python基於

① 為什麼說python採用的是基於值的內存管理模式

語言的內存管理是語言設計的一個重要方面。它是決定語言性能的重要因素。無論是C語言的手工管理，還是java的垃圾回收，都成為語言最重要的特徵。
這里以Python語言為例子，說明一門動態類型的、面向對象的語言的內存管理方式。

② python是什麼語言，主要應用在哪些開發

Python是一種跨平台的計算機程序設計語言。是一種面向對象的動態類型語言，最初被設計用於編寫自動化腳本(shell)，隨著版本的不斷更新和語言新功能的添加，越多被用於獨立的、大型項目的開發。
1、軟體開發：Python語言支持多函數編程，可以擔任任何軟體的開發工作，是它的標配能力。
2、科學計算：Python是一門通用的程序設計語言，比Matlab所採用的腳本語言的應用范圍更廣泛，有更多的程序庫的支持，做科學計算是非常合適的選擇。
3、自動化運維：Python是作為運維工程師的首選編程語言，有諸多優勢所在，是非常受喜歡的編程語言。
4、雲計算：開源雲計算解決方案OpenStack就是基於Python開發的。
5、web開發:基於Python的Web開發框架不要太多，比如耳熟能詳的Django，還有Tornado，Flask。
6、網路爬蟲：也稱網路蜘蛛，是大數據行業獲取數據的核心工具。能夠編寫網路爬蟲的編程語言有不少，但Python絕對是其中的主流之一。
7、數據分析：結合科學計算、機器學習等技術，對數據進行清洗、去重、規格化和針對性的分析是大數據行業的基石，Python是數據分析領域首選的編程語言。
8、人工智慧：對於人工智慧我想不用多介紹，是現在非常流行的一個行業，而人工智慧也是未來的發展，Python是人工智慧的首選編程語言。

③ python是基於java的嗎

並不是，Python是更容易學習的一種語言。

④ 為什麼說python採用的是基於值的內存管理模式

先從較淺的層面來說，Python的內存管理機制可以從三個方面來講

（1）垃圾回收

（2）引用計數

（3）內存池機制

一、垃圾回收：

python不像C++，Java等語言一樣，他們可以不用事先聲明變數類型而直接對變數進行賦值。對Python語言來講，對象的類型和內存都是
在運行時確定的。這也是為什麼我們稱Python語言為動態類型的原因（這里我們把動態類型可以簡單的歸結為對變數內存地址的分配是在運行時自動判斷變數
類型並對變數進行賦值）。

二、引用計數：

Python採用了類似Windows內核對象一樣的方式來對內存進行管理。每一個對象，都維護這一個對指向該對對象的引用的計數。如圖所示（圖片來自Python核心編程）

x = 3.14

y = x

我們首先創建了一個對象3.14， 然後將這個浮點數對象的引用賦值給x，因為x是第一個引用，因此，這個浮點數對象的引用計數為1. 語句y =
x創建了一個指向同一個對象的引用別名y，我們發現，並沒有為Y創建一個新的對象，而是將Y也指向了x指向的浮點數對象，使其引用計數為2.

我們可以很容易就證明上述的觀點：

變數a 和 變數b的id一致(我們可以將id值想像為C中變數的指針).

我們援引另一個網址的圖片來說明問題：對於C語言來講，我們創建一個變數A時就會為為該變數申請一個內存空間，並將變數值
放入該空間中,當將該變數賦給另一變數B時會為B申請一個新的內存空間，並將變數值放入到B的內存空間中，這也是為什麼A和B的指針不一致的原因。如圖：

而Python的情況卻不一樣，實際上，Python的處理方式和Javascript有點類似，如圖所示，變數更像是附在對象上的標簽(和引用的
定義類似)。當變數被綁定在一個對象上的時候，該變數的引用計數就是1，(還有另外一些情況也會導致變數引用計數的增加),系統會自動維護這些標簽，並定
時掃描，當某標簽的引用計數變為0的時候，該對就會被回收。

三、內存池機制

Python的內存機制以金字塔行，-1，-2層主要有操作系統進行操作，

第0層是C中的malloc，free等內存分配和釋放函數進行操作；

第1層和第2層是內存池，有Python的介面函數PyMem_Malloc函數實現，當對象小於256K時有該層直接分配內存；

第3層是最上層，也就是我們對Python對象的直接操作；

在 C 中如果頻繁的調用 malloc 與 free 時,是會產生性能問題的.再加上頻繁的分配與釋放小塊的內存會產生內存碎片. Python 在這里主要乾的工作有:

如果請求分配的內存在1~256位元組之間就使用自己的內存管理系統,否則直接使用 malloc.

這里還是會調用 malloc 分配內存,但每次會分配一塊大小為256k的大塊內存.

經由內存池登記的內存到最後還是會回收到內存池,並不會調用 C 的 free
釋放掉.以便下次使用.對於簡單的Python對象，例如數值、字元串，元組（tuple不允許被更改)採用的是復制的方式(深拷貝?)，也就是說當將另
一個變數B賦值給變數A時，雖然A和B的內存空間仍然相同，但當A的值發生變化時，會重新給A分配空間，A和B的地址變得不再相同；

而對於像字典(dict)，列表(List)等，改變一個就會引起另一個的改變，也稱之為淺拷貝：

附錄：

引用計數增加

1.對象被創建：x=4

2.另外的別人被創建：y=x

3.被作為參數傳遞給函數：foo(x)

4.作為容器對象的一個元素：a=[1,x,』33』]

引用計數減少

1.一個本地引用離開了它的作用域。比如上面的foo(x)函數結束時，x指向的對象引用減1。

2.對象的別名被顯式的銷毀：del x ；或者del y

3.對象的一個別名被賦值給其他對象：x=789

4.對象從一個窗口對象中移除：myList.remove(x)

5.窗口對象本身被銷毀：del myList，或者窗口對象本身離開了作用域。

垃圾回收

1、當內存中有不再使用的部分時，垃圾收集器就會把他們清理掉。它會去檢查那些引用計數為0的對象，然後清除其在內存的空間。當然除了引用計數為0的會被清除，還有一種情況也會被垃圾收集器清掉：當兩個對象相互引用時，他們本身其他的引用已經為0了。

2、垃圾回收機制還有一個循環垃圾回收器, 確保釋放循環引用對象(a引用b, b引用a, 導致其引用計數永遠不為0)。

⑤ 如何基於Python構建一個可擴展的運維自動化平台

Django- 一個開放源代碼的 Web 應用框架，由 Python 寫成，採用了 MVC 的軟體設計模式；
rpyc- 一個 Python 實現的 RPC 和分布式計算的工具。支持同步和非同步操作、回調等；
saltstack 、 ansible 、 func - 基本 Python 開發的自動化配置管理與流程式控制制組件；
Mysql- 是一個非常流行的關系型資料庫管理系統。
二、平台架構設計
1、 OMServer 架構圖

大家對這個架構應該不會感到陌生，三層結構也是目前主流的運營平台架構。
2、 架構說明
OMServer 平台為三層架構，分別為 WEB 交互層、分布式計算層、集群管理服務層。
1） 、第一層：即為 WEB 交互層，典型的 B/S 架構，以供管理員操作的交互平台，也是 OMServer 的核心，基於 Django 開發；
2） 、第二層：分布式計算層，提供與主控端的連接通道，採用的是 rpyc 傳輸協議，協議操作流程：前端模塊參數 -> 加密傳輸 -> 任務執行 -> 返回結果集 -> 解密輸出。
3） 、第三層：集群管理服務層，整合 Python 主流的遠程操作組件（支持 Saltstack 、 Anaible、 Func ），對被控端（業務伺服器集群）進行管理，其中主控端可以根據不同 IDC 環境，採用多地多點的管理方式，可提升冗餘度及執行效率。主控端操作模塊以不同 Python 文件加以區分，便於維護，可靈活定製操作邏輯及橫向擴展等特點。

⑥ 話說python是基於哪個語言衍生出來的

Python是用C寫的

⑦ python基於值的內存管理方式是什麼

Python採用基於值的內存管理模式。
 在Python中一切皆對象，變數中存放的是對象的引用
 python可以不用聲明變數類型而直接對變數進行賦值。對Python語言來講，對象的類型和內存都是在運行時確定的。這也是為什麼我們稱Python語言為動態類型的原因（這里我們把動態類型歸結為對變數內存地址的分配是在運行時自動判斷變數類型並對變數進行賦值）。

⑧ Python:基於Python爬蟲技術的搶票程序及其實現

臨近放假，相信我們每天都在群聊里或者朋友圈看到一些幫忙搶火車票的信息。看到朋友們搶回家的車票這么辛( bei )苦( can )，結合圈裡一些前輩的指點，抱著學習的心態用 Python 做了一個簡單的自動化搶票程序，搶到票之後通過綁定的郵箱（比如 QQ ）發通知。下面分享主要內容：

然後，開始使勁地碼：

1. 定義自動購票的類（初始化屬性）

2. 實現登錄功能

3. 實現購票功能

4. 郵箱通知付款

還有，網路不好或者 12306 的伺服器不穩定的時候，就會卡住，針對這種情況，系統會重復查詢：

最後，祝大家都能順利搶到票.

本文以轉載於博客園小帝君的博客

⑨ 如何使用Python，基於OpenCV與Face++實現人臉解鎖的功能

近幾天微軟的發布會上講到了不少認臉解鎖的內容，經過探索，其實利用手頭的資源我們完全自己也可以完成這樣一個過程。

本文講解了如何使用Python，基於OpenCV與Face++實現人臉解鎖的功能。

本文基於Python 2.7.11，Windows 8.1 系統。

主要內容

• Windows 8.1上配置OpenCV

• OpenCV的人臉檢測應用

• 使用Face++完成人臉辨識（如果你想自己實現這部分的功能，可以借鑒例如這個項目）

Windows 8.1上配置OpenCV

入門的時候配置環境總是一個非常麻煩的事情，在Windows上配置OpenCV更是如此。

既然寫了這個推廣的科普教程，總不能讓讀者卡在環境配置上吧。

下面用到的文件都可以在這里（提取碼：b6ec）下載，但是注意，目前OpenCV僅支持Python2.7。

將cv2加入site-packages

將下載下來的cv2.pyd文件放入Python安裝的文件夾下的Libsite-packages目錄。

就我的電腦而言，這個目錄就是C:/Python27/Lib/site-packages/。

記得不要直接使用pip安裝，將文件拖過去即可。

安裝numpy組件

在命令行下進入到下載下來的文件所在的目錄（按住Shift右鍵有在該目錄打開命令行的選項）

鍵入命令：

1

pip install numpy-1.11.0rc2-cp27-cp27m-win32.whl

如果你的系統或者Python不適配，可以在這里下載別的輪子。

測試OpenCV安裝

在命令行鍵入命令：

1

python -c "import cv2"

如果沒有出現錯誤提示，那麼cv2就已經安裝好了。

OpenCV的人臉檢測應用

人臉檢測應用，簡而言之就是一個在照片里找到人臉，然後用方框框起來的過程（我們的相機經常做這件事情）

那麼具體而言就是這樣一個過程：

• 獲取攝像頭的圖片

• 在圖片中檢測到人臉的區域

• 在人臉的區域周圍繪制方框

獲取攝像頭的圖片

這里簡單的講解一下OpenCV的基本操作。

以下操作是打開攝像頭的基本操作：

1

2

3

4

5

6

7

#coding=utf8

import cv2

# 一般筆記本的默認攝像頭都是0

capInput = cv2.VideoCapture(0)

# 我們可以用這條命令檢測攝像頭是否可以讀取數據

if not capInput.isOpened(): print('Capture failed because of camera')

那麼怎麼從攝像頭讀取數據呢？

1

2

3

4

5

6

7

8

# 接上段程序

# 現在攝像頭已經打開了，我們可以使用這條命令讀取圖像

# img就是我們讀取到的圖像，就和我們使用open('pic.jpg', 'rb').read()讀取到的數據是一樣的

ret, img = capInput.read()

# 你可以使用open的方式存儲，也可以使用cv2提供的方式存儲

cv2.imwrite('pic.jpg', img)

# 同樣，你可以使用open的方式讀取，也可以使用cv2提供的方式讀取

img = cv2.imread('pic.jpg')

為了方便顯示圖片，cv2也提供了顯示圖片的方法：

1

2

3

4

5

6

# 接上段程序

# 定義一個窗口，當然也可以不定義

imgWindowName = 'ImageCaptured'

imgWindow = cv2.namedWindow(imgWindowName, cv2.WINDOW_NORMAL)

# 在窗口中顯示圖片

cv2.imshow(imgWindowName, img)

當然在完成所有操作以後需要把攝像頭和窗口都做一個釋放：

1

2

3

4

5

# 接上段程序

# 釋放攝像頭

capInput.release()

# 釋放所有窗口

cv2.destroyAllWindows()

在圖片中檢測到人臉的區域

OpenCV給我們提供了已經訓練好的人臉的xml模板，我們只需要載入然後比對即可。

1

2

3

4

5

6

7

8

# 接上段程序

# 載入xml模板

faceCascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')

# 將圖形存儲的方式進行轉換

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 使用模板匹配圖形

faces = faceCascade.detectMultiScale(gray, 1.3, 5)

print(faces)

在人臉的區域周圍繪制方框

在上一個步驟中，faces中的四個量分別為左上角的橫坐標、縱坐標、寬度、長度。

所以我們根據這四個量很容易的就可以繪制出方框。

1

2

3

# 接上段程序

# 函數的參數分別為：圖像，左上角坐標，右下角坐標，顏色，寬度

img = cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)

成果

根據上面講述的內容，我們現在已經可以完成一個簡單的人臉辨認了：

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

#coding=utf8

import cv2

print('Press Esc to exit')

faceCascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')

imgWindow = cv2.namedWindow('FaceDetect', cv2.WINDOW_NORMAL)

def detect_face():

capInput = cv2.VideoCapture(0)

# 避免處理時間過長造成畫面卡頓

nextCaptureTime = time.time()

faces = []

if not capInput.isOpened(): print('Capture failed because of camera')

while 1:

ret, img = capInput.read()

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

if nextCaptureTime < time.time():

nextCaptureTime = time.time() + 0.1

faces = faceCascade.detectMultiScale(gray, 1.3, 5)

if faces:

for x, y, w, h in faces:

img = cv2.rectangle(img, (x, y), (x + w, y + h), (255, 0, 0), 2)

cv2.imshow('FaceDetect', img)

# 這是簡單的讀取鍵盤輸入，27即Esc的acsii碼

if cv2.waitKey(1) & 0xFF == 27: break

capInput.release()

cv2.destroyAllWindows()

if __name__ == '__main__':

detect_face()

使用Face++完成人臉辨識

第一次認識Face++還是因為支付寶的人臉支付，響應速度還是非常讓人滿意的。

現在只需要免費注冊一個賬號然後新建一個應用就可以使用了，非常方便。

他的官方網址是這個，注冊好之後在這里的我的應用中創建應用即可。

創建好應用之後你會獲得API Key與API Secret。

Face++的API調用邏輯簡單來說是這樣的：

• 上傳圖片獲取讀取到的人的face_id

• 創建Person，獲取person_id（Person中的圖片可以增加、刪除）

• 比較兩個face_id，判斷是否是一個人

• 比較face_id與person_id，判斷是否是一個人

上傳圖片獲取face_id

在將圖片通過post方法上傳到特定的地址後將返回一個json的值。

如果api_key, api_secret沒有問題，且在上傳的圖片中有識別到人臉，那麼會存儲在json的face鍵值下。

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

#coding=utf8

import requests

# 這里填寫你的應用的API Key與API Secret

API_KEY = ''

API_SECRET = ''

# 目前的API網址是這個，你可以在API文檔里找到這些

BASE_URL = 'httlus.com/v2'

# 使用Requests上傳圖片

url = '%s/detection/detect?api_key=%s&api_secret=%s&attribute=none'%(

BASE_URL, API_KEY, API_SECRET)

files = {'img': (os.path.basename(fileDir), open(fileDir, 'rb'),

mimetypes.guess_type(fileDir)[0]), }

r = requests.post(url, files = files)

# 如果讀取到圖片中的頭像則輸出他們，其中的'face_id'就是我們所需要的值

faces = r.json().get('face')

print faces

創建Person

這個操作沒有什麼可以講的內容，可以對照這段程序和官方的API介紹。

官方的API介紹可以見這里，相信看完這一段程序以後你就可以自己完成其餘的API了。

1

2

3

4

5

6

7

8

9

10

11

12

13

14

# 上接上一段程序

# 讀取face_id

if not faces is None: faceIdList = [face['face_id'] for face in faces]

# 使用Requests創建Person

url = '%s/person/create'%BASE_URL

params = {

'api_key': API_KEY,

'api_secret': API_SECRET,

'person_name': 'LittleCoder',

'face_id': ','.join(faceIdList), }

r = requests.get(url, params = params)

# 獲取person_id

print r.json.()['person_id']

進度確認

到目前為止，你應該已經可以就給定的兩張圖片比對是否是同一個人了。

那麼讓我們來試著寫一下這個程序吧，兩張圖片分別為』pic1.jpg』, 『pic2.jpg』好了。

下面我給出了我的代碼：

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

def upload_img(fileDir, oneface = True):

url = '%s/detection/detect?api_key=%s&api_secret=%s&attribute=none'%(

BASE_URL, API_KEY, API_SECRET)

if oneface: url += '&mode=oneface'

files = {'img': (os.path.basename(fileDir), open(fileDir, 'rb'),

mimetypes.guess_type(fileDir)[0]), }

r = requests.post(url, files = files)

faces = r.json().get('face')

if faces is None:

print('There is no face found in %s'%fileDir)

else:

return faces[0]['face_id']

def compare(faceId1, faceId2):

url = '%s/recognition/compare'%BASE_URL

params = BASE_PARAMS

params['face_id1'] = faceId1

params['face_id2'] = faceId2

r = requests.get(url, params)

return r.json()

faceId1 = upload_img('pic1.jpg')

faceId2 = upload_img('pic2.jpg')

if face_id1 and face_id2:

print(compare(faceId1, faceId2))

else:

print('Please change two pictures')

成品

到此，所有的知識介紹都結束了，相比大致如何完成這個項目各位讀者也已經有想法了吧。

下面我們需要構思一下人臉解鎖的思路，大致而言是這樣的：

• 使用一個程序設置賬戶（包括向賬戶中存儲解鎖用的圖片）

• 使用另一個程序登陸（根據輸入的用戶名測試解鎖）

這里會有很多重復的代碼，就不再贅述了，你可以在這里或者這里（提取碼：c073）下載源代碼測試使用。

這里是設置賬戶的截圖：

登陸

結束語

希望讀完這篇文章能對你有幫助，有什麼不足之處萬望指正（鞠躬）。