yajunjiao的专栏

代码基本上就是上边这些，有部分是ai生成的，本地修改了下；其实， 这块并没有那么难，python我也是通过ai学习的，后来找了点教程看下，大概就是这个样子吧，长时间没用，很多东西有点陌生了，不过，还是要定期学习学习的。当然，底层也是c++，有兴趣，可以。爬取豆瓣电影评论，有这么个需求；其实，是为了把豆瓣的评论都爬取下来；说下，思路，直接找到豆瓣相关电影的资源，然后去爬取，我找了好几个开源资料，都是爬取了一部分，就自己写了一个。

本地安装下软件，wkhtmltox-0.12.6-1.msvc2015-win64.exe，我在windows上测试的，也有其他对应的平台；这个是把它转换成pdf的软件；其实，还算是一个简单的方案；不过，不是唯一方案，还有其他可选的，这只是一种解决方案，仅供参考。还是要学习下底层程序，如C++，有兴趣，可以去。先写这篇文章的目标，就是把一个markdown转换成pdf，支持markdown的一些格式，包括数学公式。markdown文件大概是这样的。下一篇，再介绍另外一种方案。

本地，可以用ollama或者LM Studio搭建本地的环境，下载大模型，然后可以去提问题，大模型回答；根据上边的流程，还差一个搭建AI知识库管理工具，这个可以用AnythingLLM或者Cherry Studio，应该是都可以的；我倾向于选择LM Studio，Cherry Studio这套组合，之前玩过Ollama，觉得还好，后来就想看看别的，都使用下，多体验，找到适合的。这篇，主要是把原理，用的工具说下，然后，后边开始去写点具体的操作。不过，虽然都有工具了，还是要学习底层，的有兴趣，可以去。

主要流程就是网页端发送一个信息，然后，通过agent，调用deepseek的模型，最后deepseek返回信息。因为代码都是用python写的，而python很多东西都是要跟C++交互的，都是语言层面的东西，有兴趣，可以去这里看看。结束，回头看看抽空写点跟streamlit相关的。

Pandas 是一个功能强大的库，广泛应用于数据科学的各个方面。它不仅简化了数据的加载、清洗、分析、可视化等操作，还提供了丰富的工具来处理时间序列数据、进行数据合并与连接、执行高级分析任务等。对于任何需要进行数据处理和分析的任务，Pandas 都是一个不可或缺的工具。当然，想学习，python，还是要懂点C++，有兴趣，可以去这里看看。

上一篇写了点跟Qos通信相关的理论，这一篇，给点代码示例。

首先，整理所有的概念；其实，对于ROS2，编程语言有C++和Python，这2门语言就不多说了，可以后边有空写点文章；不过，语言学习需要花费时间，当然也可以借助于AI，即使借助于AI，也要花时间。以上是它的基础概念，这些既是基础也是核心；有了基础，才能开始下一步；后边再具体举例子聊这四个概念。这只是个开始，一切才刚刚开始。开始前，如果缺少c++，makefile，linux基础，可以参考下。一直在思考如何学习一门新的技术，脑子里大概有一个思路，不知道该怎么写？就拿ROS2来举例子。

本文分享了一个爬取《三国演义》小说内容的Python爬虫项目。作者通过AI辅助编写代码，实现了从目标网站自动获取小说目录和各章节内容的功能。代码包含两个主要函数：download_chapter_content()用于获取目录并协调下载流程，get_chapter_content()负责具体章节内容的提取。项目采用了请求头伪装、随机延时等防反爬措施，并将结果按章节保存为文本文件。作者强调这是一个实践导向的项目，建议读者通过实际操作用AI辅助调试来学习，代码已托管在GitHub。

装饰器 (Decorator) 是 Python 中的一种特性，允许你在不修改原始函数代码的情况下，为其加入新的功能或行为。它的实质是：一个函数，接收另一个函数作为参数，返回一个新的函数。

Python字典是一种高效的键值对数据结构，具有无序性（3.7+保持插入顺序）、可变性和键唯一性等特点。字典使用哈希表实现，支持O(1)时间复杂度的查找操作。本文详细介绍了字典的基本操作，包括创建（花括号、dict()、推导式等）、访问（get()、in检查）、修改（update()、setdefault()）、删除（del、pop()）等核心方法，并探讨了字典视图、集合运算、JSON转换等高级特性。此外还介绍了defaultdict、OrderedDict等扩展类型，分析了字典的性能特点和适用场景，强调字

Python元组是一种不可变、有序的序列结构，支持异构元素和重复值。创建方式包括圆括号、逗号分隔或tuple()函数。元组支持索引访问和切片操作，具有连接、重复等基本运算，但不能修改元素。元组解包功能强大，可用于变量交换和多值返回。相比列表，元组性能更好、内存占用更小，且可哈希，适合作为字典键或存储不变数据。主要方法包括count()和index()。命名元组(collections.namedtuple)提供了更直观的元素访问方式。元组适用于需要保证数据完整性的场景，如函数参数传递、返回多值等。

用了一些开源模块，加入ai数字人，总共不到2天吧，然后可以考虑加入自己的项目，让数字人为你服务。

python的一些命令执行不了了，源也换了清华的，还是不行，啪啪啪的打脸。最后发现是开了梯子，关了，一切正常了。

分治算法（divide and conquer）的核心思想其实就是四个字，分而治之 ，也就是将原问题划分成 n 个规模较小，并且结构与原问题相似的子问题，递归地解决这些子问题，然后再合并其结果，就得到原问题的解。

递归应用挺广泛的，像之前学过的前序，中序，后序，都可以使用递归来实现。

贪心，一种很经典的算法，适用场景有限，而且当下的选择不能影响后边的，一旦影响，就不一定是最优。每一步都是最好的，结果未必最优，想象我们自己，生活中是不是这样呢？学习算法，可以更好的适应生活，也是为了更好的生活。

学习，先学，然后去习，逐渐形成自己的思维；重复这个操作，将它练习到你能练习的极致状态。重复，重复，重复。

广度优先，图的一种应用。往外一层一层搜索。

数组的刷题集，记录了几道之前刷过的题。

队列，一种基础数据结构；像现实种的一样，先进先出，入队，出队操作。有顺序队列，链式队列，等等。可以看看封面，是不是很形象。便于理解。

归并，快速排序；都是很优秀的算法，看一些底层代码的实现经常发现。好好学这2个，获益匪浅。

简单的几种排序算法，冒泡，插入，选择，复杂度虽然不高，但是在计算机科学里也是挺有意义的一些算法，值得我们去学习，回顾。

本文主要列举了一些刷的题，不多，有那么几道，也建议各位去建立自己的刷题集。积少成多。

栈是一种先进后出的数据结构。它的操作受限。栈，是一种先进后出，或者后进先出的数据结构。跟数组和链表相比，有一定的限制性。毕竟，它也有自己的适用场景，比如：函数调用，表达式求值等等。栈有2个操作，入栈，出栈。时间复杂度都是O(1)。

总得来说，链表和数组相比，不是连续的内存空间，相对来说也复杂一点。插入操作和删除操作虽然比较效率高，但是时间耗费在查找上。查找的效率是O(n)。

写代码，然后用AI插件写单元测试和注释。挺好的一种选择，值得体验。