KevinHuang的博客

前言一次QQ群随意一说,得到大家的认同. 所有我想把这件事坚持下去, 做完.具体的可以看 http://python-cn.org. 在社区没有上线前, 保持低调，欢迎你来参观. 社区项目firefly. 欢迎star, 欢迎PR - 其实我要star没用,但是我希望你能来给我提个Pull request. 版权声明：本文由 董伟明 原创，未经作者授权禁止任何微信公众号和向掘金(juejin.im)转载，技术博客转载采用 保留署名-非商业性使用-禁止演绎 4.0-国际许可协议python

鍓嶈█鍏徃鍏ㄩ儴浣跨敤浜嗘棤绾跨綉缁滐紝鎴戜篃琚€橀€尖€欑殑寮€濮嬬爺绌秅entoo鐨勬棤绾夸笂缃戯紝鐪嬩簡缃戜笂寰堝鏂囩珷锛屼互鍙奼entoo鏂囨。锛屼絾鏄劅瑙夐兘璁╂垜寰堣糠绯婏紝浠ヤ笅鏄垜浣跨敤wpa_supplicant鏄竴浜涙€荤粨####鎬荤粨 鏌ョ湅鏈満鐨勬棤绾跨綉鍗� emerge pciutils #杩欐牱灏辨湁浜唋spci杩欎釜鍛戒护 localhost ~ # lspci |grep -i wire 02:00.0 Network controller: Atheros Communications Inc. AR9285 Wireless Network Adapter (PCI-Express) (rev 01) 鍙互鍙戠幇锛岀綉鍗℃槸Atheros鐨凙R9285 瀹夎wpa_supplicant emerge -s wpa_supplicant 鐢熸垚涓€涓厤缃厤缃枃浠� zcat /usr/share/doc/wpa_supplicant-2.0/wpa_supplicant.conf.bz2 > /etc/wpa_supplicant/wpa_supplicant.conf 閰嶇疆锛屼互涓嬫槸鎴戝幓鎺夋敞閲婅锛岀┖鐧借绛夊墿涓嬬殑閰嶇疆锛屽叾涓殑psk鐨勫瓧绗︿覆杩欐牱鐢熸垚锛� localhost ~ # wpa_passphrase 鎴戠殑ssid 鎴戠殑key network={ ssid=鈥濇垜鐨剆sid鈥� #psk=鈥濇垜鐨刱ey鈥� psk=e596aa911775ed47e04f5b9a9540978203210874eb258208b87cf82b5cf72588 } 鎶婅繖娈靛姞鍦ㄩ厤缃枃浠朵腑 localh ...

前言为什么要做slack-alert呢?成因其实是我一直想做的AST相关的一个项目.正好是一个机会. 其次也是业务需要:工程师都比较懒, 在每天的各种问题邮件几百几千封的时候会经常遗漏重要的邮件. 会经常被用户以及公司其他同事发现问题时@到时候才发现.现在大家也接受了slack这个工具. 那么我就在想何不把更重要的消息发送到slack里呢.原来也做过, 就是写一些脚本,会把运行的结果通过slacker里面封装的postMessage发消息进来.先说一下为什么我不用Incoming-webhooks. 最主要的,因为通常slack都是用的免费版, 我担心对webhooks会有限制或者未来会有限制.但是为什么做这个微框架呢? 一则这样的脚本和任务会越来越多, 脚本需要设置的定时任务的间隔也会各不相同. 用系统自带的crontab,每次新增修改删除都要去做调整.代码还需要做抽象; 用celery, rq这些其实一是很浪费, 二也不怎么应景. 所以我写了这个工具. 优点和特点 只支持python3 支持多种调度模式: AsyncIOScheduler, BackgroundScheduler, GeventScheduler, TornadoScheduler. 默认是AsyncIO 使用AST, 而没有直接import代码. 代码和项目无关, 没有register. 只需要按格式编写plugin脚本即可, 要被执行的任务加一个装饰器(只需要他是一个装饰器, 不需要存在). 指定运行的间隔就好 附带常用的配置安装 12pip install slack-alert slack-alert有个默认的配置[slack_alert.conf](https://github.com/dongweiming/slack-alert/blob/master/slack_alert.con ...

前言以前在我的PPT[python高级编程](http://dongweiming.github.io/Expert-Python/)也提到了一些关于ipython的用法. 今天继续由浅入深的看看ipython,本文作为读者的你已经知道ipython并且用了一段时间了. %run这是一个magic命令, 能把你的脚本里面的代码运行, 并且把对应的运行结果存入ipython的环境变量中: 12345678910$cat t.py # coding=utf-8 l = range(5) $ipython In [1]: %run t.py # `%`可加可不加 In [2]: l # 这个l本来是t.py里面的变量, 这里直接可以使用了 Out[2]: [0, 1, 2, 3, 4] alias12345678910In [3]: %alias largest ls -1sSh | grep %s In [4]: largest to total 42M 20K tokenize.py 16K tokenize.pyc 8.0K story.html 4.0K autopep8 4.0K autopep8.bak 4.0K story_layout.html PS 别名需要存储的, 否则重启ipython就不存在了: 123In [5]: %store largest Alias stored: largest (ls -1sSh | grep %s) 下次进入的时候%store -r bookmark - 对目录做别名1234567891011In [2]: %pwd Out[2]: u'/home/vagrant' In [3]: %bookmark dongxi ~/shire/dongxi In [4] ...

一直想写一篇介绍 attrs的文章，但是最近几个月忙于做爱湃森课程实在抽不出空来做，最近感觉找到节奏了，还是稳步向前走了，这个周末就硬挤了一下午写写，要不感觉对不起订阅专栏的同学们。在国内我没见过有同学说这2个东西，它们是什么，又有什么关联呢？别着急，先铺垫一下他俩出现的背景。 痛点写多了Python，尤其是开发和微信的项目比较大的时候，你可能和我一样感觉写Python的类很累。怎么累呢？举个例子，现在有个商品类，init是这么写的： 123456789class Product(object): def __init__(self, id, author_id, category_id, brand_id, spu_id, title, item_id, n_comments, creation_time, update_time, source='', parent_id=0, ancestor_id=0): self.id = id self.author_id = author_id self.category_id = category_id ... 问题1：特点是初始化参数很多，每一个都需要self.xx = xx 这样往实例上赋值。我印象见过一个类有30多个参数，这个 init方法下光是赋值就占了一屏多…再说问题2，如果不定义repr方法，打印类对象的方式很不友好，大概是这样的： 123In : p Out: <test.Product at 0x10ba6a320> 定义时参数太多，一般按需要挑几个露出来: 12345def __repr__(self): return ...

前言最近搞了一些关于flask和django的东西，尤其是django的模板和admin功能以及这些框架使用bootstrap的东西，没时间更新博客，先说一下flask和django分页吧#####flask的bootstrap分页插件[flask-paginate](http://packages.python.org/Flask-paginate)其实安装很常规，他的思路就是根据你的数据量给每个页面加一个li前缀到最后返回的div里面。因为官网提供的说明很简单，我在这里仔细说说： 官网说给你的网站页面添加css： .pagination-page-info { padding: .6em; padding-left: 0; width: 40em; margin: .5em; margin-left: 0; font-size: 12px; } .pagination-page-info b { color: black; background: #6aa6ed; padding-left: 2px; padding: .1em .25em; font-size: 150%; } 其实这个是给你页面显示统计数据的方法pagination.info提供的样式，默认的class=’pagination’是bootstrap自带的，不需要你添加 2. 官网的例子使用的是：Blueprint： 我们一般都是： ‘from flask importFlask’，其实Blueprint就是一个可定制的容器，一个应用可以有多个容器，他们都继承于flask.helpers._PackageBoundObject可以看我的一个例子： ...

####前言我这个博客一直都是一些技术分享,show code的地方，我从来没有写过个人生活或者情感杂谈,当然我也从来没有谈论过我对什么东西的喜恶.很多人喜欢喷XX语言，喜欢谈论XX和YY的优缺,甚至凑了一本不知所云的书…好吧,我觉得没有使用一门语言超过10年，没有对一个技术研究个5,6年，不好意思说自己懂(天才除外).我也觉得我没有资格讨论什么，也许我有我的观点看法，但是我怀着怀疑的心态看自己，生怕自己理解错了.下文纯属个人吐槽,也许没有指定路怎么走，只是希望提个醒…使用python2年，可喜的是python被越来越多的人接受，甚至前端工程师…但是却有点烂大街的感觉:感觉出门不聊几句python都不好意思和人打招呼.但是你真的懂python嘛?####你会python真的不重要python实在太好学习了,假如你会其它的语言，可能搞本书翻一翻，一周后就能写很高端的python程序，由于web框架的普及，你甚至可以让一个网站应用跑起来.你会我也会，你有什么竞争力?####你知道python怎么用嘛? 在什么时候需要使用OOP？ 在什么时候使用类装饰器? 你用过元类嘛? 在什么时候用静态方法什么时候使用类方法? 你了解那些管理属性? __call__ , __init__ , __new__都是在什么时候被触发?__getattr__和__getattribute__应用有什么不同? 你知道标准库里面的多少个模块?你能在需要的时候知道这个功能其实标准库里面已经实现了? 什么时候用回调？ 什么时候用signal？假如你会django你知道django的signal是什么?你了解orm嘛? asyncore，contextlib， functools， collections， heapq，itertools， SocketServer， weakref，operator(知道3 ...

前言刚才使用pipenv发现了一个bug,顺手提了个的PR。无聊之下翻了下贡献者列表，貌似没有一个我国的开发者！我的普及工作任重而道远啊，我写篇文章给大家介绍下这个终极大杀器。Python开发者应该听过pip、easy_install和virtualenv，如果看过我的书应该还知道virtualenvwrapper、virtualenv-burrito和autoenv，再加上pyvenv、venv（Python3标准库）、pyenv…额，是不是有种发懵的感觉？那么现在有个好消息，你可以只使用终极方案: pipenv + autoenv（可选）。「终极方案」，听起来好噱头呀。给出我的理由之前我们先了解一下Python虚拟环境和包管理的历史吧。 历史在Python发展史上出现了很多创建和发布包的工具。当你想要把你的项目分享出去，放到PYPI或者其他托管服务上的时候，就需要借助这样的工具来构建和分发项目。早在1998年Python标准库内置了模块distutils，但是只提供了有限的支持，之后社区选择通过setuptools这个包实现构建和发布，它自带easy_install，能帮助你找到、下载、安装以及更新需要使用的包。不过依然功能很有限，比如不能删除包。当你做一个专职的Python开发，独立的虚拟环境也是一个开发中迫切需要的功能，在这里请大家记住一个 Ian Bicking（下称ianb）的开发者，08年，他开发了virtualenv。社区一些Python核心开发者和知名项目（如Django）核心开发者也在支持和推动这件事，后来成立了pypa(Python PackagingAuthority)，pypa早期做的就是pip - 现在最主流的安装包的工具。再提一下，ianb也是pip的早期核心开发者。不过非常遗憾，由于和社区产生了一些矛盾，ianb很早之前就不再写Python项 ...

Python老鸟都应该看过那篇非常有吸引力的Saving 9 GB of RAM with Python’sslots文章，作者使用了slots让内存占用从25.5GB降到了16.2GB。在当时来说，这相当于用一个非常简单的方式就降低了30%的内存使用，着实惊人。作者并没有提到他的业务特点和代码，那我们就基于《fluentpython》中的例子来验证下是不是有这么厉害： 123456789101112131415161718192021222324252627282930313233343536from __future__ import print_function import resource class A(object): def __init__(self): self.a = 'string' self.b = 10 self.c = True class B(object): __slots__ = ['a', 'b', 'c'] def __init__(self): self.a = 'string' self.b = 10 self.c = True def test(cls): mem_init = resource.getrusage(resource.RUSAGE_SELF).ru_maxrss l = [] for i in range(500000): l.append(cls()) mem_final = resource.getrusage(resource.RUSAGE_SELF).ru_maxrss ...

最早应该是2015年4月份在「Python-ideas」邮件组知道的《Fluent Python》，当时作者发帖推荐这本书，其中提到了核心开发VictorStinner做了asyncio部分的评审。那个时候我对asyncio还不太习惯，asyncio的文档也比较匮乏，看到这个消息感觉又多了一个好的帮助我了解Python的途径。去年双十一的时候从淘宝淘了一本《流畅的Python》，它是台译版的《FluentPython》。买它的原因是为因为之前看原版过程中有多处理解不清晰，希望通过看台版的书来对比帮助理解。另外，在豆瓣上《Fluent Python》的评分高达9.6分！那么为什么大家觉得这本书好呢？我今天试着写一篇书评，分如下4部分来介绍这本书： 作者靠谱看一本书是不是靠谱，首先就是看作者。我认为一本好的技术书籍，首先作者就要是还在第一线，是不是在这个圈子里面。LucianoRamalho是一个非常知名的Pycon演讲者，同时还是PSF(Python SoftwareFoundation)的研究员。由于他是Django和Zope系的，他有什么贡献我所知甚少。不过我经常能在邮件组看到他参与PEP草案制定和讨论。另外本书基本每个章节都有对应领域致命的Python核心开发来评审，质量非常有保证。 关键特性剖析到位目前大量的Python相关的书都倾向基础只是和入门，内容重复，对于中高级开发者意义不大。虽然一般有Python的新书我都会买来翻翻然后咸鱼卖掉，但是越来越容易失望了。而《FluentPython》是Python语言图书中的一朵「奇葩」。其他大部分书都是在告诉你「应该这么写，这样用就对了，这样代码性能更高…」，但是没人告诉你为什么？也就是没有从语言设计实现层面给你一些解释，这本书会对这些细节剖析的很到位，还会告诉你一些不踩不能理解的坑儿的成因和解决办法。比如之前我写过一篇Py ...