nbspzs的专栏

【代码】python openxml 取excel值。

模板引擎：想象一下一个网页，它的大部分内容是固定的（比如网页的布局），但有一小部分内容是动态的（比如根据用户登录状态显示不同的欢迎语）。模板引擎的作用就是将固定的部分和动态的部分分开，然后通过填充数据来生成最终的网页。script.py.mako 文件的作用就是将 Python 的编程能力和 Mako 模板引擎的灵活性和可读性结合起来，生成动态的、个性化的文本内容。3. 渲染：Mako 模板引擎会将这些数据填充到模板中的占位符中，生成最终的 HTML 页面。生成动态内容：根据不同的数据生成不同的页面内容。

【代码】python @marshal_with 关键字。

ReAct 代理（ReAct Agent）是一种结合了推理（Reasoning）和行动（Action）的智能代理框架，旨在通过交互式的方式解决复杂任务。ReAct 的核心思想是让代理在完成任务时，能够动态地推理下一步行动，并根据环境反馈调整策略。ReAct 代理是一种强大的智能代理框架，通过结合推理和行动解决复杂任务。代理分析任务，生成下一步的行动计划（例如“调用搜索引擎查询 2023 年诺贝尔文学奖”）。行动的结果会反馈给代理，用于指导下一步的推理和行动。每次循环都会更新代理的知识和策略，直到任务完成。

RAG（RetrievalAugmented Generation）管道是一种结合了信息检索（Retrieval）和文本生成（Generation）的技术框架，主要用于生成高质量、基于事实的文本。它通过从外部知识源（如文档、数据库或互联网）中检索相关信息，并将这些信息与生成模型结合，从而生成更准确、更丰富的回答或内容。通过检索外部知识源，RAG 可以生成基于事实的内容，减少生成模型的“幻觉”问题（即生成不准确或无依据的信息）。结合检索和生成的优势，RAG 能够生成更丰富、更准确的文本。

它通过类型提示提供强大的数据验证和解析能力，简化数据处理，促进代码的可维护性和可读性。无论是简单的数据验证还是复杂的嵌套结构，Pydantic 都能提供灵活且高效的支持。它利用 Python 的类型提示（type hints）来确保数据符合预期的类型和格式，并在运行时强制执行这些类型约束。基于 Python 3.5+ 的类型提示，与 Python 的类型系统无缝集成，促进代码的清晰性和可读性。Pydantic 通过类型提示验证数据，确保输入数据符合预期的类型和格式。高效处理验证和解析，减少性能开销。

抽象基类是一种用于定义规范的类，它不能被直接实例化，而是被其他类继承，并强制这些子类实现特定的方法。abc 模块是 Python 中实现抽象基类的重要工具，它帮助开发者定义类的接口，并确保子类实现这些接口，从而提高代码的可维护性和可读性。强制规范：子类必须实现抽象基类中定义的抽象方法，否则子类也会成为抽象类，不能被实例化。定义接口：通过抽象基类，可以定义一个类应该具备的方法或属性，而不需要实现这些方法。什么是 Python 的 abc 模块？为什么使用 abc 模块？如何使用 abc 模块？

【代码】Python 项目中，TOML（Tom‘s Obvious, Minimal Language）是一种常用的配置文件格式。

Celery 是一个基于分布式消息传递的异步任务队列系统，主要用于处理耗时任务、定时任务和周期性任务。Celery 是 Python 生态中最流行的任务队列工具之一，广泛应用于 Web 开发、数据处理、机器学习等领域。Celery 是一个强大的异步任务队列工具，适用于处理耗时任务、定时任务和分布式计算。将耗时任务（如发送邮件、处理文件、调用外部 API）放入任务队列中异步执行，避免阻塞主程序。异步任务会被放入任务队列中，由 Worker 执行。支持定时任务和周期性任务，适合定时数据同步、报表生成等场景。

【代码】一个表 id name parentid 如何指定parentid 用sql查询出这个parentid 下的所有子id？

在 Python 中，@classmethod 是一个装饰器，用于定义类方法（Class Method）。类方法与实例方法不同，它是绑定到类本身，而不是绑定到类的实例。如果需要对类本身做某些操作，例如动态创建实例或修改类变量，优先选择 @classmethod。类方法的第一个参数是 类本身（通常约定命名为 cls），而不是实例（self）。常用于访问类级别的数据或执行与类相关的逻辑，而无需创建实例。类方法会自动绑定到调用的具体类，适合多态场景。类方法只能访问类变量，无法直接访问实例变量。

Flask 是一个轻量级、可扩展的 Python Web 框架，特别适合构建小型和中型应用程序。提供对请求数据的访问，例如表单、JSON 数据、Headers 等。每个 Blueprint 是一个独立的模块，可以注册到主应用中。request.form: 获取 POST 请求中的表单数据。request.json: 获取请求体中的 JSON 数据。Flask 应用程序的核心，所有功能都基于这个类实例化。根据 URL 匹配注册的路由，调用相应的视图函数。提供对数据库的支持，集成了 SQLAlchemy。

在 Python 3.3 及以上版本中，即使没有 __init__.py 文件，目录也可以作为包导入，但显式地使用 __init__.py 仍然是一个良好的实践，尤其是在明确声明目录为包时。__init__.py 文件中的 __all__ 属性可以控制通过 from package import 时导入的模块或属性。通过 __init__.py 文件，可以将包内的多个模块封装成一个整体，并通过别名对外暴露接口。在开源项目中，常见的做法是将版本信息保存在 __init__.py 中。

它的设计理念是 数据校验与数据结构化，使得开发者能够轻松实现 API 输入数据的验证，同时提高代码的可维护性和可读性。- Pydantic 是基于 Python 的 dataclasses 和 typing 库构建的，它的性能非常优越，能够高效处理数据验证工作。Pydantic 是一个功能强大的数据验证和管理工具，能够简化 Python 应用中数据的验证、转换和序列化过程。这使得该字段成为可选项。通过使用 Pydantic，开发者可以确保数据的有效性，减少手动验证的工作，并提高代码的可维护性和可靠性。

1. 打开现有项目后，进入 File > Settings > Project: [项目名] > Python Interpreter。3. 在右侧的 Python Interpreter 下，选择 New Environment。Location: 设置虚拟环境的路径（通常默认是项目目录的 .venv 文件夹）。New Environment: 如果想创建一个新的虚拟环境，选择此选项并指定路径。2. 点击右侧的齿轮图标，然后选择 Add...。输出的路径应指向虚拟环境中的 Python。

import argparsefrom pdf2docx import Converterdef main(pdf_file, docx_file): cv = Converter(pdf_file) cv.convert(docx_file, start=0, end=None) cv.close()if __name__ == "__main__": parser = argparse.ArgumentParser() parser.add_argu.

# -*- coding: utf-8 -*-import osimport xlrdimport datetimeimport jsonimport sysimport reimport pymysqlimport pandas as pdparent_path = os.path.dirname(sys.path[0])if parent_path not in sys.path: sys.path.append(parent_path)today = datetim.

import loggingimport redislogging.basicConfig(level=logging.NOTSET)redis_client = redis.StrictRedis(host='192.168.0.2', port=6379, password='sdisfhkjefgefs', db =2, decode_responses=True)def main(): # 获取所有的key keys = redis_.

# -*- coding: utf-8 -*-import osimport xlrdimport datetimeimport jsonimport sysimport reimport pymysqlimport pandas as pdparent_path = os.path.dirname(sys.path[0])if parent_path not in sys.path: sys.path.append(parent_path)today = datetime.

import osimport xlrdimport datetimeimport jsonimport sysparent_path = os.path.dirname(sys.path[0])if parent_path not in sys.path: sys.path.append(parent_path)today = datetime.date.today().strftime("%Y-%m-%d")def __init__(self): passdef.

1、cmd 输入 conda info2、修改文件【C:\Users\您的用户名\.condarc】3、把【.conda】目录移到大空间的磁盘

ln -s /usr/local/python3/bin/pip3 /usr/bin/pip3

@algorithm.route("/search", methods=["POST", "GET"])def show_index(): # as_text=True 接收json内容 json_str = json.loads(request.get_data(as_text=True)) target_text = '' list = None for key, value in json_str.items(): if key=="key".

import osimport sysopen(os.path.join(os.path.dirname(sys.argv[0]), 'yourfile.txt')

import pandas as pdimport urllib.requestclass Api(): def __init__(self): pass def down(self): rows = pd.read_csv("photo.csv") for row in rows.index: url ...

update_ids = [0]update_ids .append(id)self.cursor_pro_tow.execute(update_sql.format(tuple(update_ids)))