图片大小计算方法

一、图像占用空间的大小计算:

大小=分辨率*位深/8
分辨率=宽*高(如:1024*768,640*480)
位深:如24位,16位,8位
/8计算的是字节数。
例如:
一幅图像分辨率:1024*768,24位,则其大小计算如下:
大小=1024*768824/8=2359296byte=2304KB

二、图像物理尺寸的大小计算:

参考一些会员近期提出的问题,和冈萨雷斯的书,做出一些总结,希望对大家有所帮助,也希望大家多多补充。

1、厘米和像素

厘米和像素没任何关系,厘米是长度单位,什么是象素呢?像素是组成图像的最基本单元。它是一个小的方形的颜色块。

一个图像通常由许多像素组成,这些像素被排成横行或纵列,每个像素都是方形的。当你用缩放工具将图像放到足够大时,就可以看到类似马赛克的效果,每个小方块就是一个像素。

每个像素都有不同的颜色值。单位面积内的像素越多,分辨率(dpi)越高,图像的效果就越好。

显示器上正常显示的图像,当放大到一定比例后,就会看到类似马赛克的效果。每个小方块为一个像素,也可称为栅格。像素图的质量是由分辨率决定的,单位面积内的像素越多,分辨率越高,图像的效果就越好。

2、DPI计算

这幅图像分辨率200*200dpi,大小450*450像素,那么就可以得到:
图像大小 = 图像大小 / 分辨率 = 450 / 200 = 2.25
所以,这幅图像的大小为2.25*2.25英寸
如果要求图像大小变成1.5*1.5英寸,但像素数仍为450*450,按照公式:
图像大小 = 图像像素数 / 图像分辨率,就得到了图像的分辨率应为:450 / 1.5 = 300dpi
所以,应该使用命令imwrite(f, ‘sf.tif’, ‘compression’, ‘none’, ‘resolution’, [300 300])

3、计算方法验证

用Photoshop来查看:

可以看到,图像的像素数仍为450*450,但原图像的分辨率为200dpi,尺寸大小为2.25*2.25英寸,新图像的分辨率为300dpi,尺寸大小为1.5*1.5英寸;
新图像是450*450的像素分布在1.5*1.5英寸的区域内,这样的过程在打印文档时控制图像的大小而不牺牲其分辨率是很有用的。

原文链接:https://blog.csdn.net/fr_han/article/details/8921641

最佳的 7 款 .NET 开发的 CMS 系统

DotNetNuke

DotNetNuke(简称DNN)是一个免费的、开源的、可扩展的内容管理系统,是建立在 ASP.NET 平台上的Web应用框架。

mojoPortal

mojoPortal是一款C#开发的面向对象网站框架,它可以运行于Windows的ASP.NET 和GNU/Linux 或Mac OS X的Mono的平台上。

Umbraco

Umbraco是一个开放源码的CMS内容管理系统,基于asp.net建立,使用mssql进行存储数据。 使用Umbraco ,设计师能创造出有效的XHTML标记模板和开发人员可以创建任何基于.Net的模块。主要特点包括:

  • 漂亮,友好的用户界面
  • 综合所见即所得编辑器
  • 支持编辑在Microsoft Word
  • 全部源代码可用(开放源代码)
  • 超级简单的模板引擎
  • 完全支持Web标准

Cuyahoga

Cuyahoga是C#开发的灵活的CMS / Portal 解决方案。它可以运行于Microsoft .NET 和Mono 平台,支持SQL Server, PostgreSQL或MySQL作为底层数据库。

N2 CMS

N2CMS 是一款轻量级的cms框架,它能帮你建立一个人人都能够更新的大站点.网站内容编辑者将享有一个简单且功能强大的WEB界面,同时开发者将享有一个友好的API这使得建站变得快速和有趣.

TheBeerHouse

TheBeerHouse 是一个采用微软 MVC 框架开发的 CMS 和电子商务网站

Kooboo

Kooboo是一个基于ASP.NET MVC的CMS系统,实现面向企业级的内容管理解决方案和快速开发。

Kooboo具有如下主要特性:
— 基于角色的用户管理
–无限制的用户和站点
–实现各种验证
–内容版本控制
–工作流控制
–布局和内容模板本站文章除注明转载外,均为本站原创或编译。欢迎任何形式的转载,但请务必注明出处,尊重他人劳动共创开源社区。转载请注明:文章转载自 OSCHINA 社区 [http://www.oschina.net]本文标题:最佳的 7 款 .NET 开发的 CMS 系统本文地址:https://www.oschina.net/news/28537/7-best-open-source-cms-for-net

大型网站服务器配置

你想建设一个能承受500万PV/每天的网站吗? 500万PV是什么概念?服务器每秒要处理多少个请求才能应对?如果计算呢? 

PV是什么:

PV是page view的简写。PV是指页面的访问次数,每打开或刷新一次页面,就算做一个pv。 

计算模型: 
每台服务器每秒处理请求的数量=((80%*总PV量)/(24小时*60分*60秒*40%)) / 服务器数量 。
其中关键的参数是80%、40%。表示一天中有80%的请求发生在一天的40%的时间内。24小时的40%是9.6小时,有80%的请求发生一天的9.6个小时当中(很适合互联网的应用,白天请求多,晚上请求少)。 

简单计算的结果:
((80%*500万)/(24小时*60分*60秒*40%))/1 = 115.7个请求/秒 
((80%*100万)/(24小时*60分*60秒*40%))/1 = 23.1个请求/秒 

初步结论: 
现在我们在做压力测试时,就有了标准,如果你的服务器一秒能处理115.7个请求,就可以承受500万PV/每天。如果你的服务器一秒能处理23.1个请求,就可以承受100万PV/每天。

留足余量:

以上请求数量是均匀的分布在白天的9.6个小时中,但实际情况并不会这么均匀的分布,会有高峰有低谷。为了应对高峰时段,应该留一些余地,最少也要x2倍,x3倍也不为过。

115.7个请求/秒 *2倍=231.4个请求/秒

115.7个请求/秒 *3倍=347.1个请求/秒

23.1个请求/秒 *2倍=46.2个请求/秒

23.1个请求/秒 *3倍=69.3个请求/秒

最终结论:

如果你的服务器一秒能处理231.4–347.1个请求/秒,就可以应对平均500万PV/每天。

如果你的服务器一秒能处理46.2–69.3个请求,就可以应对平均100万PV/每天。

说明:

这里说明每秒N个请求,就是QPS。因为我关心的是应用程序处理业务的能力。 

实际经验:

1、根据实际经验,采用两台常规配置的机架式服务器,配置是很常见的配置,例如一个4核CPU+4G内存+服务器SAS硬盘。

2、个人武断的认为在服务器CPU领域Intel的CPU要优于AMD的CPU,有反对的就反对吧,我都说我武断了(请看CPU性能比较),不要太相信AMD的广告,比较CPU性能简单办法就是比价格,不要比频率与核心数,价格相差不多的性能也相差不多。

3、硬盘的性能很重要,由其是数据库服务器。一般的服务器都配1.5万转的SAS硬盘,高级一点的可以配SSD固态硬盘,性能会更好。最最最最重要的指标是“随机读写性能”而不是“顺序读写性能”。(本例还是配置最常见的1.5万转的SAS硬盘吧)

4、一台服务器跑Tomcat运行j2ee程序,一台服务器跑MySQL数据库,程序写的中等水平(这个真的不好量化),是论坛类型的应用(总有回帖,不太容易做缓存,也无法静态化)。

5、以上软硬件情况下,是可以承受100万PV/每天的。(已留有余量应对突然的访问高峰)

注意机房的网络带宽:

有人说以上条件我都满足了,但实际性能还是达不到目标。这时请注意你对外的网络的带宽,在国内服务器便宜但带宽很贵,很可能你在机房是与大家共享一条100M的光纤,实际每个人可分到2M左右带宽。再好一点5M,再好一点双线机房10M独享,这已经很贵了(北京价格)。

一天总流量:每个页面20k字节*100万个页面/1024=19531M字节=19G字节,

19531M/9.6小时=2034M/小时=578K字节/s   如果请求是均匀分布的,需要5M(640K字节)带宽(5Mb=640KB 注意大小写,b是位,B是字节,差了8倍),但所有请求不可能是均匀分布的,当有高峰时5M带宽一定不够,X2倍就是10M带宽。10M带宽基本可以满足要求。

以上是假设每个页面20k字节,基本不包含图片,要是包含图片就更大了,10M带宽也不能满足要求了。你自已计算吧。

(全文完)

附:性能测试基本概念
————————————————————————————— 
基本概念: 
Throughput(吞吐量):按照常规理解网络吞吐量表示在单位时间内通过网卡数据量之和,其中即包括本机网卡发送出去的数据量也包括本机网卡接收到的数据量。 一个100Mb(位)的双工网卡,最大发送数据的速度是12.5M字节/s , 最大接收数据的速度是12.5M字节/s, 可以 同时 收发 数据。 
并发用户数:是同时执行操作的用户(线程数)。 
响应时间:从请求发出到收到响应花费的时间 。


QPS – Queries Per Second  每秒处理的查询数(如果是数据库,就相当于读取)
TPS – Transactions Per Second  每秒处理的事务数(如果是数据库,就相当于写入、修改)
IOPS,每秒磁盘进行的I/O操作次数

例如对某个数据库测试,分开两次测QPS与TPS。
QPS(读取)值总是高于TPS(写、改),并且有倍率关系,因为:
1、数据库对查询可能有缓存。
2、机械硬盘或SSD硬盘的读就是比写快。 
————————————————————————————— 
JMeter测试参数说明: 

Label:每一个测试单元的名字。 

#Samples:表示一个测试单元一共发出了多少个请求。 

Average:平均响应时间——默认情况下是单个 Request 的平均响应时间,当使用了 Transaction Controller 时,也可以以Transaction 为单位显示平均响应时间。,不重要。 

Median:中位数,也就是 50% 用户的响应时间,如果把响应时间从小到大顺序排序,那么50%的请求的响应时间在这个范围之内。重要。 

90% Line:90% 用户的响应时间,如果把响应时间从小到大顺序排序,那么90%的请求的响应时间在这个范围之内。重要 。 

Min:最小响应时间,不重要。 

Max:最大响应时间,出现几率只不过是千分之一甚至万分之一,不重要。 

Error%:本次测试中出现错误的请求的数量 

Throughput:吞吐量——默认情况下表示每秒完成的请求数(Request per Second),当使用了 Transaction Controller 时,也可以表示类似 LoadRunner 的 Transaction per Second 数 

KB/Sec:每秒从服务器端接收 到的数据量(只是接收),相当于LoadRunner中的Throughput/Sec 
————————————————————————————— 
loadrunner测试参数说明: 

响应时间:
 取90%值,如果把响应时间从小到大顺序排序,那么90%的请求的响应时间在这个范围之内。重要。 

每秒点击数 :hits per Second,每秒钟向服务器提交请求的数量。 

TPS: Transaction per Second ,每秒事务数,一个事务是指一个客户机向服务器发送请求然后服务器做出反应的过程 

Throughput(吞吐量): Loadrunner记录的Throughput是接收到服务器返回的所有字节数之和,与本地发出的字节数无关。 

Throughput/Sec: 每秒的吞吐量。 

对于BS架构的一般分析 响应时间、点击率、吞吐量、TPS(每秒事务数)。 
对于CS架构的一般分析 TPS(每秒事务数) 

————————————————————————————— 
Apache ab测试参数说明: 

RPS:
 Request per Second,每秒处理的请求数 
详见: 
http://blog.chinaunix.NET/u3/108043/showart_2260477.html

Python Bottle分析

Bottle 是一个非常精致的WSGI框架,它提供了 Python Web开发中需要的基本支持:URL路由,Request/Response对象封装,模板支持,与WSGI服务器集成支持。整个框架的全部代码约有 2000行,它的核心部分没有其他任何依赖,只要有Python环境就可以运行。

Bottle适用于小型的Web开发,在应用程序规模比较小的情况下可以实现快速开发。但是由于自身功能所限,对于大型的Web程序,Bottle的功能略显不足,程序员需要手动管理模块、数据库、配置等等,与Pylons等框架相比Bottle的优势就难以体现出来了。

快速入门

通过一个简单的、典型的例子描述Bottle的使用:

from bottle import Bottle, run, mako_view, request myapp = Bottle() @myapp.get('/hello/:name/:count#\\d+#')
@mako_view('hello')
def hello(name, count):
    ip = request.environ.    get('REMOTE_ADDR')
      return dict(n=name, c=int(count), ip=ip) run(app=myapp)

我们创建一个Bottle对象,通过decorator配置一条路由记录。Bottle的url映射支持具名参数,“/hello/:name/:count#\\d+#” 格式的参数,可以匹配/hello/(.+?)/(\d+?)的 URL。在方法体中,通过environ字典获得客户端IP,这个操作和其他WSGI框架是一致的。接着通过一个字典类型将Model数据传递给 View。View模板通过decorator定义,采用mako模板引擎实现,模板名为hello,他表示在当前目录下一个名叫hello.tpl的文 件。

剖析

Bottle主要可以分成4个模块:

Router和WSGI Application

Request和Response, Web helpers

Template Adapters

WSGI Server Adapters

Router和WSGI Application

一个Bottle对象是一个标准的WSGI App,这使他可以与很多WSGI Server集成。每个app下管理一个Router用于针对URL映射到handler方法。根据Python decorator的特性,路由规则是在程序启动时自动执行的。

Bottle的route方法用于注册handler到router中。除此以外,还有很多function currying帮助您简单地路由GET / POST 等特定HTTP方法。

Bottle最近以来支持了hook,可以注册一些方法在每个请求之前、或之后执行。

当接受一个HTTP请求时,WSGI Server会调用WSGI App的wsgi方法。它的流程是:

  1. 根据标准的WSGI接口规范,从WSGI environ中生成一个Request对象,初始化一个response对象。
  2. 在寻找方法之前,实际上Bottle会自动执行您注册的before_hook。(Bottle._add_hook_wrapper)
  3. 根据request.path的URL在router中寻找对应的handler方法(Bottle.match_url, Router.match)。这一步中除了找到合适的handler方法,还要负责提取url中的具名参数,将结果以tuple的形式返回。
  4. 以返回的方法和参数,执行handler,获得返回值。
  5. 执行所有的after_hooks。
  6. 根据返回的不同类型,写入Response的头部。在这一步,Bottle还会应用一些filter,在Bottle中,filter是用于处理 handler返回类型的。例如,一个典型的filter即内置的dict2json,他将handler返回的dict类型自动换成 json。(Bottle._cast)
  7. 根据返回的HTTP状态码,对handler返回对象进行处理。调用WSGI Server的start_response方法将返回对象写给客户端。

Request和Response, Web helpers

Bottle对HTTP的请求和响应封装了Request和Response对象。它采用threadlocal的方式,由Bottle app管理生命周期。您可以在声明handler方法时不必像Java Servlet那样将他们以参数传入,这样增加了方法设计的灵活性,也使得单元测试变得相对轻松。

Request对象是对WSGI environ属性的封装,可以从中取得的属性取决于WSGI Server对 PEP333 的实现。

关于Request API,可以参考 文档

类似的,可以参考 Response API 了解如何对HTTP响应进行操作

和很多Web框架一样,你不必手动去设置HTTP重定向,helper方法会简化这些操作:abort, redirect, static_file。当然,你也可以自己创建一些helper。

Template Adapters

template方法用于渲染视图,您可以使用不同的模板实现:mako, jinja2, cheetah, simpletal以及Bottle自己的简单实现。

view作为一个decorator可以简化模板的选择。与route类似,作者也提供了一些function currying来支持mako_view这样简便的写法。

Server Adapters

Bottle的Server Adapters简直可以说是WSGI Server的博览会,从这里您可以了解目前比较流行的WSGI实现:

  • flup
  • wsgiref
  • cherrypy
  • paste
  • fapws3
  • tornado
  • Google Appengine
  • twisted
  • diesel
  • meinheld
  • gunicorn
  • eventlet
  • gevent
  • rocket

当然,这些不是全部,如果要使用不在其中的WSGI Server,您只需实现一个ServerAdapter的run方法即可,需要做的就是将Bottle app传给server并启动它。

内置的run方法用于启动服务,您还可以指定一个reloader参数使Bottle在后台检查源文件的修改情况,实现热加载。

除了run方式的启动,由于Bottle app本身就是一个符合标准的WSGI app,所以也可以通过一些服务器特有的方式启动服务,例如gunicorn:

gunicorn -w 2 -D -b 127.0.0.1:18080 module:app

实战Middlewares

Middleware是WSGI的重要概念http://www.python.org/dev/peps/pep-0333 /#middleware-components-that-play-both-sides 借助一些成熟的middleware可以添加一些Bottle目前不具备的功能:没错,Session。

Session Middleware最著名的选择叫做Beaker,要其用Beaker,只需要一个装饰器模式的App声明即可,您可以参考Beaker的 文档 .

Pylons以使用Middleware著称,而除了Routing这样核心的Middleware,包括Beaker和Authkit都可以应用在Bottle程序上。

App Mounting

Bottle的App提供一个很有用的mount方法帮助你将Web应用模块化。您可以将一个Bottle App挂载到一个父App上的某个路径,以父App启动后,父App可以为子App在一个路径下提供路由。

不过你会遇到这样的问题:

child = Bottle()
@child.get("/")
def hello():
    return "hello world" parent = Bottle()
parent.mount(child, "/child")

很自然的,您希望打开浏览器访问http://localhost:8000/child可能看到hello world,然后却得到404.这个问题不难察觉,于是访问http://localhost:8000/child/,工作正常。

我曾给作者提过这个问题http://github.com/defnull/bottle/issues#issue/88,(补一 句,Bottle的作者少有的Nice,对你提出的问题他通常都会认真解答),作者提了一个重定向的方式,不过还是没有决定把它直接加进mount方法 里。

那么,我们需要一个新的mount来支持http://localhost:8000/child

def mount(parent, child, path):    parent.mount(child, path)    @parent.get(path)    def redir():        redirect(path+"/")

Google AppEngine

因为有WSGI标准,你可以用Bottle开发Google AppEngine程序。您只需要在handler文件中加入这样的代码即可:

from google.appengine.ext.webapp.util import run_wsgi_appdef main():    run_wsgi_app(my_bottle_app)if __name__ == '__main__':    main()

依赖?Bottle本身是self-contained,不过你可能还需要一个强大一些的模板引擎来完成你的应用,比如Mako。这样,你需要把依赖和自己的程序一起上传到GAE。对于Mako来说,除了它自己,还依赖marksave,别忘了它。

以上就是我对Bottle的理解和使用心得,希望您在合适的场景下使用Bottle,只有这样,才能感受到这个框架所带来的乐趣。

什么是.pyc文件?

1. Python是一门解释型语言?

Python是一门解释性语言,我就这样一直相信下去,直到发现了*.pyc文件的存在。

如果是解释型语言,那么生成的*.pyc文件是什么呢?c应该是compiled的缩写才对啊!

为了防止其他学习Python的人也被这句话误解,那么我们就在文中来澄清下这个问题,并且把一些基础概念给理清。

2. 解释型语言和编译型语言 

计算机是不能够识别高级语言的,所以当我们运行一个高级语言程序的时候,就需要一个“翻译机”来从事把高级语言转变成计算机能读懂的机器语言的过程。这个过程分成两类,第一种是编译,第二种是解释。

编译型语言在程序执行之前,先会通过编译器对程序执行一个编译的过程,把程序转变成机器语言。运行时就不需要翻译,而直接执行就可以了。最典型的例子就是C语言。

解释型语言就没有这个编译的过程,而是在程序运行的时候,通过解释器对程序逐行作出解释,然后直接运行,最典型的例子是Ruby。

通过以上的例子,我们可以来总结一下解释型语言和编译型语言的优缺点,因为编译型语言在程序运行之前就已经对程序做出了“翻译”,所以在运行时就少掉了“翻译”的过程,所以效率比较高。但是我们也不能一概而论,一些解释型语言也可以通过解释器的优化来在对程序做出翻译时对整个程序做出优化,从而在效率上接近编译型语言,而不能超过编译型语言。

此外,随着Java等基于虚拟机的语言的兴起,我们又不能把语言纯粹地分成解释型和编译型这两种。

用Java来举例,Java首先是通过编译器编译成字节码文件,然后在运行时通过解释器给解释成机器文件。所以我们说Java是一种先编译后解释的语言。

3. Python到底是什么 

其实Python和Java/C#一样,也是一门基于虚拟机的语言,我们先来从表面上简单地了解一下Python程序的运行过程吧。

当我们在命令行中输入python hello.py时,其实是激活了Python的“解释器”,告诉“解释器”:你要开始工作了。可是在“解释”之前,其实执行的第一项工作和Java一样,是编译。

熟悉Java的同学可以想一下我们在命令行中如何执行一个Java的程序:

javac hello.java

java hello

只是我们在用Eclipse之类的IDE时,将这两部给融合成了一部而已。其实Python也一样,当我们执行python hello.py时,他也一样执行了这么一个过程,所以我们应该这样来描述Python,Python是一门先编译后解释的语言。

4. 简述Python的运行过程

在说这个问题之前,我们先来说两个概念,PyCodeObject和pyc文件。

我们在硬盘上看到的pyc自然不必多说,而其实PyCodeObject则是Python编译器真正编译成的结果。我们先简单知道就可以了,继续向下看。

当python程序运行时,编译的结果则是保存在位于内存中的PyCodeObject中,当Python程序运行结束时,Python解释器则将PyCodeObject写回到pyc文件中。

当python程序第二次运行时,首先程序会在硬盘中寻找pyc文件,如果找到,先对.pyc文件和.py文件的最近一次的修改时间进行判断,如果.pyc文件的修改时间晚于.py文件,说明.py文件中的源代码未修改过,则直接载入,否则就重复上面的过程。

所以我们应该这样来定位PyCodeObject和pyc文件,我们说pyc文件其实是PyCodeObject的一种持久化保存方式。

Python打包成EXE可执行程序

RPA的高级应用技巧——Python 程序打包成 exe 可执行文件

Python 程序打包工具

Python 是一个脚本语言,被解释器解释执行。它的发布方式:

.py 文件:对于开源项目或者源码没那么重要的,直接提供源码,需要使用者自行安装 Python 并且安装依赖的各种库。(Python 官方的各种安装包就是这样做的)。

.pyc 文件:有些公司或个人因为机密或者各种原因,不愿意源码被运行者看到,可以使用 pyc 文件发布,pyc 文件是 Python 解释器可以识别的二进制码,故发布后也是跨平台的,需要使用者安装相应版本的 Python 和依赖库。

可执行文件:对于非码农用户或者一些小白用户,你让他装个 Python 同时还要折腾一堆依赖库,那简直是个灾难。对于此类用户,最简单的方式就是提供一个可执行文件,只需要把用法告诉他即可。比较麻烦的是需要针对不同平台需要打包不同的可执行文件(Windows, Linux, Mac,…)。

.py 和.pyc 都比较简单,Python 本身就可以搞定。将 Python 脚本打包成可执行文件有多种方式。

PyInstaller

安装 pyinstaller

对于那些网络比较稳定,能够流畅使用 pip 源地址的用户,直接下面的命令就可以搞定:

pip install pyinstaller

通常我们会下载源码包,然后进入包目录,执行下面的命令(需要安装 setuptools):

python setup.py install

安装完后,检查安装成功与否:

pyinstaller --version

安装成功后,就可以使用下面的命令了:

pyinstaller : 打包可执行文件的主要命令,详细用法下面会介绍。

pyi-archive_viewer : 查看可执行包里面的文件列表。

pyi-bindepend : 查看可执行文件依赖的动态库(.so 或.dll 文件)

pyi-… : 等等。

使用 PyInstaller

pyinstaller 的语法:pyinstaller [options] script [script…] | specfile

最简单的用法,在和 myscript.py 同目录下执行命令:

pyinstaller mycript.py

然后会看到新增加了两个目录 build 和 dist,dist 下面的文件就是可以发布的可执行文件,对于上面的命令你会发现 dist 目录下面有一堆文件,各种都动态库文件和 myscrip 可执行文件。有时这样感觉比较麻烦,需要打包 dist 下面的所有东西才能发布,万一丢掉一个动态库就无法运行了,好在 pyInstaller 支持单文件模式,只需要执行:

pyinstaller -F mycript.py

你会发现 dist 下面只有一个可执行文件,这个单文件就可以发布了,可以运行在你正在使用的操作系统类似的系统的下面。当然,pyinstaller 还有各种选项,有通用选项,如 -d 选项用于 debug。

在执行 pyInstaller 命令的时候,会在和脚本相同目录下,生成一个.spec 文件,该文件会告诉 pyinstaller 如何处理你的所有脚本,同时包含了命令选项。一般我们不用去理会这个文件,若需要打包数据文件,或者给打包的二进制增加一些 Python 的运行时选项时…一些高级打包选项时,需要手动编辑.spec 文件。可以使用:

pyi-makespec optionsscript [script …]

创建一个.spec 文件,对于手动编辑的.spec 文件,我们可以使用下面任意一条命令:

pyinstaller specfile

pyi-build specfile

PyInstaller 原理简介

PyInstaller 其实就是把 python 解析器和你自己的脚本打包成一个可执行的文件,和编译成真正的机器码完全是两回事,所以千万不要指望成打包成一个可执行文件会提高运行效率,相反可能会降低运行效率,好处就是在运行者的机器上不用安装 python 和你的脚本依赖的库。在 Linux 操作系统下,它主要用的 binutil 工具包里面的 ldd 和 objdump 命令。

PyInstaller 输入你指定的的脚本,首先分析脚本所依赖的其他脚本,然后去查找,复制,把所有相关的脚本收集起来,包括 Python 解析器,然后把这些文件放在一个目录下,或者打包进一个可执行文件里面。

可以直接发布输出的整个文件夹里面的文件,或者生成的可执行文件。你只需要告诉用户,你的应用 App 是自我包含的,不需要安装其他包,或某个版本的 Python,就可以直接运行了。

需要注意的是,PyInstaller 打包的执行文件,只能在和打包机器系统同样的环境下。也就是说,不具备可移植性,若需要在不同系统上运行,就必须针对该平台进行打包。

实践问题

pyinstaller 打包后的 exe 运行怎么去掉弹出的命令行提示窗口?

1. 如果使用.spec 文件的话, 在该文件中找到 console=True 修改为 console=False

2. 如果是直接指定 python 文件进行 pyinstaller 打包的话,需要添加—noconsole

pyinstaller path\mycode.py–noconsole

如果想只打包成一个 exe:

pyinstaller -F path\mycode.py –noconsole

或:

pyinstaller -F -wpath\mycode.py

更换最终 exe 生成路径

在 cmd 中,一开始就要 cd D:\PythonEXE\ 切换到输出文件夹,然后在用上面的代码,说明:各个参数的作用,

例子:pyinstaller -F -w -pD:\tmp\core-python\libs -i d:\tmp\main.ico main.py

-F 表示生成单个可执行文件;

-D –onedir 创建一个目录,包含 exe 文件,但会依赖很多文件(默认选项)。

-w 表示去掉控制台窗口,这在 GUI 界面时非常有用。不过如果是命令行程序的话那就把这个选项删除吧!;

-c –console, –nowindowed 使用控制台,无界面 (默认);

-p 表示你自己自定义需要加载的类路径,一般情况下用不到;

-i 表示可执行文件的图标。

py2exe

(py2exe 似乎只能支持 python3.3 和 pyhton3.4)

py2exe 是一个将 python 脚本转换成 windows 上的可独立执行的可执行程序 (*.exe) 的工具,这样,你就可以不用装 python 而在 windows 系统上运行这个可执行程序。

py2exe 已经被用于创建 wxPython, Tkinter, Pmw, PyGTK, pygame,win32com client 和 server, 和其它的独立程序。py2exe 是发布在开源许可证下的。

py2exe 的用法

如果你有一个名为 myscript.py 的 python 脚本,你想把它转换为运行在 windows 上的可执行程序,并运行在没有安装 python 的 windows 系统上,那么首先你应写一个用于发布程序的设置脚本例如 mysetup.py,在其中的 setup 函数前插入语句 import py2exe 。

mysetup.py 示例如下:

# mysetup.py 
from distutils.core import setup 
import py2exe 
setup(console=["myscript.py"]) 

然后按下面的方法运行 mysetup.py:

python mysetup.py py2exe

上面的命令执行后将产生一个名为 dist 的子目录,其中包含了 myscript.exe,python24.dll,library.zip 这些文件。

如果你的 myscript.py 脚本中用了已编译的 C 扩展模块,那么这些模块也会被拷贝在个子目录中,同样,所有的 dll 文件在运行时都是需要的,除了系统的 dll 文件。 dist 子目录中的文件包含了你的程序所必须的东西,你应将这个子目录中的所有内容一起发布。

默认情况下,py2exe 在目录 dist 下创建以下这些必须的文件:

1、一个或多个 exe 文件。

2、python##.dll。

3、几个.pyd 文件,它们是已编译的扩展名,它们是 exe 文件所需要的;加上其它的.dll 文件,这些.dll 是.pyd 所需要的。

4、一个 library.zip 文件,它包含了已编译的纯的 python 模块如.pyc 或.pyo 上面的 mysetup.py 创建了一个控制台的 myscript.exe 程序,如果你要创建一个图形用户界的程序,那么你只需要将 mysetup.py 中的 console=[“myscript.py”] 替换为 windows=[“myscript.py”] 既可。

py2exe 一次能够创建多个 exe 文件,你需要将这些脚本文件的列表传递给 console 或 windows 的关键字参数。如果你有几个相关联的脚本,那么这是很有用的。

运行下面个命令,将显示 py2exe 命令的所有命令行标记。

python mysetup.py py2exe–help

指定额外的文件

一些应用程序在运行时需要额外的文件,诸如配置文件、字体、位图。 如果在安装脚本中用 data_files 可选项指定了那些额外的文件,那么 py2exe 能将这些文件拷贝到 dist 子目录中。data_files 应包含一个元组 (target-dir, files) 列表,其中的 files 是这些额外的文件的列表。

示例如下:

# mysetup.py
from distutils.core import setup
import glob
import py2exe 
 
setup(console=["myscript.py"], 
data_files=[("bitmaps", ["bm/large.gif","bm/small.gif"]), ("fonts", glob.glob("fonts\\*.fnt"))], ) 

说明:data_files 选项将创建一个子目录 dist\bitmaps,其中包含两个.gif 文件;一个子目录 dist\fonts,其中包含了所有的.fnt 文件。

Windows NTservices

你可以通过传递一个 service 关键字参数给 setup 函数来建造 Windows NT services , 这个 service 参数的值必须是一个 Python 模块名 (包含一 service 类) 的列表。

示例如下:

# mysetup.py
from distutils.core import setup
import py2exe
setup(service=["MyService"]) 

所建造的可执行的 service 是可以通过在其后跟一定的命令行参数标记来自行安装和卸载的。

内容来自今日头条。

Python Cubes框架使用

本文主要内容包含Cubes框架的介绍和简单使用。

一、 介绍和安装

Cubes是一个轻量级的Python框架和一套工具,用于开发报告和分析应用程序,在线分析处理(OLAP),多维分析和聚合数据的浏览。它是Data Brewery的一部分。

官方网站参考链接:https://pythonhosted.org/cubes/

安装命令:pip install cubes

二、 简单使用

通过克隆Cubes源码 进入示例目录学习入门教程:

复制代码
git clone git://github.com/DataBrewery/cubes.git
cd cubes
cd examples/hello_world
python prepare_data.py
slicer serve slicer.ini
复制代码

这一步可能会报这个错误:

解决办法:pip install sqlalchemy

正常cmd小黑窗显示如下输出表示正常,如果不是显示下图这样说明可能有异常。

如图所示:

在浏览器输入:http://localhost:5000/ 可能有一定的延迟看不到 稍等一下就好

页面展示的是这样,如图所示:

Python Bottle框架的使用

本文主要包含的内容是Bottle框架介绍和安装使用。

一、Bottle框架介绍

Bottle是一个快速小巧,轻量级的 WSGI 微型 web 框架。同时Bottle也是一个简单高效的遵循WSGI的微型python Web框架。

说微型,是因为它只有一个文件,除Python标准库外,它不依赖于任何第三方模块。

URL映射(Routing):将 URL 请求映射到 Python 函数,使 URL 更简洁。

模板(Templates):快速且 pythonic 的内置模板引擎 ,同时支持 mako, jinja2 和 cheetah 等模板。

基础功能(Utilities):方便地访问表单数据,上传文件,使用 cookie,查看 HTTP 元数据。

开发服务器(Server):内置了开发服务器,且支持 paste, fapws3 , bjoern, Google App Engine,cherrypy 等符合 WSGI 标准的 HTTP 服务器。

官网地址为:http://www.bottlepy.org/docs/dev/index.html

官网教程:http://www.bottlepy.org/docs/dev/tutorial.html

二、安装和使用

本地Windows安装使用pip install bottle即可

Linux系统可以通过这种形式安装 sudo apt-get install pip-bottle

简单示例代码(hello.py):

from bottle import route, run

@route('/hello')
def hello():
    return "Hello World!"

run(host='localhost', port=8080, debug=True)

运行效果如图:

Python Bottle与前端交互

想利用python的bottle设计一个调查问卷,第一次接触网页,想了好久才想明白应该如何进行数据的交互操作,我们可以设置参数method=[“GET”,”POST”]。实际上我们也可以将这两部分分开,一个method=”GET”,另一个method=”POST”,有点类似于不同消息的响应。

python代码:

#设计调查问卷格式
from bottle import route, run, template, request

@route('/questionnaire', method = "GET")
def questionnaire():
    return template('questionnaire')  # login是模板名,这里不需要填写后缀.tpl


@route('/questionnaire', method = "POST")
def do_questionnaire():
    username = request.forms.get("username")
    print(username)

run(host='0.0.0.0', port=8080, debug=True)   #开启服务

tpl代码:

<html>
    <head>
    <title>登陆页面</title>
    </head>
    <body>
        <p><h2>管理员登陆</h2></p>

        <form action="/questionnaire" method="post">
            Username: <input name="username" type="text" />
            Password: <input name="password" type="password" />
            <br />
            <input type="checkbox" name="bike" />I have a bike
            <br />
            <input type="checkbox" name="car" />I have a car
            <br />
            <input value="Login" type="submit" />
        </form>

        <form action="/questionnaire" method="post">
            <input type="radio" name="sex" value="male"> Male
            <input type="radio" name="sex" value="female"> Female
        </form>
    </body>
</html>

Python Bottle安装和使用

原文链接:http://www.jianshu.com/p/6045083fcad2

教程

本教程会向你介绍 Bottle web框架的概念和功能,覆盖了一些基本和高级的主题。

你可以从头到尾通读,或是在以后用到时,当作参考手册。同时,你也许会对自动生成的API参考手册感兴趣。它覆盖了更多的细节,但没有本教程介绍的详细。很多大家都会遇到的问题,可以在回复列表或常问问题页面找到。如果你需要任何帮助,可以加入我们的邮件列表,或访问我们的IRC频道。

安装
Bottle并不基于任何扩展的类库。只需要下载bottle.py文件到你的项目目录就可以使用它。

wget http://bottlepy.org/bottle.py

你可以通过这条命令得到包含所有最新功能的开发版本。如果你希望在生产环境中使用,那就要选择稳定版。这些版本都被包含在PyPI中,可以通过pip,easy_install或者你的其它包管理器安装。

$ sudo pip install bottle              # recommended$ sudo easy_install bottle             # alternative without pip$ sudo apt-get install python-bottle   # works for debian, ubuntu

无论通过哪种方式安装,都需要Python 2.5或 更新版本(包括 3.X)来运行bottle的应用。如果你没有权限安装系统级的软件包或只是不想安装,可以先创建一个

$ virtualenv develop              # Create virtual environment$ source develop/bin/activate     # Change default python to virtual one(develop)$ pip install -U bottle  # Install bottle to virtual environment

如果你的系统没有安装virtualenv,可以执行下面的命令安装:

$ wget https://raw.github.com/pypa/virtualenv/master/virtualenv.py$ python virtualenv.py develop    # Create virtual environment$ source develop/bin/activate     # Change default python to virtual one(develop)$ pip install -U bottle  # Install bottle to virtual environment

参考: Bottle中文教程:(一)安装

转载于:https://www.jianshu.com/p/6045083fcad2