小熊的技术空间

读取文件最方便的是一次性读入文件内容并放置到一个大字符串中all_the_text = open('thefile.txt').read()#文本文件中的所有文本all_the_text = open('thefile.txt'，'rb').read()#二进制文件中的所有数据为了安全，最好给打开的文件指定一个名字 例如file_object = open('

在用SimpleXMLRPCServer库实现rpc服务的时候，经常会要求拒绝某些客户主机的访问，此时可以通过对SimpleXMLRPCServer库进行二次封装来实现。# give the base class a short, readable nicknamefrom SimpleXMLRPCServer import SimpleXMLRPCServer as BaseServe

在子类中调用super初始化时发生错误：其中FatherClass为超类，仔细检查并无语法错误。 super(FatherClass, self).__init__()TypeError: super() argument 1 must be type, not classobj原因如下：在python2.2版本之前，直接调用超类的方法，后来改成通过super来调用，原因是

运行django manage.py时出现如下错误：[root@va3 hello]# python manage.py shell Traceback (most recent call last): File "manage.py", line 11, in execute_manager(settings)

1.pip笔记：$ pip install SomePackage$ pip search "query"$ pip install --upgrade SomePackage$ pip install --upgrade SomePackage==version2. __main__里有一个变量a，该文件里有一个函数a,则会重复。都属于模块里的东西。3. prin

简单工厂模式中包含的角色及其职责1. 工厂（Creator）角色简单工厂模式的核心，它负责实现创建所有实例的内部逻辑。工厂类可以被外界直接调用，创建所需的产品对象。2. 抽象产品（Product）角色简单工厂模式所创建的所有对象的父类，它负责描述所有实例所共有的公共接口。3. 具体产品（Concrete Product）角色是简单工厂模式的创建目标，所有创建的对象都是充当这

这几天看了几天设计模式，之前对设计模式也有一定的了解，但是都没有深入地研究过，只是知道怎么用，最近打算再深入研究一下，重新打开了之前写过的用到设计模式的代码，对之前的疑问一个个的刨根问底，同时对简单工厂模式和策略模式进行了对比，个人感觉两个的大概思路没有怎么变，都是通过多态去减少代码的耦合度，怎么看两个都是如出一辙，最后终于找到了两个的本质区别，在此和大家分享下：简单工厂模式：传条件(这条

将被import的module(即python文件) 在当前环境下执行一遍。当多次import同一个module时， python会保证只执行一次。与import类似, 被导入的module仍然会执行且仅执行一次.区别是当以 "from *** import " 方式导入module时, python会在当前module 的命名空间中新建相应的命名。即, "from t2 import var

策略模式：它定义了算法家族，分别封装起来，让他们之间可以相互替换，此模式让算法变化，不会影响到使用算法的客户策略模式就是用来封装算法的，但在实践中，我们发现可以用它来，封装几乎任何类型的规则，只要在分析过程中听到需要在不同时间应用不同的  业务规则，就可以考虑使用策略模式处理这种变化的可能性。#include #include using namespace std;

In [1]: Host = '1.1.1.1'In [2]: username = ‘abc’ #用户名In [3]: password = 'abc’ #密码In [4]: superpass = 'abc' #超级密码In [6]: import telnetlib In [7]: tn = telnetlib.Telnet(Host) #连接交换机

Python内置了一些非常有趣但非常有用的函数，充分体现了Python的语言魅力！filter(function, sequence)：对sequence中的item依次执行function(item)，将执行结果为True的item组成一个List/String/Tuple（取决于sequence的类型）返回：>>> def f(x): return x % 2 != 0 and

为什么会报错“UnicodeEncodeError: 'ascii' codec can't encode characters in position 0-1: ordinal not in range(128)”？本文就来研究一下这个问题。字符串在Python内部的表示是unicode 编码，因此，在做编码转换时，通常需要以unicode作为中间编码，即先将其他编码的字符串解码（d

在多线程程序的构建中容易犯一个常见的错误：根据需要生成任意数目的线程，事实上，大多时候，程序将任务交给固定的，数据相对较少的一群线程（线程池）是较好的架构。该程序主要通过queue.queue来实现线程池。Queue.queue也是线程间通信和同步的最有用最简单的方式。[root@xiaoxiong cb9]# cat cb2_9_4_sol_1.py import threading,

Python垃圾回收Python垃圾回收的工作原理是：为每个内存对象维护一个引用计数，当对象的引用计数为零时解释器会自动释放内存。在Python中，有2中方式可以触发垃圾回收：一种方式是用户显示调用gc.collect()，另一种方式是每次Python为新对象分配内存时，检查threshold阀值，当对象数量超过threshold设置的阀值就开始进行垃圾回收。但是Python垃圾回收频

程序名为 "1.py" ， 代码内容如下：# -*- coding: utf-8 -*- import sysdef abc(): print sys._getframe().f_code.co_filename #当前文件名，可以通过__file__获得 print sys._getframe().f_code.co_name #当前函数名 print

1. fnmatch检查文件是否匹配模式：fnmatch.fnmatch(filename,pattern)fnmatch.fnmatch('py','.py') False fnmatch.fnmatch('tlie.py','*.py') True* 表示匹配任何单个或多个字符;? 表示匹配单个字符;[seq] 匹配单个

import os, fnmatchdef all_files(root, patterns='*', single_level=False, yield_folders=False): # Expand patterns from semicolon-separated string to list patterns = patterns.split(';') for

def trace_err(extend_msg=None): msg = '' if extend_msg is None else extend_msg msg += '\n------------------- Local Arguments -------------------\n' for k, v in sys._getframe(1).f_locals.it

python库函数　os.walk　遍历目录下的所有的文件。#-*- encoding:UTF-8 -*-import os#r=input("type a directory name:")for root,dirs,files in os.walk('.'): print 'haha', (root,dirs,files) for f in fi

总是记不住API。昨晚写的时候用到了这些，但是没记住，于是就索性整理一下吧：python中对文件、文件夹（文件操作函数）的操作需要涉及到os模块和shutil模块。得到当前工作目录，即当前Python脚本工作的目录路径: os.getcwd()返回指定目录下的所有文件和目录名:os.listdir()函数用来删除一个文件:os.remove()删除多个目录：

1. 下载memcachedwget http://www.danga.com/memcached/dist/memcached-1.2.0.tar.gz2. 下载libeventwget http://www.monkey.org/~provos/libevent-1.2.tar.gz3. 先安装libevent$ tar zxvf libevent-1.2.tar.

下面通过实例来一步一步解释装饰器的用法：实例１： # -*- coding:utf-8 -*-'''示例1: 最简单的函数,表示调用了两次'''def myfunc(): print("myfunc() called.") myfunc()myfunc()输出：[root@vm3 deco]# python 1.py myfunc() called.

与上一篇文章类似，本文通过从collections.dequeue派生出一个子类，这个类型提供了“双头队列——因而从任意一头添加或删除数据的效率都非常高。[root@xiaoxiong cb6]# cat cb2_6_11_exm_3.py from collections import dequeclass RingBuffer(deque): def __init_

sqlite数据库是非常小巧，非常适用于嵌入式软件开发，且占用资源非常低。打开数据库时返回的对象是一个数据库连接对象，它可以有以下操作：commit()--事务提交    rollback()--事务回滚   close()--关闭一个数据库连接   cursor()--创建一个游标游标对象有以下的操作：execute()--执行sql语句   executemany--执

定义一个固定大小的缓存，当它被填满时，新加入的元素自动覆盖第一个元素，这种方法经常用在存储日志和历史信息的程序中。[root@xiaoxiong cb6]# cat cb2_6_11_sol_1.py class RingBuffer(object): """ class that implements a not-yet-full buffer """ def

1、性能都比较高，性能对我们来说应该都不是瓶颈。总体来讲，TPS方面redis和memcache差不多，要大于mongodb。2、操作的便利性memcache数据结构单一。（key-value）redis丰富一些，数据操作方面，redis更好一些，较少的网络IO次数，同时还提供list，set，hash等数据结构的存储。mongodb支持丰富的数据表达，索引，最类似关系型数