pythoncapi
❶ GBase 8a支持连接C语言吗
您是想问GBase8a支持连接CAPI吗？支持。GBase8a数据库支持ODBC、JDBC、ADO.NET等接口规范；支持CAPI、pythonAPI等接口。GBase8a接口驱动可以有效实现对上层应用请求的负载进行均衡，应用调用接口驱动配置多个集群节点的IP，接口驱动的内部进行连接的负载均衡。
❷ 如何搭建flask环境
安装了 python2.7.3 ，放在 d:\Python27\python ,并且创建了g:\microblog, 下载了 virtualenv.py并放在g:\microblog
cd g:\microblog,
g:\microblog>d:\Python27\python virtualenv.py flask
Overwriting flask\lib\orig-prefix.txt with new content
New python executable in flask\Scripts\python.exe
Traceback (most recent call last):
File "g:\microblog\flask\lib\site.py", line 67, in <mole>
import os
File "g:\microblog\flask\lib\os.py", line 397
yield from walk(new_path, topdown, onerror, followlinks)
^
SyntaxError: invalid syntax
ERROR: The executable flask\Scripts\python.exe is not functioning
ERROR: It thinks sys.prefix is u'g:\\microblog' (should be u'g:\\microblog\\flas
k')
ERROR: virtualenv is not compatible with this system or executable
Note: some Windows users have reported this error when they installed Python for
"Only this user" or have multiple versions of Python installed. Copying the app
ropriate PythonXX.dll to the virtualenv Scripts/ directory may fix this problem.
dir D:\Python27\DLLs
Directory of D:\Python27\DLLs
08/18/2014 09:36 AM <DIR> .
08/18/2014 09:36 AM <DIR> ..
04/10/2012 11:31 PM 59,904 bz2.pyd
03/08/2011 09:39 AM 19,790 py.ico
03/08/2011 09:39 AM 19,790 pyc.ico
04/10/2012 11:31 PM 103,424 pyexpat.pyd
04/10/2012 11:31 PM 9,728 select.pyd
04/10/2012 11:31 PM 337,920 sqlite3.dll
08/28/2010 02:42 PM 867,840 tcl85.dll
08/28/2010 02:42 PM 8,192 tclpip85.dll
08/28/2010 02:45 PM 1,320,448 tk85.dll
04/10/2012 11:31 PM 686,592 unicodedata.pyd
04/10/2012 11:31 PM 8,704 winsound.pyd
04/10/2012 11:32 PM 877,056 _bsddb.pyd
04/10/2012 11:31 PM 74,240 _ctypes.pyd
04/10/2012 11:31 PM 13,824 _ctypes_test.pyd
04/10/2012 11:31 PM 70,656 _elementtree.pyd
04/10/2012 11:31 PM 285,184 _hashlib.pyd
04/10/2012 11:31 PM 46,080 _msi.pyd
04/10/2012 11:31 PM 23,552 _multiprocessing.pyd
04/10/2012 11:31 PM 40,960 _socket.pyd
04/10/2012 11:31 PM 41,984 _sqlite3.pyd
04/10/2012 11:31 PM 721,920 _ssl.pyd
04/10/2012 11:31 PM 29,184 _testcapi.pyd
04/10/2012 11:31 PM 30,208 _tkinter.pyd
23 File(s) 5,697,180 bytes
2 Dir(s) 5,159,092,224 bytes free
❸ 为什么人工智能用Python
这属于一种误解，人工智能的核心算法是完全依赖于C/C++的，因为是计算密集型，需要非常精细的优化，还需要GPU、专用硬件之类的接口，这些都只有C/C++能做到。所以某种意义上其实C/C++才是人工智能领域最重要的语言。
Python是这些库的API
binding，使用Python是因为CPython的胶水语言特性，要开发一个其他语言到C/C++的跨语言接口，Python是最容易的，比其他语言的ffi门槛要低不少，尤其是使用Cython的时候。其他语言的ffi许多都只能导入C的函数入口点，复杂的数据结构大多只能手工用byte数组拼起来，如果还需要回调函数输入那就无计可施了。而CPython的C
API是双向融合的，可以直接对外暴露封装过的Python对象，还可以允许用户通过继承这些自定义对象来引入新特性，甚至可以从C代码当中再调用Python的函数（当然，也有一定的条件限制）。不过这也是PyPy这样的JIT解释器的一个障碍。
而且Python历史上也一直都是科学计算和数据分析的重要工具，有numpy这样的底子，因为行业近似所以选择API
binding语言的时候会首选Python，同时复用numpy这样的基础库既减少了开发工作量，也方便从业人员上手。
❹ python 判断请求是pc端还是手机端
#判断网站来自mobile还是pc
defcheckMobile(request):
"""
demo:
@app.route('/m')
defis_from_mobile():
ifcheckMobile(request):
return'mobile'
else:
return'pc'
:paramrequest:
:return:
"""
userAgent=request.headers['User-Agent']
#userAgent=env.get('HTTP_USER_AGENT')
_long_matches=r'googlebot-mobile|android|avantgo|blackberry|blazer|elaine|hiptop|ip(hone|od)|kindle|midp|mmp|mobile|o2|operamini|palm(os)?|pda|plucker|pocket|psp|smartphone|symbian|treo|up.(browser|link)|vodafone|wap|windowsce;(iemobile|ppc)|xiino|maemo|fennec'
_long_matches=re.compile(_long_matches,re.IGNORECASE)
_short_matches=r'1207|6310|6590|3gso|4thp|50[1-6]i|770s|802s|awa|abac|ac(er|oo|s-)|ai(ko|rn)|al(av|ca|co)|amoi|an(ex|ny|yw)|aptu|ar(ch|go)|as(te|us)|attw|au(di|-m|r|s)|avan|be(ck|ll|nq)|bi(lb|rd)|bl(ac|az)|br(e|v)w|bumb|bw-(n|u)|c55/|capi|ccwa|cdm-|cell|chtm|cldc|cmd-|co(mp|nd)|craw|da(it|ll|ng)|dbte|dc-s|devi|dica|dmob|do(c|p)o|ds(12|-d)|el(49|ai)|em(l2|ul)|er(ic|k0)|esl8|ez([4-7]0|os|wa|ze)|fetc|fly(-|_)|g1u|g560|gene|gf-5|g-mo|go(.w|od)|gr(ad|un)|haie|hcit|hd-(m|p|t)|hei-|hi(pt|ta)|hp(i|ip)|hs-c|ht(c(-||_|a|g|p|s|t)|tp)|hu(aw|tc)|i-(20|go|ma)|i230|iac(|-|/)|ibro|idea|ig01|ikom|im1k|inno|ipaq|iris|ja(t|v)a|jbro|jemu|jigs|kddi|keji|kgt(|/)|klon|kpt|kwc-|kyo(c|k)|le(no|xi)|lg(g|/(k|l|u)|50|54|e-|e/|-[a-w])|libw|lynx|m1-w|m3ga|m50/|ma(te|ui|xo)|mc(01|21|ca)|m-cr|me(di|rc|ri)|mi(o8|oa|ts)|mmef|mo(01|02|bi|de|do|t(-||o|v)|zz)|mt(50|p1|v)|mwbp|mywa|n10[0-2]|n20[2-3]|n30(0|2)|n50(0|2|5)|n7(0(0|1)|10)|ne((c|m)-|on|tf|wf|wg|wt)|nok(6|i)|nzph|o2im|op(ti|wv)|oran|owg1|p800|pan(a|d|t)|pdxg|pg(13|-([1-8]|c))|phil|pire|pl(ay|uc)|pn-2|po(ck|rt|se)|prox|psio|pt-g|qa-a|qc(07|12|21|32|60|-[2-7]|i-)|qtek|r380|r600|raks|rim9|ro(ve|zo)|s55/|sa(ge|ma|mm|ms|ny|va)|sc(01|h-|oo|p-)|sdk/|se(c(-|0|1)|47|mc|nd|ri)|sgh-|shar|sie(-|m)|sk-0|sl(45|id)|sm(al|ar|b3|it|t5)|so(ft|ny)|sp(01|h-|v-|v)|sy(01|mb)|t2(18|50)|t6(00|10|18)|ta(gt|lk)|tcl-|tdg-|tel(i|m)|tim-|t-mo|to(pl|sh)|ts(70|m-|m3|m5)|tx-9|up(.b|g1|si)|utst|v400|v750|veri|vi(rg|te)|vk(40|5[0-3]|-v)|vm40|voda|vulc|vx(52|53|60|61|70|80|81|83|85|98)|w3c(-|)|webc|whit|wi(g|nc|nw)|wmlb|wonu|x700|xda(-|2|g)|yas-|your|zeto|zte-'
_short_matches=re.compile(_short_matches,re.IGNORECASE)
if_long_matches.search(userAgent)!=None:
returnTrue
user_agent=userAgent[0:4]
if_short_matches.search(user_agent)!=None:
returnTrue
returnFalse
编译sqlite
先去 http://www.sqlite.org/download.html 下载最新的sqlite源代码，我这里用的是3.5.6版本的。
我推荐使用amalgamation版本的源代码，这个代码只有几个文件而已，编译起来方便，而且据说 编译器好的话，还可能编译出更高效的代码。 我下载的是
[plain]
view plain
http://www.sqlite.org/sqlite-amalgamation-3.5.6.tar.gz
先运行以下几步：
[plain]
view plain
tar zxf sqlite-amalgamation-3.5.6.tar.gz
cd sqlite-3.5.6
./configure --host=arm-linux --prefix=/usr/local/arm/3.3.2 --enable-shared --disable-readline --disable-dynamic-extensions
以上是把sqlite解压缩，然后做一些配置，这里，我希望sqlite到时候安装到/usr/local/arm/3.3.2里，要生成动态链接库，不要readline，不要sqlite的动态扩展。
然后编辑Makefile，把CFLAG和CXXFLAG中的-g去掉，我们不用debug sqlite。
接下来就可以编译和安装sqlite了：
[plain]
view plain
make
make install
这一步就完成了sqlite的编译和安装了。
编译python
先去http://www.python.org/download/下载最新版本的python源代码，我这里下载的是：
[plain]
view plain
http://www.python.org/ftp/python/2.5.1/Python-2.5.1.tar.bz2
先把python解压缩：
[plain]
view plain
tar jxf Python-2.5.1.tar.bz2
cd Python-2.5.1
编译pc版本的语法解析器
由于在编译python的时候，需要先编译一个叫pgen的程序出来，用于生成语法解析器，所以我们要先生成一个pc版本的pgen：
[plain]
view plain
mkdir build.pc
cd build.pc
../configure
make Parser/pgen
然后ls Parser一下，应该就能看到有pgen了。
修改configure
configure在检测编译器的printf是否支持%zd的时候，如果发现是在cross compile，就直接不干活了。这还了得？
把这一部分的检测代码去掉。这段代码起始于
[plain]
view plain
echo "$as_me:$LINENO: checking for %zd printf() format support" >&5
echo $ECHO_N "checking for %zd printf() format support... $ECHO_C" >&6
if test "$cross_compiling" = yes; then
结束于
[plain]
view plain
cat >>confdefs.h <<\_ACEOF
#define PY_FORMAT_SIZE_T "z"
_ACEOF
else
echo "$as_me: program exited with status $ac_status" >&5
echo "$as_me: failed program was:" >&5
sed 's/^/| /' conftest.$ac_ext >&5
( exit $ac_status )
echo "$as_me:$LINENO: result: no" >&5
echo "${ECHO_T}no" >&6
fi
rm -f core *.core gmon.out bb.out conftest$ac_exeext conftest.$ac_objext conftest.$ac_ext
fi
把这两段以及中间的内容都删除掉就可以了。
编译arm版本的python
有了语法解析器，就可以开始编译arm版本的python了。
[plain]
view plain
mkdir ../build.arm
cd ../build.arm
../configure --prefix=/home/leojay/test/arm-system-working/rootfs --disable-ipv6 --host=arm-linux --enable-shared
先创建一个用于编译的目录build.arm，再对python做一些配置，如安装目录，不要ipv6，使用arm-linux的编译器，生成动态链接库。
修改Makefile
之后就要对Makefile做一些修改，把
[plain]
view plain
OPT= -DNDEBUG -g -O3 -Wall -Wstrict-prototypes
一行中，去掉-g，我们不要debug python，-O3改为-O2，空间紧张O2就可以了。
在
[plain]
view plain
PGEN= Parser/pgen$(EXE)
一行的下面加上
[plain]
view plain
PGEN_HOST= ../build.pc/Parser/pgen$(EXE)
表明我们在HOST上运行的pgen
在要使用PGEN的地方改为PGEN_HOST:
[plain]
view plain
$(GRAMMAR_H) $(GRAMMAR_C): $(PGEN) $(GRAMMAR_INPUT)
-$(PGEN) $(GRAMMAR_INPUT) $(GRAMMAR_H) $(GRAMMAR_C)
改为：
[plain]
view plain
$(GRAMMAR_H) $(GRAMMAR_C): $(PGEN) $(GRAMMAR_INPUT)
-$(PGEN_HOST) $(GRAMMAR_INPUT) $(GRAMMAR_H) $(GRAMMAR_C)
修改所有使用新生成的python的地方。
所有如 ./$(BUILDPYTHON) 的地方，都改为python
如：
[plain]
view plain
platform: $(BUILDPYTHON)
$(RUNSHARED) ./$(BUILDPYTHON) -E -c 'import sys ; from distutils.util import get_platform ; print get_platform()+"-"+sys.version[0:3]' >platform
改为
[plain]
view plain
platform: $(BUILDPYTHON)
$(RUNSHARED) python -E -c 'import sys ; from distutils.util import get_platform ; print get_platform()+"-"+sys.version[0:3]' >platform
这种地方比较多，大家小心修改。
修改setup.py
setup.py负责编译python的各个扩展模块。但是，由于python完全没有考虑cross compile，所以要做一些修改。
PyBuildExt类：
函数的前两行是把/usr/local加到搜索目录中，我们的cross compiler一般不会直接安装在 /usr/local里面的，所以这两行去掉：
[plain]
view plain
lib_dirs, inc_dirs的设定中，把中括号里的那些都去掉。 以下所有模块都不要：
这个函数在编译了所有的extension后，会去load这些刚编译好的extension， 但我们在i686的电脑上显然不能load，所以要跳过这些操作。 在 build_ext.build_extension(self, ext)后面直接写一个return，不做load。
for d in ['/usr/local/arm/3.3.2/include']
for d in inc_dirs + sqlite_inc_paths:
ssl, openssl, bdb, dbm, termios, nsl, ncurses, bz2, linuxaudiodev, ossaudiodev, tkinter
add_dir_to_list(self.compiler.library_dirs, '/usr/local/lib')
add_dir_to_list(self.compiler.include_dirs, '/usr/local/include')
build_extension函数：
detect_moles函数：
cmath, ctypes, _testcapi, pwd, grp, spwd, mmap, audioop, imageop, rgbimg, readline,
[plain]
view plain
由于python本身的问题，现在ctypes还不能在除i386以外的机器上运行，所以ctypes也去掉 编译sqlite的地方：
[plain]
view plain
改为：
[plain]
view plain
因为我的sqlite3安装在这里，如果这里不改的话，setup.py会在我的电脑上找sqlite
main函数：
setup函数调用的时候，把要安装的scripts那一部分去掉
之后就可以make && make install了。
附上我修改后的 Makefile 和 setup.py 供大家参考
裁减python
python完全安装后，实在是很大，所以，要把一些肯定用不上的库去掉。 所以，再附上我的裁减脚本 cleanpy.sh
注意，由于我的python程序都运行在python -OO的参数下，所有的.py和.pyc都不需要， 只要有.pyo就可以了。所以，这个脚本会把所有的.py和.pyc都删除掉。
大家可以根据自己的需要做调整。
你的
sqlite3数据库是用
SEE
加密的吗？
如果是了话，试一下通过python执行以下sqlite
pragma命令来提供解密key
PRAGMA key='your-secret-key';
根据
SEE的文档，通过
PRAGMA
命令也可以提供解密key，而不需 sqlite3_key_v2()
这个C
API。你试一下。
❼ 现在AI很火，我到底该学Python还是C/C++
python目前比较火，c++的话比较多人用，不过你可以去招聘网站查看下要求，看看目前大众选择的哪款要求多来考虑学哪个。
❽ python好学吗，人工智能跟python有什么关系
提到人工智能就一定会提到Python，有的初学者甚至认为人工智能和Python是划等号的，其实Python是一种计算机程序设计语言。是一种动态的、面向对象的脚本语言，开始时是用于编写自动化脚本(shell)，随着版本的不断更新和语言新功能的添加，越来越多被用于独立的、大型项目的开发。而人工智能通俗讲就是人为的通过嵌入式技术把程序写入机器中使其实现智能化。显然人工智能和Python是两个不同的概念。人工智能和Python的渊源在于。就像我们统计数据或选择用excel制作表格时，因为在需要用到加减乘除或者、函数等时，只需要套用公司就可以。因为SUM、AVERAGE等这样的函数运行的背后，是C++/C#等语言已经编写好了代码，所以Excel只是工具和展现形式并不是它做计算。同理在学习人工智能时Python只是用来操作深度学习框架的工具，实际负责运算的主要模块并不依靠Python，真正起作用的是也是一大堆复杂的C++
/ CUDA程序。
深度学习人工智能时，自己计算太复杂，还要写C++代码操作，这时程序员就想要不搞一套类似复杂的Excel配置表，直接搭建神经网络、填参数、导入数据，一点按钮就直接开始训练模型、得出结果。这个方法简单实用可是神经网络搭建起来太复杂，需要填写的参数太多，各种五花八门的选项也很难做成直观的图形工具。只能用一个类似Python的相对好用的语言，通过简化的程序代码来搭建神经网络、填写参数、导入数据，并调用执行函数进行训练。通过这种语言来描述模型、传递参数、转换好输入数据，然后扔到复杂的深度学习框架里面去计算。那么为什么会选择Python?科学家们很早就喜欢用Python实验算法，也善于使用numpy做科学计算，用pyplot画数据图。恰好Google内部用Python也非常多，所以采用Python也是必然的。除Python外，实际上TensorFlow框架还支持JavaScript、c++、Java、GO、等语言。按说人工智能算法用这些也可以。但是官方说了，除Python之外的语言不一定承诺API稳定性。所以人工智能和Python就密不可分了。单说人工智能的核心算法，那是是完全依赖于C/C++的，因为是计算密集型，需要非常精细的优化，还需要GPU、专用硬件之类的接口，这些都只有C/C++能做到。所以某种意义上其实C/C++才是人工智能领域最重要的语言。Python是这些库的API
binding，要开发一个其他语言到C/C++的跨语言接口，Python是最容易的，比其他语言的ffi门槛要低不少，CPython的C
API是双向融合的，可以直接对外暴露封装过的Python对象，还可以允许用户通过继承这些自定义对象来引入新特性，甚至可以从C代码当中再调用Python的函数。Python一直都是科学计算和数据分析的重要工具，Python是这些库的API
binding，要开发一个其他语言到C/C++的跨语言接口，Python是最容易的，比其他语言的ffi门槛要低不少，CPython的C
API是双向融合的，可以直接对外暴露封装过的Python对象，还可以允许用户通过继承这些自定义对象来引入新特性，甚至可以从C代码当中再调用Python的函数。都说时势造英雄，也可以说是人工智能和Python互相之间成就者对方，人工智能算法促进Python的发展，而Python也让算法更加简单。
❾ python函数多个返回值怎么调用
在c/c++中调用了这个函数之后不是会返回一个pyobject对象吗？那个对象就是一个list啊，然后使用pylist_size()获取它的大小，使用pylist_getitem()去读取其中的元素就ok了啊。
找下python的c
api
manual，里面这些函数的用法写的很详细的。
❿ csharp怎么连接mysql数据库
你可以访问Python数据库接口及API查看详细的支持数据库列表。不同的数据库你需要下载不同的DBAPI模块，例如你需要访问Oracle数据库和Mysql数据，你需要下载Oracle和MySQL数据库模块。DB-API是一个规范.它定义了一系列必须的对象和数据库存取方式,以便为各种各样的底层数据库系统和多种多样的数据库接口程序提供一致的访问接口。Python的DB-API，为大多数的数据库实现了接口，使用它连接各数据库后，就可以用相同的方式操作各数据库。PythonDB-API使用流程：引入API模块。获取与数据库的连接。执行SQL语句和存储过程。关闭数据库连接。什么是MySQLdb?MySQLdb是用于Python链接Mysql数据库的接口，它实现了Python数据库API规范V2.0，基于MySQLCAPI上建立的。如何安装MySQLdb?为了用DB-API编写MySQL脚本，必须确保已经安装了MySQL。复制以下代码，并执行：#!/usr/bin/python#-*-coding:UTF-8-*-importMySQLdb