python 的调试,令人非常忧伤,通过将输出路径打印的方式,可以提高很大的方便性: import sys #coding=utf-8 def get_cur_info(): print sys._getframe().f_code.co_filename #当前文件名,可以通过__file__获得 print sys._getframe().f_code.co_name #当前函数名 print sys._getframe().f_lineno #当前行号 return "{\"in

import sys def get_cur_info(): print(sys._getframe().f_code.co_filename) # 当前文件名,可以通过__file__获得 print(sys._getframe(0).f_code.co_name) # 当前函数名 print(sys._getframe(1).f_code.co_name) # 调用该函数的函数名字,如果没有被调用,则返回<module> print(sys._getframe(0).f_lineno) #

当前文件的行号 try: f = open(sys.argv[1], "rb") address_book.ParseFromString(f.read()) f.close()except IOError: print("here is :", __file__, sys._getframe().f_lineno)

python 的调试,令人非常忧伤,通过将输出路径打印的方式,可以提高很大的方便性: import sys #coding=utf-8 def get_cur_info(): print sys._getframe().f_code.co_filename #当前文件名,可以通过__file__获得 print sys._getframe().f_code.co_name #当前函数名 print sys._getframe().f_lineno #当前行号 return "{\"in

https://blog.csdn.net/gufenchen/article/details/98338552

最近在开发微信公众号,有一个自定义消息回复的需求 比如用户:麻烦帮我查询一下北京的天气? 系统回复:北京天气,晴,-℃... 这时候需要根据关键字[北京][天气],分词匹配需要执行的操作,然后去调用天气接口,请求天气数据. 不同的提问可能需要查询不同的接口数据,这个时候想把每个接口调用做成一个Python脚本插件,在程序运行过程中动态去请求不同接口,扩展性强. def get_baidu_html(): import urllib2 import sys url = 'http://1212.i

一.Os Python的标准库中的os模块主要涉及普遍的操作系统功能.可以在Linux和Windows下运行,与平台无关. os.sep 可以取代操作系统特定的路径分割符. os.name字符串指示你正在使用的平台.比如对于Windows,它是'nt',而对于Linux/Unix用户,它是'posix'. os.getcwd()函数得到当前工作目录,即当前Python脚本工作的目录路径. os.getenv()和os.putenv()函数分别用来读取和设置环境变量. os.listdir()返回

os : 与操作系统交互的模块 os.getcwd() 获取当前工作目录,即当前python脚本工作的目录路径 os.chdir("dirname") 改变当前脚本工作目录:相当于shell下cd os.curdir 返回当前目录: ('.') os.pardir 获取当前目录的父目录字符串名:('..') os.makedirs('dirname1/dirname2') 可生成多层递归目录 os.removedirs('dirname1') 若目录为空,则删除,并递归到上一级目录,如

sys模块 常用函数 sys.argv 命令行参数,实现从程序外部向程序传递参数. sys.path 模块搜索路径. sys.platform 获取当前系统平台. sys.version 获取python版本 sys.exit([arg]) 程序中间的退出,arg=0为正常退出. sys.getdefaultencoding(): 获取系统当前编码,一般默认为ascii. sys.setdefaultencoding(): 设置系统默认编码 sys.getfilesystemencoding()

Python yield与实现  yield的功能类似于return,但是不同之处在于它返回的是生成器. 生成器 生成器是通过一个或多个yield表达式构成的函数,每一个生成器都是一个迭代器(但是迭代器不一定是生成器). 如果一个函数包含yield关键字,这个函数就会变为一个生成器. 生成器并不会一次返回所有结果,而是每次遇到yield关键字后返回相应结果,并保留函数当前的运行状态,等待下一次的调用. 由于生成器也是一个迭代器,那么它就应该支持next方法来获取下一个值. 基本操作 # 通过`

第二章:字符串和文本 几乎所有有用的程序都会涉及到某些文本处理,不管是解析数据还是产生输出. 这一章将重点关注文本的操作处理,比如提取字符串,搜索,替换以及解析等. 大部分的问题都能简单的调用字符串的内建方法完成. 但是,一些更为复杂的操作可能需要正则表达式或者强大的解析器,所有这些主题我们都会详细讲解. 并且在操作Unicode时候碰到的一些棘手的问题在这里也会被提及到. 2.1 使用多个界定符分割字符串关键:str.split(str="", num=string.count(st

yield的功能类似于return,但是不同之处在于它返回的是生成器. 生成器 生成器是通过一个或多个yield表达式构成的函数,每一个生成器都是一个迭代器(但是迭代器不一定是生成器). 如果一个函数包含yield关键字,这个函数就会变为一个生成器. 生成器并不会一次返回所有结果,而是每次遇到yield关键字后返回相应结果,并保留函数当前的运行状态,等待下一次的调用. 由于生成器也是一个迭代器,那么它就应该支持next方法来获取下一个值. 基本操作 # 通过`yield`来创建生成器 def f

并发编程 Python的并发实现有三种方法. 多线程 多进程 协程(生成器) 基本概念 串行:同时只能执行单个任务 并行:同时执行多个任务 在Python中,虽然严格说来多线程与协程都是串行的,但其效率高,在遇到阻塞时会将阻塞任务交给系统执行,通过合理调度任务,使得程序高效. 最高效的当然是多进程了,但由于多进程依赖硬件配置,并且当任务量超过CPU核心数时,多进程会有进程上下文切换开销,而这个开销很大,所以不是最佳解决方案. 常见耗时场景 CPU计算密集型 磁盘IO密集型 网络IO密集型 CPU

yield的功能类似于return,但是不同之处在于它返回的是生成器. 生成器生成器是通过一个或多个yield表达式构成的函数,每一个生成器都是一个迭代器(但是迭代器不一定是生成器). 如果一个函数包含yield关键字,这个函数就会变为一个生成器. 生成器并不会一次返回所有结果,而是每次遇到yield关键字后返回相应结果,并保留函数当前的运行状态,等待下一次的调用. 由于生成器也是一个迭代器,那么它就应该支持next方法来获取下一个值. 基本操作 # 通过`yield`来创建生成器def fun

最近项目中要使用模拟数据源通过向外发送数据,以前都是用C#编写,最近在研究python,所以就用python写了一个串口助手,方便以后的测试. 在电脑上通过虚拟串口助手产生两个虚拟串口,运行编写的串口助手 另外,打开一个串口调试助手,辅助测试 两者互发数据,可以看到编写的串口助手能够正常接收发送,并且在后台我们也把接收到的数据打印了出来 下面先讲解关于界面的代码,这里只是简单的使用tkinter做界面,如果想要更好的界面效果,可以尝试一下QT. 首先是界面中串口设置区域的代码,界面布局统一用gr

1.随机数模块 random 1.随机小数 import random # (0,1)随机取浮点数 random.random() # 0.17988578778011 # (1, 3)取指定范围的浮点数 random.uniform(1,3) # 2.3793286185319555 2.随机整数 import random # [1, 3]随机取整数 random.randint(1, 3) # # [1, 3)随机取整数 random.randrange(1, 3) # 3.随机选择返回一

原标题:尾递归优化 快速排序优化 CPS 变换 call/cc setjmp/longjmp coroutine 协程 栈编程和控制流 讲解 本文为部分函数式编程的扩展及最近接触编程语言控制流的学习和思考,主题是栈编程和控制流相关,涉及内容有 堆栈编程总结, 函数式语言的CPS变换,python 如何实现尾递归优化装饰器及其思想方法的总结应用,快速排序的算法导论写法的一种视角/分析,C 语言setjmp/longjmp 函数的作用和实现分析,如何实现 C/C++ 下的协程库编写的一些思路和要点分

在平时查看Python方法用到tab补全还是很方便的. 1. mac 平台 配置如下: mac是类Unix平台,需要在添加一条配置内容到bash_profile 中(默认是没有这个文件,可以新建一个放在宿主目录下面) 先新建一个tab.py的文件内容如下: import rlcompleter,sys,readline if sys.platform == 'darwin' and sys.version_info[0] == 2: readline.parse_and_bind("bind ^

前言:本博文重在tornado源码剖析,相信读者读完此文能够更加深入的了解tornado的运行机制,从而更加高效的使用tornado框架. 本文参考武sir博客地址:http://www.cnblogs.com/wupeiqi/tag/Tornado/ 初识tornado 首先我们从经典的hello world 案例入手: import tornado.ioloop import tornado.web   class MainHandler(tornado.web.RequestHandler

V20161028 由于项目原因,需要用到https去做一些事情. 这儿做了一些相应的研究. 这个https 用起来也是折腾人,还是研究了一周多+之前的一些积累. 目录 1,java client 通过https访问 C++ 的https server 2,python client 通过https访问 C++ 的https server 3,C++ 的https server 搭建. 1,java client 通过https访问 C++ 的https server /// //参考代码: /