刺激!一行代码就可下载b站等全网视频!

python B站原视频爬取,最高清晰度爬取。将你喜欢的up主的视频保存下来吧。 B站原视频爬取,我就不多说直接上代码。直接运行就好。 B站是把视频和音频分开。要把2个合并起来使用。这个需要分析才能看出来。然后就是登陆这块是比较难的。 import os import re import argparse import subprocess import prettytable from DecryptLogin import login '''B站类''' class Bilibili(): def __init__(self, username, password, **kwa 阅读详情

大家好,我是宝器!

大家昨天朋友圈应该都被何冰老师《后浪》演讲视频刷屏了,小破站属实也是火了一把。里面也是出现了很多精彩让人产生共鸣的话,比如:

“你们年轻人,拥有了我们梦寐以求的权利,你们生活在一个好时代”

“心里有火,眼里有光” 

“弱小的人,才习惯嘲笑与否定,内心强大的人,从不吝啬赞美与鼓励”

嗯,确实直达人心。这个视频发出来之后,两种不同的声音也在出现。不过,咱这篇文章不是要对《后浪》视频进行评论哈,直白的说我是来蹭热度的,虽然好像没啥关系,但也要强行扯上关系。所以一开始的标题是:

“如何用一行Python代码下载《后浪》等全网视频”

不过那太明显了,所以咱今天的主题换成了:如何下载b站和全网的一系列视频,捎带手用一行代码把《后浪》下载下来。

01 基于Python开发

是的,这款下载工具包是基于Python开发的,实际它不只支持视频下载,还支持图片、音乐等。而且,只要视频的地址,一行代码就可,你别不信,我给大伙尝尝鲜。要不,就拿何冰老师《后浪》演讲视频试试?

刺激,真香。可以看到下载下来的视频会带有视频来源网站,视频标题,视频格式,视频清晰度,视频大小等等信息。而且,这些都可以调整。

02 轻松换清晰度

当你已经下载好感兴趣的视频之后,可以查看视频的这一系列信息,很简单,也只要输入一行代码:

you-get -i '视频地址URL'

拿刚刚咱下载好的《后浪》演讲视频测试,结果如下:

可以看到它的DEFAULT设置不是MP4格式的视频,如果我们想要换成这种格式如何做呢,也只需要一行代码就可换成MP4格式:

you-get --itag=18 '视频地址URL'

03 还支持哪些网站

上面只是演示了用一行代码可下载小破站的视频,其实除了小破站,还可以用这一行代码下载国内外很多主流网站的视频、图片和音乐。

对,讲到这还没说是哪行代码:

you-get '网站地址URL'

国外的可支持:

上面只是一小部分

国内的可支持:

163、网易视频、网易云音乐、酷狗音乐、酷我音乐、荔枝FM、猫耳FM、AcFun、Baidu、百度贴吧、bilibili、斗鱼、凤凰视频、爱奇艺、腾讯视频、芒果TV、优酷、快手、抖音(国外版TikTok也支持)、知乎、西瓜视频.....等还有很多...

04 如何配置

第一步部分已经说了,这个工具包是基于Python开发,所以你的电脑需要已经有这一些依赖:

PS:实际上只要你电脑可运行Python就可安装这个工具包。

所以,现在的重点是如何安装这个工具以便咱可以一行代码全网视频游,不用慌,配置方式真的很多。

第一种:可通过pip安装:

pip3 install you-get

第二种:直接Git也可:

git clone git://github.com/soimort/you-get.git

然后直接运行./setup.py 即可。

python3 setup.py install

第三种:通过HomeBrew安装(针对Mac用户):

brew install you-get

当然,还有其他的一些安装方式,不一一列举了,有兴趣可直接去访问:

https://github.com/soimort/you-get/

写在后面:

管他前浪后浪还是啥浪,是否出生在一线城市,有没有坐过飞机去旅游,只愿大家在未来每一天都朝气蓬勃,自信上进,永远年轻,永远在路上。

近期热门:

● 80%的人都不知道,全球Python库下载前10名
● 我珍藏的一些好的Python代码,技巧|上篇
● 爬取300本Python书籍,用Python告诉你哪家强?
● 简单几步,100行代码用Python画一个蝙蝠侠的logo
● 我用Python分析了《青春有你2》109位漂亮小姐姐,真香!
● 牛逼操作!用Python做了一个编程语言20年的动态排行榜!
● 我打赌,学会这6招,谁再敢笑你的Python程序慢!



每天分享一些有趣的干货


点击阅读原文,原创400篇干货文章
利用 MoviePy 实现 FLV 转 MP3 如何简单实现 FLV 转 MP3 FLV 是目前网络上主流的视频格式,大多数在线视频网站都采用此视频格式,由于视频资源的音频无法直接下载到,最好的办法就是将其转换成 MP3 音频格式。 需求背景 一同事神秘兮兮的问我,能不能帮他从 B 站下载视频并转成 MP3,好在手机上听。这就奇怪了,B 站不是主打视频吗,要听音乐也有很多音乐平台呀?这时候他不说话,直接把钛媒体的一篇文章发给我,《这一届失眠的年轻人,在B站听ASMR》,我留意了一下,原来博客园也有转载这篇文章。 戴上耳机,在B站搜索“助眠”,即可进入一 阅读详情

相关推荐

腾讯WeKnora开源了!手把手教你用Docker+Ollama本地部署多模态知识库(附避坑指南)

本文详细介绍了腾讯开源的多模态知识库工具WeKnora的本地部署方法,通过Docker和Ollama实现完全离线运行。文章包含环境准备、核心组件配置、Ollama模型集成、系统启动验证及高级性能调优等实战内容,特别适合需要构建私有化知识库的中小团队和个人开发者。

weixin_30664051的博客 480

啥前浪后浪的,一行代码下载B站等全网视频!

前两天大家的朋友圈应该都被何冰老师《后浪》演讲视频刷屏了,小破站属实也是火了一把。里面也是出现了很多精彩让人产生共鸣的话,比如:“你们年轻人,拥有了我们梦寐以求的权利,你们生活在一个好时...

苏克的博客 2126

vrep小车避障算法_V-REP 多车道巡线与避障

任务概要在给定的赛道中,实现多车道的避障和视觉巡线。避障算法没有限定,可使用人工势场、RRT等路径规划算法。车体大小、赛道信息以及参考资料在此处下载。完成情况已学习并能初步使用 V-REP Python Remote API 接口,实现 Python 与 V-REP 的功能交互。已实现基于视觉传感器的多车道巡线功能。已实现基于视觉传感器的多车道避障功能。V-REP Python Remote AP...

weixin_39692037的博客 1835

(新)B站视频播放源地址获取及B站视频下载

突然之间,我们的B站视频播放失效了。之前直接使用的ibilibili发现它的低清版本视频无法正常加载了。ibilibili站提供的高清视频下载器,下载m4s文件,最后再用ffmpeg转成mp4。 对于我们而言,视频的清晰度并不重要,我们需要播放直链,仅仅是为了播放和预览视频。下载B站视频本身并不是一个难事,所以下文我将首先介绍如何获取低清版直链,然后谈谈高清版下载如何是实现。

ucsheep-You see sheep! 194万+

华为昇腾Atlas200DK. CANN模型推理——目标检测结果不对(无检测结果)的问题解决

目录前言问题描述问题排查1.后处理模块问题排查2.预处理模块问题排查3.模型问题排查4.算法bug问题排查5.AI板卡问题排查6.模型精度问题排查6.模型推理问题解决:模型输入数据与预处理不同后记 前言 上周我在华为昇腾Atlas200DK中部署nanodet和yolov5时,出现了目标检测结果不对(没有检测到任何物体),困扰了整整三天,最后找到原因并圆满解决,在这里记录一下debug过程。 以上测试均在python中完成。 问题描述 第一天上午,我首先将nanodet由pytorch的.pth模型转换为.

qq_41035283的博客 5605

Qt+WebAssembly学习笔记(六)win10+Qt6.4.0rc1开发环境搭建

前言:因项目的缘故,笔者有段时间没测试了,官方也修复了很问题,笔者今天记录下最新版本环境搭建。

aggs1990的专栏 3769

在线视频播放代码大全

.avi格式 程序代码 程序代码http://www.svnhost.cn/sample.avi"><embed width="400" height="200" border="0" showdisplay="0"showcontrols="1" autostart="1" autorewind="0" playcount="0"m

lee576的专栏 6440

【YOLOv8改进 - 注意力机制】GAM(Global Attention Mechanism):全局注意力机制,减少信息损失并放大全局维度交互特征

为了提高各种计算机视觉任务的性能,研究了多种注意力机制。然而,现有方法忽视了保留通道和空间两个方面信息的重要性,以增强跨维度的交互。因此,我们提出了一种全局注意力机制,通过减少信息损失和放大全局交互表示来提升深度神经网络的性能。我们引入了带有多层感知器的3D排列用于通道注意力,同时结合了卷积空间注意力子模块。在CIFAR-100和ImageNet-1K上的图像分类任务评估中,表明我们的方法在ResNet和轻量级MobileNet上稳定地优于几种最新的注意力机制。

专注于图像领域,主要研究内容包括计算机视觉和深度学习,特别是在图像分类、目标检测和图像生成等方面有深入的研究和实践经验。 1160

B站视频倍速播放代码

document.querySelector('video').playbackRate = 2.5

qq_56656217的博客 1386

RK3588平台开发系列讲解(硬件篇-功能外设2)

RK3588 芯片内置两个USB3.0 OTG控制器(内嵌2个USB2.0 OTG,下图绿色处),1个USB3.0 HOST 控制器,2个USB2.0 HOST控制器。这些控制器与PHY的内部复用图如下:USB3.0 OTG0 控制器支持SS/HS/FS/LS, 内嵌的USB2.0(HS/FS/LS)信号采用USB2.0 OTG PHY, 信号名见下图的红色方框内;RK3588目前仅此接口支持做Fireware的Download,应用中请务必要预留出。

whm128的博客 2512

200、从反激到LLC:工程师的成长之路

文章摘要: 本文以工程师视角探讨从反激式到LLC电源设计的思维转变。通过48V通信电源故障案例,揭示LLC谐振电容ESR温度特性引发的隐患,强调LLC需精确计算与测试。对比反激与LLC的核心差异:反激需控制寄生参数(如漏感尖峰、电容ESR),而LLC的关键在于频率响应和死区时间优化。作者提出三大思维转变:从匝比计算转向增益曲线分析,从时域波形观察转向频域频谱诊断,从元件更换转向参数调整。最后给出实战建议,包括建立故障库、关注元件参数细节及示波器调试技巧,指出工程师需从"控制"思维升级为"谐振"思维,实现技术

Jack010169的博客 324

开源神器:如何用一行代码快速下载 B 站等全网视频!

公众号关注“GitHubDaily”设为 “星标”,每天带你逛 GitHub!大家前两天朋友圈应该都被何冰老师《后浪》演讲视频刷屏了,小破站属实也是火了一把。里面也是出现了很多精彩让人...

GitHubDaily 2541

高级数据结构之R树(R-tree)

R树(R-tree)是一种将B树扩展到多维情况下得到的数据结构,它最初由Antonin Guttman于1984年提出。B树的结点中会存储一个键的集合,这些键把线分成片段,沿着那条线的点仅属于一个片段。因此,B树使得我们可以很容易地找到点。如果把沿线各处的点表示成B树结点,我们就能够确定点所属唯一子结点,在那里可以找到该点。 Antonin Guttman在他提出R树的经典论文中给出的R树例子...

白马负金羁 1万+

电脑刷屏代码_卧槽!一行代码就可下载b站等全网视频!

大家昨天朋友圈应该都被何冰老师《后浪》演讲视频刷屏了,小破站属实也是火了一把。里面也是出现了很多精彩让人产生共鸣的话,比如:“你们年轻人,拥有了我们梦寐以求的权利,你们生活在一个好时代”“心里有火,眼里有光” “弱小的人,才习惯嘲笑与否定,内心强大的人,从不吝啬赞美与鼓励”嗯,确实直达人心。这个视频发出来之后,两种不同的声音也在出现。不过,咱这篇文章不是要对《后浪》视频进行评论哈,直白的说我是来蹭...

weixin_39815456的博客 2724

SAP B1中文培訓教材_SDK

公司内部培训资料,对开发工具 ,DIAPI, UIAPI,Add-ON有详细解说

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

Python妙用:使用一行代码下载视频

“如何用一行Python代码下载《后浪》等全网视频” 01 基于Python开发 是的,这款下载工具包是基于Python开发的,实际它不只支持视频下载,还支持图片、音乐等。而且,只要视频的地址,一行代码就可,你别不信,我给大伙尝尝鲜。要不,就拿何冰老师《后浪》演讲视频试试? 刺激,真香。可以看到下载下来的视频会带有视频来源网站,视频标题,视频格式,视频清晰度,视频大小等等信息。而且,这些都可以调整。 02 轻松换清晰度 当你已经下载好感兴趣的视频之后,可以查看视频的这一系列信息,很简单,也只要

码农-Vax天道的时间宝藏 1441

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

暴涨700w播放,星穹铁道恰饭频频登上B站爆款热榜!

视频中,UP主全程记录了如何融入自然地为星铁手游推广,头脑风暴期间疯狂搞笑、热梗密集,不断刺激观众参与弹幕和评论,互动的增强推动作品高速传播,“反套路”式的宣传形式取得了不错的传播效果。还原二次元中的美食,这新颖的想法一开始就吸引了观众的好奇心,UP主经过无数次尝试、失败、调整,最后终于最大程度地还原了洞螈,曲折的制作过程引发观众在弹幕、评论区热议。,线上线下相结合,凝结目标玩家,促进用户和UP主自主参与,加大了宣传范围,同时还结合了五一的小长假节点,将手游热度不断推向高峰,创造了现象级游戏。

weixin_56253679的博客 1722

RU DOS版、EFI版32bit/64bit BIOS常用工具

DOS版、EFI版的RU工具,可用来查看IO、MEM、PCI、SMBIOS等资源。亲测在EFI SHELL下可用。

批量提取某音视频文案(二)

介绍批量提取视频文案的流程, 以及做视频的步骤

snailuncle2的博客 2350

一时兴起学网安前必看!15 条建议,帮你判断是否真的适合

有时候我挺纳闷,真有这么多人学黑客?但最近看到我身边一个连钓鱼邮件都点**的哥们**在折腾BurpSuite了,我悟了,是时候展开聊聊了!一个小白从零学安全,往往是头铁又懵圈的。说来惭愧,我现在工作也搞安全,属于小白里胡子最长的那一撮。作为一名老菜鸟,今天就跟大伙唠点实在的!萌新可以避坑,大佬请无情嘲笑,没入坑的当看个热闹。

2401_84618514的博客 778

【干货】私域电商崛起:2021见实私域流量白皮书高清6月版.pdf(附下载链接)...

大家好,我是文文,今天给大家分享见实科技和鲸灵于2021年6月份发布的干货报告《私域电商崛起:2021见实私域流量白皮书).pdf》。关注私域电商及私域流量的伙伴们别错过啦!另外,我们也搭...

m0_37586850的博客 600

【白皮书分享】2021私域流量白皮书高清版.pdf(附下载链接)

大家好,我是文文,今天给大家分享见实科技和鲸灵于2021年6月份发布的干货报告《私域电商崛起:2021见实私域流量白皮书).pdf》。关注私域电商及私域流量的伙伴们别错过啦!另外,我们也搭...

m0_37586850的博客 2586

网络安全过来人的15条建议!尤其是最后一条

网上到处是「29元成为黑客大神」,朋友圈广告下面全是「求教程」的评论,连小学生都在学Kali Linux,渗透测试都从娃娃抓起了…有时候我挺纳闷,真有这么多人学黑客?但最近看到我身边一个连钓鱼邮件都点在折腾BurpSuite了,我悟了,是时候展开聊聊了!一个小白从零学安全,往往是头铁又懵圈的。说来惭愧,我现在工作也搞安全,属于小白里胡子最长的那一撮。作为一名老菜鸟,今天就跟大伙唠点实在的!萌新可以避坑,大佬请无情嘲笑,没入坑的当看个热闹。报班前先想明白:你学安全图个啥?

2401_84760719的博客 763
上一篇: 50个关于IPython的使用技巧,get起来!
下一篇: 10款VS Code插件神器,第7款超级实用!
菜鸟学Python
博客等级 码龄9年 8092粉丝 571原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值