡潔高效著稱的編程語言，Python 擁有豐富的庫生態系統，其中 Spire.Do

word , Python

收藏 評論

u_16099321 頭像

技術博客領航者 - python第46課練習—魔法方法：描述符（property的原理）

描述符：替代@property的複用神器 一、為何要用描述符？——告別重複的 @property 傳統 @property 的問題 描述符的優勢 二、描述符的工作原理 描述符協議簡述 訪問流程圖解 三、如何正確實現一個描述符？

算法 , 開發語言 , 數據庫 , 程序人生 , 後端開發 , Python

收藏 評論

zxbylx 頭像

zxbylx - Virtualenv、pipenv、conda虛擬環境設置方法及原理

1.為什麼要創建虛擬環境 我第一次接觸虛擬環境時第一感覺就是牴觸，相信剛開始被各種配置折磨過的小夥伴能理解，我就想是否可以不用虛擬環境，就查了下推薦使用虛擬環境的理由： (1)所有的項目的庫都放到一個地方容易混亂，而且比較冗餘，畢竟不是所有的項目都需要那麼多的庫（這一點我根本就不關心嘛，少一步配置就少被折磨一次） (2)因為工作以後都是分工協作的，這個項目能在你電腦上運行，但是到了別人那如果沒有安

virtualenv , Python

收藏 評論

u_16099166 頭像

數據小香 - crontab極簡教程

還在半夜SSH上服務器跑腳本？我用這個工具，3分鐘搞定自動化任務編排 我敢打賭，每個開發者都經歷過這種折磨：為了幾個定時任務，不得不維護一堆散落在不同服務器上的 crontab 規則。沒有統一的管理界面，查日誌得一個個登錄服務器，任務失敗了更是兩眼一抹黑。 直到我發現了 Cronicle，一個在 GitHub 上擁有超 3.2k Star 的開源項目。它徹底改變了我的

服務器 , 應用商店 , 後端開發 , Python , Web

收藏 評論

deephub 頭像

deephub - 從 Pandas 轉向 Polars：新手常見的10 個問題與優化建議

Polars 速度快、語法現代、表達力強，但很多人剛上手就把它當 Pandas 用，結果性能優勢全都浪費了。 下面是新手最容易犯的 10 個錯誤，以及對應的解決思路。 1、直接 read_csv而不用 scan_* 新手拿到一個大 CSV，上來就這麼寫： df=pl.read_csv("events.csv") 這會把整個文件一口氣塞進內存。文件一旦上了 GB 級別，內存直接爆掉，性能也

機器學習 , 人工智能 , pandas , Python

收藏 評論

gangyideyingpan 頭像

剛毅的硬盤 - Python項目推薦

​musicdl：無損音樂下載器 項目地址：https://github.com/CharlesPikachu/musicdl（歡迎star） 項目文檔：https://musicdl.readthedocs.io/zh/latest/ 效果展示： div align="center" div img src="https://github.com/CharlesPikachu/musicd

爬蟲圖片 , 數據 , 音樂 , 破解密碼 , Python

收藏 評論

deephub 頭像

deephub - GraphRAG進階：基於Neo4j與LlamaIndex的DRIFT搜索實現詳解

微軟的GraphRAG算得上是最早一批成熟的GraphRAG系統，它把索引階段（抽取實體、關係、構建層級社區並生成摘要）和查詢階段的高級能力整合到了一起。這套方案的優勢在於，可以藉助預先計算好的實體、關係、社區摘要來回答那些宏觀的、主題性的問題，這恰恰是傳統RAG系統基於文檔檢索難以做到的。 本文的重點是DRIFT搜索：Dynamic Reasoning and Inference with F

llm , 教程 , 檢索系統 , Python

收藏 評論

u_16213713 頭像

mob64ca1417736e - C#截取串口字符_串口發送的數據怎麼截取

帶環形緩衝區 import serial import time from datetime import datetime # 用於獲取精確到秒的系統時間 class RingBuffer: """自定義15字符長度的環形緩衝區""" def __init__(self, capacity=8): self.capacity

串口 , 字符串 , 後端開發 , ci , Python

收藏 評論