<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[m0_48342140的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/m0_48342140</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; m0_48342140]]></copyright><item><title><![CDATA[Base64 算法原理，以及编码、解码【加密、解密】 介绍]]></title><link>https://blog.youkuaiyun.com/m0_48342140/article/details/116055661</link><guid>https://blog.youkuaiyun.com/m0_48342140/article/details/116055661</guid><author>m0_48342140</author><pubDate>Fri, 23 Apr 2021 14:40:48 +0800</pubDate><description><![CDATA[Base64编码，是我们程序开发中经常使用到的编码方法。它是一种基于用64个可打印字符来表示二进制数据的表示方法。它通常用作存储、传输一些二进制数据编码方法！也是MIME（多用途互联网邮件扩展，主要用作电子邮件标准）中一种可打印字符表示二进制数据的常见编码方法！它其实只是定义用可打印字符传输内容一种方法，并不会产生新的字符集！有时候，我们学习转换的思路后，我们其实也可以结合自己的实际需要，构造一些自己接口定义编码方式。好了，我们一起看看，它的转换思路吧！

Base64实现转换原理

 它是用6...]]></description><category></category></item><item><title><![CDATA[base64与图片互相转换]]></title><link>https://blog.youkuaiyun.com/m0_48342140/article/details/115937291</link><guid>https://blog.youkuaiyun.com/m0_48342140/article/details/115937291</guid><author>m0_48342140</author><pubDate>Wed, 21 Apr 2021 10:21:08 +0800</pubDate><description><![CDATA[最近这段时间在跟前端同学联调的时候有个小需求, 需要把某些图片类型的标签换成base64编码, 直接放入到img的src里，因此找了一个工具, 顺便理解了一下base64的算法, 特此记录一下

如何图片转base64字符串

这个可以自己用代码批量实现, 不过我给产品同学推荐的是 http://base64.pro/ 提供了主要提供了四种功能(这个站也提供了base64在各个编程语言种的实现)

base64编码 base64加密
	base64解密 base64解码
	图片转base64
	b...]]></description><category></category></item><item><title><![CDATA[什么是base64 base64加密算法原理是什么?]]></title><link>https://blog.youkuaiyun.com/m0_48342140/article/details/115916690</link><guid>https://blog.youkuaiyun.com/m0_48342140/article/details/115916690</guid><author>m0_48342140</author><pubDate>Tue, 20 Apr 2021 19:33:53 +0800</pubDate><description><![CDATA[一、什么是Base64?


“Base64是网络上最常见的用于传输8Bit字节码的编码方式之一，Base64就是一种基于64个可打印字符来表示二进制数据的方法”。

什么是“可打印字符”呢？为什么要用它来传输8Bit字节码呢？在回答这两个问题之前我们有必要来思考一下什么情况下需要使用到Base64？Base64一般用于在HTTP协议下传输二进制数据，由于HTTP协议是文本协议，所以在HTTP协议下传输二进制数据需要将二进制数据转换为字符数据。然而直接转换是不行的。因为网络传...]]></description><category></category></item><item><title><![CDATA[图片怎么转换成Base64（一句话理解base64算法）]]></title><link>https://blog.youkuaiyun.com/m0_48342140/article/details/115862786</link><guid>https://blog.youkuaiyun.com/m0_48342140/article/details/115862786</guid><author>m0_48342140</author><pubDate>Mon, 19 Apr 2021 13:53:00 +0800</pubDate><description><![CDATA[最近这段时间在跟前端同学联调的时候有个小需求, 需要把某些图片类型的标签换成base64编码, 直接放入到img的src里，因此找了一个工具, 顺便理解了一下base64的算法, 特此记录一下

如何图片转base64字符串

这个可以自己用代码批量实现, 不过我给产品同学推荐的是 http://base64.pro/ 提供了主要提供了四种功能(这个站也提供了base64在各个编程语言种的实现)

base64编码 base64加密
	base64解密 base64解码
	图片转base64
	b...]]></description><category></category></item><item><title><![CDATA[Spring Boot 自动装配原理]]></title><link>https://blog.youkuaiyun.com/m0_48342140/article/details/114890231</link><guid>https://blog.youkuaiyun.com/m0_48342140/article/details/114890231</guid><author>m0_48342140</author><pubDate>Tue, 16 Mar 2021 17:26:49 +0800</pubDate><description><![CDATA[原文:https://www.cnblogs.com/ice-image/p/14544620.html

Spring Boot 在启动之前还有一系列的准备工作，比如：推断 web 应用类型，设置初始化器，设置监听器，启动各种监听器，准备环境，创建 applicationContext，准备 context 上下文对象，在 prepareContext 的时候，将 main 函数所在的类（也就是主类）通过 AnnotatedBeanDefinitionReader 注入到 IOC 中，然后 refres.]]></description><category></category></item><item><title><![CDATA[FM的深度学习增强版-DeepFM解析]]></title><link>https://blog.youkuaiyun.com/m0_48342140/article/details/114528767</link><guid>https://blog.youkuaiyun.com/m0_48342140/article/details/114528767</guid><author>m0_48342140</author><pubDate>Mon, 08 Mar 2021 13:56:09 +0800</pubDate><description><![CDATA[转载原文地址:https://www.cnblogs.com/ljy2013/p/10152203.html

CTR预估我们知道在比较多的应用场景下都有使用。如：搜索排序、推荐系统等都有广泛的应用。并且CTR具有极其重要的 地位，特别相对广告推荐领域来说更加如此，竞价广告需要通过ctr给出相应的价格，并由此获得广告曝光的机会。而ctr的大小决定了出价的高低，直接会影响到该广告是否能得到曝光机会。这里涉及到计算广告相关的知识，暂时就不展开讲了。这里主要介绍一下DeepFM该算法的基本原理和网络框架。

..]]></description><category></category></item><item><title><![CDATA[各种开放API接口汇总信息]]></title><link>https://blog.youkuaiyun.com/m0_48342140/article/details/114390778</link><guid>https://blog.youkuaiyun.com/m0_48342140/article/details/114390778</guid><author>m0_48342140</author><pubDate>Fri, 05 Mar 2021 12:42:36 +0800</pubDate><description><![CDATA[各种提供JSON格式数据返回服务网站的API接口

这里为大家搜集了一些能够返回JSON格式的服务接口。部分需要用JSONP调用。

电商接口

淘宝商品搜索建议:http://suggest.taobao.com/sug?code=utf-8&amp;q=商品关键字&amp;callback=cb用例

	ps:callback是回调函数设定
	


物流接口

快递接口:http://www.kuaidi100.com/query?type=快递公司代号&amp;postid=快递单号测试用例...]]></description><category></category></item><item><title><![CDATA[如何进行json格式化与美化校验]]></title><link>https://blog.youkuaiyun.com/m0_48342140/article/details/114315443</link><guid>https://blog.youkuaiyun.com/m0_48342140/article/details/114315443</guid><author>m0_48342140</author><pubDate>Wed, 03 Mar 2021 15:06:30 +0800</pubDate><description><![CDATA[有的时候开发与产品拿到一个json文本后需要对该json进行美化, 有些可能只需要使用JSON格式化美化工具进行校验

例子如下



那么对于程序员来讲如何使用程序来进行美化么？下面给出各个语言的例子

Python版本


import json

def pp_json(json_thing, sort=True, indents=4):
    if type(json_thing) is str:
        print(json.dumps(json.loads(json_thing)...]]></description><category></category></item><item><title><![CDATA[怎么使用javascript解析Json数据并获取元素JsonPath与深度]]></title><link>https://blog.youkuaiyun.com/m0_48342140/article/details/113679344</link><guid>https://blog.youkuaiyun.com/m0_48342140/article/details/113679344</guid><author>m0_48342140</author><pubDate>Fri, 05 Feb 2021 09:59:15 +0800</pubDate><description><![CDATA[JsonPath 是一种信息抽取类库，是从JSON文档中抽取指定信息的工具，提供多种语言实现版本，包括：Javascript, Python， PHP 和 Java，JsonPath 对于 JSON 来说，相当于 XPATH 对于 XML。


JsonPath与Xpath用法对比
	Java使用Jsonpath解析json数据
	Js获取Json每个节点的JsonPath
	将输出结果转换成树形结构


1.JsonPath与Xpath用法对比

XPath
			JSONPath
			描述
		/
	]]></description><category></category></item><item><title><![CDATA[php实现微信扫码支付功能]]></title><link>https://blog.youkuaiyun.com/m0_48342140/article/details/113679030</link><guid>https://blog.youkuaiyun.com/m0_48342140/article/details/113679030</guid><author>m0_48342140</author><pubDate>Fri, 05 Feb 2021 09:50:52 +0800</pubDate><description><![CDATA[文实例讲述了PHP微信支付功能。分享给大家供大家参考，具体如下：

微信开发SDK:文中用的是php_sdk_v3.0.9 ：https://pay.weixin.qq.com/wiki/doc/api/jsapi.php?chapter=11_1


			1

			2

			3

			4

			5

			6

			7

			8

			9

			10

			11

			12

			13

			14

			15

			16

			17

			18

			19

			20]]></description><category></category></item><item><title><![CDATA[基于Flask+Python+百度AI实现一个语音转文字API]]></title><link>https://blog.youkuaiyun.com/m0_48342140/article/details/113628716</link><guid>https://blog.youkuaiyun.com/m0_48342140/article/details/113628716</guid><author>m0_48342140</author><pubDate>Thu, 04 Feb 2021 10:47:43 +0800</pubDate><description><![CDATA[项目要求：实现一个语音输入的搜索框，前端调用接口，进行语音识别，后台负责调用百度语音识别处理语音，并返回结果。
注释：后台需要判断用户语音什么时候终止


# -*- coding: utf-8 -*-
# audioPart02.py 
import json
import flask
from flask import Flask
from flask import request
from flask import redirect
from flask import jsonify
import u]]></description><category></category></item><item><title><![CDATA[python实现粒子群优化算法]]></title><link>https://blog.youkuaiyun.com/m0_48342140/article/details/113628038</link><guid>https://blog.youkuaiyun.com/m0_48342140/article/details/113628038</guid><author>m0_48342140</author><pubDate>Thu, 04 Feb 2021 10:40:36 +0800</pubDate><description><![CDATA[粒子群优化算法（Particle Swarm Optimization，PSO）属于进化算法的一种，通过迭代寻找最优解。

PSO算法包含以下部分：
价值函数y = f ( x , a ) y=f(x,a)y=f(x,a)，其中a aa为模型参数，x xx为待求变量，我们希望求得令y yy最小的x xx
N NN个粒子，每个粒子为一个矢量，其维数与待求变量一致
每个粒子有两个属性，速度v vv和位置x xx
粒子最优位置l b e s t lbestlbest，每个粒子有一个粒子最优位置，为其历史上到达过的]]></description><category></category></item><item><title><![CDATA[Idea搭建SSM框架最简单教程]]></title><link>https://blog.youkuaiyun.com/m0_48342140/article/details/113585476</link><guid>https://blog.youkuaiyun.com/m0_48342140/article/details/113585476</guid><author>m0_48342140</author><pubDate>Wed, 03 Feb 2021 10:07:22 +0800</pubDate><description><![CDATA[前言

前阵子突发奇想，想学习下SpringMVC的源码，于是打算用idea搭建一个简易的maven版SSM案例，也就是SpringMVC+Spring+MyBatis+Maven，因为之前创建过一些Spring的小demo，相关的软件环境已经搭建完成，本以为搭建一个入门级的SSM项目应该不难，谁曾想这个过程中遇到了不少千奇百怪的问题，从开始创建到成功运行花了我整整一个下午的时间(我的午觉啊~~~·)，最后项目成功跑起来的时候我长出了一口气，为了以后不在类似的事情上折腾，特此写下这篇文章记录一下搭建过程。
]]></description><category></category></item><item><title><![CDATA[git配置ssh keys 免密使用]]></title><link>https://blog.youkuaiyun.com/m0_48342140/article/details/113545351</link><guid>https://blog.youkuaiyun.com/m0_48342140/article/details/113545351</guid><author>m0_48342140</author><pubDate>Tue, 02 Feb 2021 11:18:46 +0800</pubDate><description><![CDATA[GIT免密登陆

在开始之前，我们首先来明确一下需要每次输入用户名和密码的场景：

第一，必须是使用https方式下载的代码在操作时才可能需要输入用户名密码。

第二，在满足第一点的基础上，未配置credential.helper。可以用如下命令（如未特别说明，所有命令均默认在Git Bash工具下执行）检查credential.helper的当前配置：


git config -l|grep credential.helper

1
如果未配置的话结果应该为空：

下面检查一下当前是否任意的git操作都]]></description><category></category></item><item><title><![CDATA[数据结构之链表-python实现]]></title><link>https://blog.youkuaiyun.com/m0_48342140/article/details/113544982</link><guid>https://blog.youkuaiyun.com/m0_48342140/article/details/113544982</guid><author>m0_48342140</author><pubDate>Tue, 02 Feb 2021 11:12:42 +0800</pubDate><description><![CDATA[class Node(object):
    def __init__(self, data):
        self.next = None
        self.data = data

    def setNext(self, newnext):
        self.next = newnext

    def getNext(self):
        return self.next

    def setData(self, newdata):
        self.]]></description><category></category></item><item><title><![CDATA[springcloud如何解决跨域问题]]></title><link>https://blog.youkuaiyun.com/m0_48342140/article/details/113525180</link><guid>https://blog.youkuaiyun.com/m0_48342140/article/details/113525180</guid><author>m0_48342140</author><pubDate>Mon, 01 Feb 2021 17:29:48 +0800</pubDate><description><![CDATA[在访问服务的时候，必然会遇到跨域问题，如图：

在访问服务的时候，必然会遇到跨域问题，如图：




当我直接访问服务的时候可以获取到结果的JSON数据，但是跨域访问的时候就获取不到数据。
解决方法：
由于gateway使用的是webflux，而不是springmvc，所以我们需要先关闭wenbflux的cors，再去gateway的filter里边设置cors就行了。代码如下：


package com.lt.gateway.config;

import org.springframework.con]]></description><category></category></item><item><title><![CDATA[用Python帮你玩《合成大西瓜》]]></title><link>https://blog.youkuaiyun.com/m0_48342140/article/details/113525056</link><guid>https://blog.youkuaiyun.com/m0_48342140/article/details/113525056</guid><author>m0_48342140</author><pubDate>Mon, 01 Feb 2021 17:25:04 +0800</pubDate><description><![CDATA[问题

最近想要试一下玩合成大西瓜小游戏，就想能不能自动化运行这个游戏。相当于写一个自动化测试合成大西瓜的脚本，随机点击位置然后触发点击即可。

解决方案

直接采用自动化测试工具Python+Selenium，环境安装方法请参考Selenium+Python自动化测试(一)

注意：这不是自动完成合成大西瓜的脚本，只是一个演示随机点击的自动化测试学习案例，帮助大家更好的理解selenium的用法。

合成大西瓜小游戏链接：https://dushusir.com/xigua/

（手机端直接在微信或者自.]]></description><category></category></item><item><title><![CDATA[js如何快速找到是哪个元素产生滚动]]></title><link>https://blog.youkuaiyun.com/m0_48342140/article/details/112331663</link><guid>https://blog.youkuaiyun.com/m0_48342140/article/details/112331663</guid><author>m0_48342140</author><pubDate>Thu, 07 Jan 2021 19:25:07 +0800</pubDate><description><![CDATA[把以下代码复制粘贴到浏览器 Console 面板,敲一下回车


      function findscroller(element){
        element.onscroll=function () {
            console.log(element)
        }
        Array.from(element.children).forEach(findscroller)
  }
  findscroller(document.body)


复制到 Cons]]></description><category></category></item><item><title><![CDATA[matlab数字图像处理基础]]></title><link>https://blog.youkuaiyun.com/m0_48342140/article/details/112331492</link><guid>https://blog.youkuaiyun.com/m0_48342140/article/details/112331492</guid><author>m0_48342140</author><pubDate>Thu, 07 Jan 2021 19:22:46 +0800</pubDate><description><![CDATA[基础

取样和量化

为了产生一副数字图像，需要把连续的感知数据转换为数字形式（离散化）。包括取样和量化。

所谓采样，就是把一幅连续图像在空间上分割成M×N个网格，每个网格用一亮度值来表示。一个网格称为一个像素。总像素为M*N





采样间隔越大，所得图像像素数越少，空间分辨率低，质量差，严重时出现马赛克效应；采样间隔越小，所得图像像素数越多，空间分辨率高，图像质量好，但数据量大。

量化就是把采样点上对应的亮度连续变化区间转换为单个特定数码的过程。量化后，图像就被表示成一个整数矩阵。每个像素具有两.]]></description><category></category></item><item><title><![CDATA[matlab灰度直方图均衡化及其实现]]></title><link>https://blog.youkuaiyun.com/m0_48342140/article/details/112331209</link><guid>https://blog.youkuaiyun.com/m0_48342140/article/details/112331209</guid><author>m0_48342140</author><pubDate>Thu, 07 Jan 2021 19:19:35 +0800</pubDate><description><![CDATA[直方图均衡化

定义

当直方图中像素值集中在狭窄的灰度级范围内或分布极不均匀时，图像呈现较差的对比度。直方图均衡化的目的就是将直方图的灰度级概率分布变换为均匀分布。(如下图所。注意，p(x)是概率密度函数，P(x)是概率分布函数）

由于直方图中概率较小的灰度级合并为更少的几个或一个灰度级内，从而降低了图像的灰度级分辨率，且某些细节信息处于概率较小的灰度级中，这样的灰度级归并到其他灰度级内，从而造成图像细节信息的丢失。





公式

输入r，输出s
s = T ( r ) = ( L − 1 ) ∑.]]></description><category></category></item></channel></rss>