<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[英布之剑的优快云 Blog]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/happybasic</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; happybasic]]></copyright><item><title><![CDATA[降低Windows Defender (Microsoft Defender) 反病毒服务CPU占用率的方法~]]></title><link>https://blog.youkuaiyun.com/happybasic/article/details/163734472</link><guid>https://blog.youkuaiyun.com/happybasic/article/details/163734472</guid><author>happybasic</author><pubDate>Thu, 13 Aug 2026 22:12:57 +0800</pubDate><description><![CDATA[本文介绍了优化Windows Defender扫描性能的两个PowerShell命令：1）使用Set-MpPreference-ScanOnlyIfIdleEnabled $true设置仅在系统空闲时扫描；2）通过Set-MpPreference-ScanAvgCPULoadFactor 20限制扫描时的CPU占用率不超过20%。这些设置能显著降低扫描时的系统资源占用，但会延长扫描完成时间。]]></description><category></category></item><item><title><![CDATA[Python库升级标准流程~]]></title><link>https://blog.youkuaiyun.com/happybasic/article/details/161321996</link><guid>https://blog.youkuaiyun.com/happybasic/article/details/161321996</guid><author>happybasic</author><pubDate>Fri, 22 May 2026 18:41:45 +0800</pubDate><description><![CDATA[本文档介绍了Python依赖库astroid的版本检查与升级流程。首先通过piplist-o检查当前安装版本(4.0.2)，然后使用pipshow确认该库被pylint依赖。通过pipdeptree发现pylint要求astroid版本在4.0.2~4.1.dev0之间。查询pipindexversions显示最新版为4.1.2，但受限于pylint的依赖要求，最终选择升级到兼容的最高版本4.0.4。整个过程演示了如何安全地更新受其他库版本约束的依赖项。]]></description><category></category></item><item><title><![CDATA[python项目修改目录后pip不能使用的修复~]]></title><link>https://blog.youkuaiyun.com/happybasic/article/details/160807888</link><guid>https://blog.youkuaiyun.com/happybasic/article/details/160807888</guid><author>happybasic</author><pubDate>Wed, 06 May 2026 08:19:39 +0800</pubDate><description><![CDATA[这个错误是因为虚拟环境的 Python 解释器路径发生了变化（比如项目文件夹被移动、重命名或复制），导致。返回D:\zhb\Python\vstock_server_log\, 再输入pip list恢复正常。中记录的路径与实际路径不符。，但实际调用时却变成了。，说明虚拟环境可能从。，或者路径配置混乱。]]></description><category></category></item><item><title><![CDATA[在CMD下使用FFmpeg将.wav文件转换成指定的格式~]]></title><link>https://blog.youkuaiyun.com/happybasic/article/details/160629715</link><guid>https://blog.youkuaiyun.com/happybasic/article/details/160629715</guid><author>happybasic</author><pubDate>Wed, 29 Apr 2026 16:13:05 +0800</pubDate><description><![CDATA[设置输出音频的采样率为 24000 Hz (24 kHz)。：对每个文件执行 FFmpeg，输入文件为当前遍历到的文件。表示提取原文件名（不含扩展名），然后加上。：设置输出采样率为 24000 Hz。的文件，每个文件名临时存储在变量。：遍历当前目录下所有扩展名为。后缀，最后扩展名仍为。]]></description><category></category></item><item><title><![CDATA[winapi32 in pywin32 ~ ]]></title><link>https://blog.youkuaiyun.com/happybasic/article/details/156689399</link><guid>https://blog.youkuaiyun.com/happybasic/article/details/156689399</guid><author>happybasic</author><pubDate>Wed, 07 Jan 2026 15:17:21 +0800</pubDate><description><![CDATA[本文列举了一系列Windows API函数，涵盖系统控制、文件操作、注册表管理、窗口处理等多个功能模块。主要包括系统关机控制(AbortSystemShutdown/InitiateSystemShutdown)、文件操作(CopyFile/DeleteFile)、注册表操作(RegCreateKey/RegDeleteValue)、窗口消息处理(SendMessage/PostMessage)等核心功能。同时包含系统信息获取(GetSystemInfo/GetVersion)、进程线程管理(OpenPro]]></description><category></category></item><item><title><![CDATA[python中识图片文字并按字体大小排序的方法~~~]]></title><link>https://blog.youkuaiyun.com/happybasic/article/details/156561291</link><guid>https://blog.youkuaiyun.com/happybasic/article/details/156561291</guid><author>happybasic</author><pubDate>Sun, 04 Jan 2026 10:03:30 +0800</pubDate><description><![CDATA[本文介绍了使用pyocr实现图片文字识别并按字体大小排序的方法。通过LineBoxBuilder获取文本行信息，计算每行字符的平均高度，并过滤掉小于阈值的小字符干扰。最后按照平均字符高度排序输出结果，同时使用正则表达式清理中英文间的多余空格。代码实现了从截图识别文字、分析字体大小到排序输出的完整流程。]]></description><category></category></item><item><title><![CDATA[针对intel平台优化的python环境搭建~~]]></title><link>https://blog.youkuaiyun.com/happybasic/article/details/156511780</link><guid>https://blog.youkuaiyun.com/happybasic/article/details/156511780</guid><author>happybasic</author><pubDate>Fri, 02 Jan 2026 13:12:01 +0800</pubDate><description><![CDATA[摘要：本文介绍了在Intel处理器和Windows 11系统上安装Intel Python工具链的步骤。通过pip命令安装numpy、scipy、dpnp等核心科学计算包，以及可选的机器学习工具scikit-learn-intelex。需要注意的是，Intel Python目前仅支持Python 3.12（最高版本3.12.10），暂不支持3.13和3.14的新特性，用户需在性能和最新特性间权衡。]]></description><category></category></item><item><title><![CDATA[python中字典的变形处理~]]></title><link>https://blog.youkuaiyun.com/happybasic/article/details/156391400</link><guid>https://blog.youkuaiyun.com/happybasic/article/details/156391400</guid><author>happybasic</author><pubDate>Mon, 29 Dec 2025 16:00:48 +0800</pubDate><description><![CDATA[摘要：本文介绍如何将原始字典数据转换为以股票代码为键、地域和指数代码为值的优化格式。原始数据按地域分组，每个地域包含多个股票代码。通过Python代码处理，将其重组为{股票代码:[地域,指数代码]}的新字典结构，并按股票代码排序。这种转换可提升通过股票代码快速查找地域或指数代码的性能，适用于金融数据分析场景。最终生成的新字典包含约15000个股票代码条目。]]></description><category></category></item><item><title><![CDATA[从python字典中提取hash字库之方法~]]></title><link>https://blog.youkuaiyun.com/happybasic/article/details/156357820</link><guid>https://blog.youkuaiyun.com/happybasic/article/details/156357820</guid><author>happybasic</author><pubDate>Sun, 28 Dec 2025 10:55:35 +0800</pubDate><description><![CDATA[本文介绍了一种从字典数据中提取字符和词库的方法。通过Python代码实现了字典数据的保存功能(Save_dict函数)，能够将字典内容按照指定格式写入文本文件。该方法支持对字典中的键值对进行分类处理，将字符和词汇分别提取到不同的字典中。代码示例展示了如何从sector_type_dict字典中提取GBK编码的字符和词汇，并最终生成两个文本文件(1.txt和2.txt)，分别包含提取的字符和词汇数据。这种方法可以有效地组织和管理字典数据，为后续的文本处理和分析提供便利。]]></description><category></category></item><item><title><![CDATA[python字典中字段重复性的分析~~]]></title><link>https://blog.youkuaiyun.com/happybasic/article/details/156327594</link><guid>https://blog.youkuaiyun.com/happybasic/article/details/156327594</guid><author>happybasic</author><pubDate>Sat, 27 Dec 2025 10:03:18 +0800</pubDate><description><![CDATA[本文介绍了一个Python字典字段分析工具，用于寻找最小不重复字段宽度。代码首先统计字段的字节长度特征（平均、最大、最小值），然后通过右对齐截取字段的方法，从最大宽度开始递减测试，找出不引起重复的最小字段宽度。示例结果显示，当宽度降到4时出现3组重复字段（如&quot;芯片设计&quot;、&quot;电零部件&quot;等），因此确定最小不重复宽度为5。该方法可有效优化数据存储和处理效率。]]></description><category></category></item><item><title><![CDATA[国内python开发加快pip安装包的方法~]]></title><link>https://blog.youkuaiyun.com/happybasic/article/details/155914757</link><guid>https://blog.youkuaiyun.com/happybasic/article/details/155914757</guid><author>happybasic</author><pubDate>Sun, 14 Dec 2025 16:26:47 +0800</pubDate><description><![CDATA[使用清华镜像加速Python包下载比加速器更简单有效。只需执行命令pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple即可完成配置，通过pip config list查看是否设置成功。该方法能显著提升国内用户的pip下载速度。]]></description><category></category></item><item><title><![CDATA[python中快速更新ini文件之方法~]]></title><link>https://blog.youkuaiyun.com/happybasic/article/details/155501383</link><guid>https://blog.youkuaiyun.com/happybasic/article/details/155501383</guid><author>happybasic</author><pubDate>Tue, 02 Dec 2025 19:01:55 +0800</pubDate><description><![CDATA[Python标准库中的configparser模块可方便读写INI格式配置文件。通过ConfigParser()创建对象，使用read()读取文件，set()修改键值，write()保存更改。示例代码展示了更新INI文件的完整流程：创建解析器、读取文件、修改指定分组下的键值、保存修改并清理对象。使用前需导入configparser模块。该方法简单高效，适用于处理标准INI格式的配置文件。]]></description><category></category></item><item><title><![CDATA[从WSL安装到初始化buildozer全过程~]]></title><link>https://blog.youkuaiyun.com/happybasic/article/details/153882150</link><guid>https://blog.youkuaiyun.com/happybasic/article/details/153882150</guid><author>happybasic</author><pubDate>Sat, 25 Oct 2025 19:49:17 +0800</pubDate><description><![CDATA[这篇文章详细介绍了在Windows系统下使用WSL安装Ubuntu并配置Python环境的过程。主要内容包括：1)通过PowerShell安装WSL和Ubuntu；2)更新系统并安装Python3及相关组件；3)创建项目目录和Python虚拟环境；4)安装Buildozer工具并验证。文中还提及了可能遇到的网络超时问题及解决方法。整个流程共12个步骤，涵盖了从环境搭建到工具安装的完整过程，为后续Android应用开发做好了基础准备。]]></description><category></category></item><item><title><![CDATA[python中调整时钟实现高精度计时时的系统开销考量~]]></title><link>https://blog.youkuaiyun.com/happybasic/article/details/153785043</link><guid>https://blog.youkuaiyun.com/happybasic/article/details/153785043</guid><author>happybasic</author><pubDate>Thu, 23 Oct 2025 16:42:57 +0800</pubDate><description><![CDATA[本文探讨了Python中实现高精度计时的方法及其系统开销。通过调用winmm.timeBeginPeriod和timeEndPeriod函数修改系统时钟，可实现1ms精度的延时（默认15.625ms）。测试表明该方法在短延时下会产生显著开销：1ms延时的系统开销达40.9%，随着延时增加（5ms/10ms/20ms/50ms），开销比例逐渐降低至1%。实验数据来自ThinkPad X1（i7-1165G7），建议对5ms以下的高精度延时需求谨慎使用该方法。]]></description><category></category></item><item><title><![CDATA[一个函数解决easyocr识别时间字串的格式化处理~~]]></title><link>https://blog.youkuaiyun.com/happybasic/article/details/148749944</link><guid>https://blog.youkuaiyun.com/happybasic/article/details/148749944</guid><author>happybasic</author><pubDate>Wed, 18 Jun 2025 22:22:26 +0800</pubDate><description><![CDATA[EasyOCR识别时间格式常出现符号错误，如&quot;:&quot;识别为&quot;.&quot;或漏识别。解决方案包括预处理（灰度/二值化）和后处理。提供的PatchTimeString函数能自动修正常见错误格式： 将点号替换为冒号 处理缺失分隔符的6位数字（094110→09:41:10） 修正冒号位置错误的4位片段（0941:10→09:41:10） 该函数保持正确格式不变（09:41:10），适用于多种错误模式，有效提升时间识别的准确率。]]></description><category></category></item><item><title><![CDATA[巧妙解决easyocr在cpu_mode下加载慢的问题~]]></title><link>https://blog.youkuaiyun.com/happybasic/article/details/148749637</link><guid>https://blog.youkuaiyun.com/happybasic/article/details/148749637</guid><author>happybasic</author><pubDate>Wed, 18 Jun 2025 22:12:19 +0800</pubDate><description><![CDATA[文章摘要：针对EasyOCR在CPU模式下加载速度慢的问题，作者提出通过后台线程加载的方式优化初始化过程。具体实现方法是创建一个OCRManager类，在后台线程中初始化EasyOCR模型，同时主线程可以执行其他任务。当需要OCR识别时，检查模型是否加载完成即可。这种方法实现了模型加载与其他初始化任务并行执行，有效提升了整体运行效率。该方案用Python实现，适用于CPU运行环境下的OCR应用场景。]]></description><category></category></item><item><title><![CDATA[在python中快速识别一张图片的颜色~~(以红色为例)]]></title><link>https://blog.youkuaiyun.com/happybasic/article/details/148702830</link><guid>https://blog.youkuaiyun.com/happybasic/article/details/148702830</guid><author>happybasic</author><pubDate>Mon, 16 Jun 2025 23:15:48 +0800</pubDate><description><![CDATA[摘要：本文介绍了一个快速检测图片是否为红色的Python方法。该方法先将图片转换为HSV色彩空间，通过设定红色色相范围(0-30和330-360度)并排除低饱和度、低亮度的像素干扰，统计红色像素数量。若红色像素多于绿色则判定为红色图片。该方法简单高效，可扩展用于其他颜色识别。核心思路是利用HSV色彩空间的色相通道进行颜色判断，并通过饱和度、亮度阈值过滤无效像素。]]></description><category></category></item><item><title><![CDATA[【笔记】一些常用的正则表达式~]]></title><link>https://blog.youkuaiyun.com/happybasic/article/details/148675059</link><guid>https://blog.youkuaiyun.com/happybasic/article/details/148675059</guid><author>happybasic</author><pubDate>Sun, 15 Jun 2025 20:19:56 +0800</pubDate><description><![CDATA[摘要：本文介绍使用正则表达式验证字符串是否符合HH:MM:SS时间格式的方法。通过构建正则表达式模式^\d{2}:\d{2}:\d{2}$，其中\d{2}匹配两位数，冒号分隔时分秒。该模式要求字符串开头(^)到结尾($)严格匹配24小时制时间格式，确保时间字符串的规范性验证。]]></description><category></category></item><item><title><![CDATA[一个更快捷的方法帮你调用OpenHardwareMonitorLib.dll获取电脑硬件信息~~]]></title><link>https://blog.youkuaiyun.com/happybasic/article/details/148640379</link><guid>https://blog.youkuaiyun.com/happybasic/article/details/148640379</guid><author>happybasic</author><pubDate>Fri, 13 Jun 2025 20:13:35 +0800</pubDate><description><![CDATA[本文介绍了如何通过C#重写的pyohm.dll库简化Python获取电脑硬件信息的操作。该方法比直接调用OpenHardwareMonitorLib.dll更便捷，只需将两个dll文件放在同一目录，即可输出标准化的Python字典格式数据。示例代码展示了如何获取CPU状态信息，输出包含各核心负载、温度、频率和功耗等详细数据。这种封装方式显著提高了硬件监控的效率，使Python调用更加简洁规范。]]></description><category></category></item><item><title><![CDATA[python中使用LibreHardwareMonitorLib.dll获取电脑硬件信息~~【不用同步打开exe文件】]]></title><link>https://blog.youkuaiyun.com/happybasic/article/details/148517011</link><guid>https://blog.youkuaiyun.com/happybasic/article/details/148517011</guid><author>happybasic</author><pubDate>Sun, 08 Jun 2025 19:39:14 +0800</pubDate><description><![CDATA[本文介绍了从OpenHardwareMonitor迁移到LibreHardwareMonitor的方法，后者是其持续更新的分支。通过Python代码示例展示了如何获取CPU、内存、显卡等硬件信息，对比了两个版本在模块命名上的差异（如CPU改为Cpu）。虽然LibreHardwareMonitor新增了更多模块支持，但作者对部分命名改动（如GPU改为Gpu）提出了批评。文章还展示了实际运行效果，输出了包括电压、温度、负载等详细的硬件监测数据。]]></description><category></category></item></channel></rss>