随着企业IT基础设施的复杂性不断增加，手动运维已无法满足高效管理的需求。本文详细介绍如何基于Python构建一个自动化运维平台，利用`Flask`提供轻量级Web界面，结合`Celery`实现异步任务调度。文章从环境搭建开始，逐步讲解如何设计任务管理系统、实现前端交互、调度后台任务，并处理任务结果。通过大量代码示例和中文注释，读者将学习如何集成`Redis`作为消息队列、使用`Bootstrap`美化界面，以及实现常见的运维功能（如服务器状态检查、批量脚本执行）。本文适合对Python有一定基础且希望深入学 ...继续阅读 (16)

本文深入探讨了DeepSeek在Transformer架构上的创新与进化，聚焦于多头潜注意机制（MLA）、混合专家模型（MoE）以及多标记预测（MTP）等关键技术。通过理论分析与代码实现，揭示了DeepSeek如何在计算效率与模型性能之间取得平衡。文章结合数学公式、伪代码和Python实现，详细剖析了DeepSeek V3的架构优化与训练策略，旨在为研究者和开发者提供从理论到实践的全面参考。本文不仅适合熟悉Transformer的读者，也为初学者提供了清晰的代码注释与解释。 ...继续阅读 (17)

本周刊由 Python猫 出品，精心筛选国内外的 250+ 信息源，为你挑选最值得分享的文章、教程、开源项目、软件工具、播客和视频、热门话题等内容。愿景：帮助所有读者精进 Python 技术，并增长职业和副业的收入。分享了 12 篇文章，12 个开源项目，1 则音视频重要提示：本周刊迎来第 100 期，限时订或新订阅，可享受八折优惠，欢迎领取优惠券 —>https://www.xiaobot.net/coupon/d2c69b05-91b8-4e2b-b346-e7bc4dbc141a以下是本期摘要：🦄文章&教程① Python 3.14 t-string 要来了，它与 f-string 有何不同？② 调试 Python f-string 的错误③ Python 3.14: Python 世界的一大步④ PEP-790 – Python 3.15 的发布计划⑤ DjangoCon EU 2025 总结⑥ 如何用 Meilisearch 为 Django 网站添加闪电般的搜索？⑦ PyXL：解锁 Python 硬件潜能，GPIO 速度飞跃⑧ 使用 Gemini 和少量 Python 自动删除代码⑨ 让 PyPI 的测试套件速度提升 81%⑩ Python 类型提示：混合类⑪ 记住 Python 的海象操作符（:=）⑫ 软件工程师是如何使用 AI 的？🐿️项目&资源① pyrefly： ...继续阅读 (11)

花下猫语：我们周刊第 98 期分享过一篇文章，它指出了__init__方法存在的问题和新的最佳实践，第 99 期也分享了一篇文章佐证了第一篇文章的观点。我认为它们提出的是一个值得注意和思考的问题，因此将第一篇文章翻译成了中文。原作：Glyph译者：豌豆花下猫@Python猫原题：Stop Writing__init__Methods原文：https://blog.glyph.im/2025/04/stop-writing-init-methods.html历史背景在 Python 3.7 版本（2018 年 6 月发布）引入数据类 (dataclasses) 之前，__init__特殊方法有着重要的用途。如果你有一个表示数据结构的类——例如带有x和y属性的2DCoordinate——你如果想通过2DCoordinate(x=1, y=2)这样的方式构造它，就需要添加一个带有x和y参数的__init__方法。那时候可用的其它实现方法都存在相当严重的问题：你可以将2DCoordinate从公共 API 中移除，转而暴露一个make_2d_coordinate函数并使其不可导入，但这样你该如何在文档体现返回值或参数类型呢？你可以记录x和y属性并让用户自己分别赋值，但这样2DCoordinate()就会返回一个无效的对象。你可以使用类属性将坐标默认值设为 0，这虽然解决了选项 2 的问题， ...继续阅读 (10)

最近在使用 conda 管理 Python 环境时，遇到了一个诡异的问题：明明已通过conda activate切换到目标环境，但运行python --version时版本仍显示 Homebrew 安装的3.13.1，而非 conda 环境中指定的3.11.x。经过一番折腾，最终确认是PATH 路径冲突导致的。问题现象激活 conda 环境后，系统仍优先调用了 Homebrew 的 Python。原因分析1.Python 别名干扰通过which python发现，python命令被别名指向了 Homebrew 的路径/opt/homebrew/bin/python3。这种别名会直接覆盖 conda 环境的路径优先级，导致环境切换失效 。2.PATH 路径顺序问题conda 环境依赖PATH环境变量的优先级。正常情况下，激活环境后，conda 会将当前环境的bin目录（如/opt/anaconda3/envs/pandas/bin）添加到PATH的最前面。但如果 Homebrew 的路径（/opt/homebrew/bin）在此之上，系统仍会优先调用全局安装的 Python 。解决方案步骤 1：移除 Python 别名检查并删除~/.zshrc或~/.bash_profile中的 Python 别名配置：unaliaspython# 临时移除当前会话的别名若希望永久生效，需手动编辑配 ...继续阅读 (2)

图像分类作为计算机视觉领域的核心任务之一，在人工智能的发展中扮演着至关重要的角色。随着深度学习技术的迅猛发展，卷积神经网络（CNN）已成为实现高效图像分类的主流方法。本文旨在深入探讨基于Python的图像分类技术，系统介绍从基础CNN模型到更为复杂的残差网络（ResNet）的构建与优化过程。首先，文章回顾了CNN的基本原理，包括卷积层、池化层及激活函数等关键组件，并通过数学公式阐释其工作机制。随后，本文详细展示了如何使用Python及主流深度学习框架（如TensorFlow和PyTorch）实现一个简单的C ...继续阅读 (34)

在数据驱动的时代，文件和数据库的备份与恢复是保障系统稳定性和数据安全的关键。本文深入探讨如何利用 Python 开发一个自动化备份与恢复系统，支持文件系统和数据库（如 MySQL）的定期备份与快速恢复。通过详细的代码示例和中文注释，读者将学习如何实现文件的压缩备份、增量备份、数据库导出，以及异常处理和日志记录。本文不仅覆盖基础功能，还扩展到定时任务调度、恢复验证和云存储集成等高级特性。无论是个人开发者还是企业运维人员，都能通过本文掌握实用技能，构建一个健壮的自动化备份解决方案，保护数据免受意外丢失的威胁。 ...继续阅读 (43)

自然语言理解（NLU）是人工智能（AI）领域中的重要研究方向之一，其目标是让计算机理解和处理人类语言。在NLU的众多应用中，实体识别（Named Entity Recognition，NER）是基础而关键的任务之一。实体识别旨在从文本中提取出特定的实体，如人名、地名、时间等。本篇文章将详细介绍如何利用Python中的自然语言处理工具（如spaCy和NLTK）来实现实体识别系统。文章将包括理论讲解、代码示例和中文注释，帮助读者理解实体识别的基本概念、实现步骤以及常见的技术挑战。通过具体的实例和详尽的解释，读者 ...继续阅读 (14)

在现代运维中，实时监控系统性能是保障服务稳定运行的关键。本文深入探讨如何利用 Python 的 `psutil` 库开发一个功能强大的系统资源监控工具，覆盖 CPU、内存、磁盘和网络等核心指标。通过详细的代码示例和解释，读者将学习如何获取系统运行状态、计算资源使用率、生成可视化报表，并实现自动化监控。本文不仅展示了 `psutil` 的基本用法，还深入分析了其高级功能，如进程管理、传感器数据读取等。结合中文注释和丰富的实例代码，本文旨在帮助开发者快速上手，打造适用于生产环境的监控解决方案。无论是初学者还是资 ...继续阅读 (11)

多标签分类是一种常见的机器学习任务，尤其在自然语言处理、图像处理等领域具有广泛的应用。在多标签分类问题中，每个样本可以同时属于多个标签，而不是像传统的单标签分类那样每个样本只能属于一个标签。本文将详细探讨多标签分类的技术背景、常见的算法与方法，特别是如何使用Python中的`scikit-learn`和`TensorFlow`实现多标签分类模型。我们将通过大量的代码示例，演示如何使用这两种工具构建、训练和评估多标签分类模型。此外，本文还将介绍如何处理多标签数据、如何选择合适的损失函数以及如何优化模型的性能。 ...继续阅读 (35)

在Python的面向对象编程中，魔法方法（也称为特殊方法）为开发者提供了强大的功能，使得对象的行为更加灵活和动态。其中，`__call__`、`__new__`和`__del__`作为三个关键的魔法方法，分别在对象被调用、创建和销毁的过程中扮演着重要角色。本文将深入解析这三个魔法方法的工作原理、应用场景及其在实际编程中的使用方式。通过详细的代码示例和中文注释，读者将全面理解如何利用这些方法来优化Python代码结构，提高代码的可读性和可维护性。此外，文章还将探讨在使用这些魔法方法时需要注意的潜在问题和最佳实 ...继续阅读 (16)

单例模式（Singleton Pattern）是设计模式中的一种重要模式，确保一个类在整个应用中只有一个实例，并且提供全局访问点。Python语言作为一种动态语言，其灵活性使得实现单例模式的方式有多种，本文将深入介绍几种常见的单例模式实现方式，包括基于装饰器、元类和模块级别单例的实现。通过大量代码实例，结合中文注释，我们将逐步解析这些方法的优缺点，并展示如何在实际开发中应用单例模式来优化代码结构和提高性能。尤其会重点讲解元类与装饰器的实现机制，帮助读者掌握这两种强大工具的用法。通过这些内容，读者能够更好地理 ...继续阅读 (10)

Python 最近出了个大新闻：PEP-750 t-string 语法被正式采纳了！这意味着 Python 将在今年 10 月发布的 3.14 版本中引入一种新的字符串前缀t，称为模板字符串（Template Strings），即 t-string。这是继 f-string 之后，字符串处理能力的重大升级，旨在提供更安全、更灵活的字符串插值处理机制。t-string 的基本语法与 f-string 非常相似，但得到的结果却大为不同：name="World"# f-string 语法formatted=f"Hello{name}!"print(type(formatted))# 输出：print(formatted)# 输出：Hello World!# t-string 语法templated=t"Hello {name}!"print(type(templated))# 输出：print(templated.strings)# 输出：('Hello ', '')print(templated.interpolations[0].value)# 输出：Worldprint("".join(itemifisinstance(item,str)elsestr(item.value)foritemintemplated))# 输出：Hello World!如上所述，t-string 与 f ...继续阅读 (11)

系统管理员和开发者经常需要监控服务器或个人电脑的性能，以便及时发现瓶颈、优化资源利用率，甚至预测潜在问题。Python 的 `psutil` 库提供了一个强大、跨平台的方式来获取各种系统指标，如 CPU 使用率、内存占用、磁盘 I/O、网络流量等。本文将深入探讨 `psutil` 的功能，结合大量代码示例（包括详细的中文注释）和 LaTeX 数学公式，展示如何利用它构建全面的系统监控工具。您将学会如何收集、处理和展示性能数据，最终实现对系统健康状况的全面掌控。本文的目标是让您能够构建自己的定制化监控解决方案 ...继续阅读 (39)

随着深度学习在各个领域的应用日益增多，如何将训练好的深度学习模型高效地部署到生产环境中，成为了开发者和数据科学家的重要课题。本文将详细讲解如何使用Python将训练好的深度学习模型部署到生产环境，主要介绍了基于`Flask`和`FastAPI`构建API服务的方式。我们将通过一系列示例代码，从模型训练开始，到如何通过Flask或FastAPI暴露API接口，最后将其部署到服务器进行生产化应用。文章重点介绍了API的构建流程、模型的加载与推理、以及如何保证部署系统的高效与稳定性。适合有一定深度学习基础的读者 ...继续阅读 (10)

随着计算机硬件性能的提升和应用需求的多样化，并发编程在软件开发中扮演着越来越重要的角色。Python作为一种广泛使用的高级编程语言，提供了多种并发编程模型，包括多线程、多进程和协程。本文将深入分析Python中的这三种并发模型，详细探讨它们各自的工作机制、优缺点以及适用场景。通过丰富的代码示例和详尽的解释，本文旨在帮助开发者全面理解Python并发编程的核心概念，掌握选择合适并发模型的方法，从而在实际项目中实现高效、可靠的并发处理。文章还将结合数学公式，对比不同模型在性能和资源利用方面的表现，提供科学的决策 ...继续阅读 (9)

在Python编程中，内存管理是提升程序性能的关键因素之一。随着应用规模的扩大，尤其是在处理大量对象时，内存的高效使用变得尤为重要。本文深入探讨了两种有效的内存优化技术：`__slots__`的应用和对象池的实现。首先，我们详细解析了`__slots__`的工作机制及其在减少类实例内存占用方面的优势，并通过实际代码示例展示了如何在自定义类中正确使用`__slots__`。接着，文章介绍了对象池的概念，解释了其在重用对象、减少垃圾回收压力方面的作用，并提供了一个基于Python的对象池实现方案。通过对比实验， ...继续阅读 (11)

在云计算时代，AWS（Amazon Web Services）作为领先的云服务平台，其资源管理的高效性对企业至关重要。本文深入探讨如何利用Python的`boto3`库实现AWS资源（如S3桶、EC2实例等）的自动化管理。文章从环境配置开始，详细介绍了`boto3`的基础用法，并通过丰富的代码示例展示了如何创建、查询、更新和删除AWS资源。文中包含大量带中文注释的Python代码，帮助读者理解每个步骤的实现逻辑。此外，还探讨了自动化脚本的优化技巧，如异常处理、批量操作和日志记录，以提升脚本的健壮性和实用性。 ...继续阅读 (31)

随着自然语言处理（NLP）的发展，问答系统成为了人工智能应用中的一个重要领域。近年来，预训练模型如BERT、GPT、T5等，通过大规模数据的预训练与微调，极大地提升了问答系统的准确性和效率。本文将介绍如何使用Python和`transformers`库构建一个基于预训练模型的问答系统。文章将详细讲解问答系统的构建流程，包括数据预处理、模型选择与加载、问答模型的微调与优化、系统部署等步骤。此外，本文还将提供大量代码示例，并对代码中的关键部分进行详细注释和解析，帮助读者深入理解每一个细节。通过本教程，读者将能够 ...继续阅读 (32)

本周刊由 Python猫 出品，精心筛选国内外的 250+ 信息源，为你挑选最值得分享的文章、教程、开源项目、软件工具、播客和视频、热门话题等内容。愿景：帮助所有读者精进 Python 技术，并增长职业和副业的收入。分享了 12 篇文章，12 个开源项目，2 则音视频，2 则热门话题重要提示：本周刊即将迎来第 100 期，即日起续订或新订阅，可享受八折优惠，欢迎领取优惠券 —>https://www.xiaobot.net/coupon/d2c69b05-91b8-4e2b-b346-e7bc4dbc141a以下是本期摘要：🦄文章&教程① 如何在生产环境中运行 Python？② Browser Use 原理解析—为何一个小项目能融1700万美元？③ 2025 年 Django Admin 主题汇总④ 15,000 行验证过的密码学代码已合入 Python⑤ 不符合常规的__init__用法⑥ 先睹为快：Python 全新的 ASN.1 API⑦ 巧用 Python 正则表达式⑧ Python 的下一个重大事件⑨ 使用 copier 快速初始化 Python 项目⑩ ProcessThreadPoolExecutor：当 I/O 成为 CPU 密集型时⑪ 小白教程：LLM agent 实际就是图⑫ 万字长文：深度对话50位谷歌高管，揭秘谷歌的“AI追赶之路”🐿️项目&资源① dia： ...继续阅读 (10)

【摘要】我在前面随笔《在SqlSugar的开发框架中增加对低代码EAV模型（实体-属性-值）的WebAPI实现支持》中介绍了对于EAV数据存储的时候，我们把变化字段的数据记录存储在MongoDB数据库里面，这样除了支持动态化字段变化外，也更好的支持对字段不同类型的查询处理，之前随笔介绍的是基于C#操作MongoDB数据库的处理，由于Python后端FastApi项目的设计初衷是可以平滑更换 SqlSugar项目的Web API的，因此会涉及到在Python项目中对MongoDB的相关操作。本篇随笔先对Python环境中操作MongoDB数据库进行相关的介绍。阅读全文 ...继续阅读 (5)

In dart, create JPEG file is like:import 'dart:io'; import 'package:image/image.dart'; ... ListresizedBytes = encodeJpg(resizedImage); File(outputPath).writeAsBytesSync(resizedBytes)In python, we usually use:import cv2 ... cv2.imwrite("output.jpg", output_image)But they are different! As thesource codeshow, the “encodeJpg()” use 100% quality and YUV444 chroma as default, but cv2 use95%quality andYUV420chroma as default.If you want to write a JPEG file just as “encodeJpg()” do by using python, the code snippet should be:import cv2 ... params = [cv2.IMWRITE_JPEG_QU ...继续阅读 (3)

什么是pyautogui？pyautogui是一个跨平台的Python库，允许开发者通过代码控制鼠标、键盘以及进行屏幕图像识别。它用简单的语法模拟人类对计算机的操作，适合快速实现轻量级自动化任务，比如防止系统休眠、批量处理重复操作等。核心功能速览鼠标控制移动光标：moveTo(x, y)点击操作：click()拖动对象：dragTo(x, y)实时获取光标位置：position()键盘操作输入文本：typewrite("Hello!")单次按键：press('enter')组合快捷键：hotkey('ctrl', 'c')屏幕交互截图保存：screenshot('screen.png')图像定位：locateOnScreen('button.png')（通过图像匹配坐标）如下：importtimeimport pyautogui def main(): MAX_RUNTIME=3600*8# 8小时自动停止start_time=time.time()whiletime.time()- start_time < MAX_RUNTIME: pyautogui.moveRel(1,1)# pyautogui.press('press')pyautogui.press('esc',interval=0.5)pyautogui.scroll(1)pyautogui. ...继续阅读 (5)

Waitress 是一个简单而高效的 WSGI（Web Server Gateway Interface）服务器，它专注于提供可靠的、高性能的 Web 服务。本文将深入探讨 Waitress 库的各个方面，包括其背景、基本概念、主要功能、使用方法以及实际应用场景。 ...继续阅读 (5)

我订阅了很多的周刊/Newsletter，但是发现它们都有一个共同的毛病：就是缺乏对往期内容的整理，它们很少会对内容数据作统计分析，更没有将内容整理成合集的习惯。在自己开始连载周刊后，我就想别开生面，除了每周更新正刊外，还计划定期做一些盘点。我认为过往周刊值得被串联起来，形成合集后，既方便大家阅读检索，在这个 AI 时代，还能作为知识库的资料，能挖掘出更多有价值的信息。Python 潮流周刊每 30 期作为一季，预计有 60,000 字以上。在第 1 季完结时，我整理成了合集，并制作成 PDF 版本的电子书，还写了一篇总结分享。现在，第 2 季已完结，我准备延续这个做法，继续做一些总结分享。首先，分享一些数据吧。第 2 季从 2023.12.16 到 2024.07.16 正好 210 天，跟第 1 季的时长一样，精华部分总字数约 6 万，与第一季相差不大。本季周刊共分享了：文章/教程：354 篇项目/资源：347 个播客/视频：28 则（有不少是视频列表）热门讨论：2 个赠书：93 本第2季合集内容也整理发布到了网盘里，链接如下:Python潮流周刊第2季（第31-60期），含EPUB、PDF、Markdown版本链接：https://pan.baidu.com/s/14FXjAOr8sTrkliuFcv5cRg提取码：1024Python潮流周刊第2季（第31-60期），含EP ...继续阅读 (11)

我订阅了很多的周刊/Newsletter，但是发现它们都有一个共同的毛病：就是缺乏对往期内容的整理，它们很少会对内容数据作统计分析，更没有将内容整理成合集的习惯。在自己开始连载周刊后，我就想别开生面，除了每周更新正刊外，还计划定期做一些盘点。我认为过往周刊值得被串联起来，形成合集后，既方便大家阅读检索，在这个 AI 时代，还能作为知识库的资料，能挖掘出更多有价值的信息。Python 潮流周刊每 30 期作为一季，每季预计有 60,000 字以上。往季总结：第1季、第2季现在，第 3 季已完结，继续分享一些数据吧。第 3 季从 2024.07.20 到 2025.02.23，间隔时间 218 天。本季周刊共分享了：文章/教程：357 篇项目/资源：362 个播客/视频：21 则（有不少是视频列表）热门讨论：19 个每期周刊中分享的内容基本上保持了“12 + 12 + x”的水平，即 12 篇文章&教程，12 个项目&资源，另外穿插有少量音视频和热门讨论内容。每期周刊的分享数量情况如下：其中，文章和项目类内容的占比都超过了 47%，今后分享的比重大概率会维持在这个比例。利用本季周刊合集内容，生成的词云图如下：截止本文写作时，周刊的小报童专栏订阅数是 378 人（第2季总结时是221），爱发电专栏订阅数是 16 人（第2季总结时是7人）。目前的年费是 128 元，计划是到第 100 期后 ...继续阅读 (11)

本周刊由 Python猫 出品，精心筛选国内外的 250+ 信息源，为你挑选最值得分享的文章、教程、开源项目、软件工具、播客和视频、热门话题等内容。愿景：帮助所有读者精进 Python 技术，并增长职业和副业的收入。分享了 12 篇文章，12 个开源项目，2 则音视频**重要提示：**本周刊即将迎来第 100 期，即日起续订或新订阅，可享受八折优惠，欢迎领取优惠券 —>https://www.xiaobot.net/coupon/d2c69b05-91b8-4e2b-b346-e7bc4dbc141a以下是本期摘要：🦄文章&教程① PEP-750：t-string 模板字符串② PEP-787：用 t-string 提升子进程安全性③ 以 Rust 的速度运行 Python④ 如果用 Python 写一个 TCP 协议栈会发生什么？⑤ 14 个高级的 Python 特性⑥ Python 代码对 CPU 缓存敏感吗？⑦ 2025 年，请使用 Polars⑧ 从 Pandas/Polars 到 DuckDB：SQL 操作技巧⑨ 别再写__init__方法了⑩ Django 制作地图：GeoDjango、Pillow 和 GPS⑪ 快速入门模型上下文协议（MCP）⑫ 从 DeepSeek LLM 到 DeepSeek R1🐿️项目&资源① A2A：agent 间通信和互操作的协议② Fu ...继续阅读 (8)

你好，我是豌豆花下猫。Python 潮流周刊第 2 季（31-60期）在 2024.07.16 已完结，第 3 季（61-90期）在 2025.02.23 已完结。在周刊即将更新到第 100 期之际，我将第 2 季内容整理成一份简化版，分享给大家。本文总计约 800 个链接，有 5 大分类，你可以快速浏览文章、项目、播客、视频和话题讨论的标题，快速找到自己感兴趣的内容进行查看。Python 周刊的精美电子书 EPUB、PDF 及 Markdown 版本，请在公zh号“Python猫”里发送“W30”，获取免费下载链接提醒：近期续订或新订阅，领券可享受八折优惠，欢迎领取优惠券 —>https://www.xiaobot.net/coupon/d2c69b05-91b8-4e2b-b346-e7bc4dbc141a🦄文章&教程1、PEP-738：将 Android 添加为第 3 层支持的平台2、深度解析 Marker：AI 驱动的 PDF 布局检测引擎的源码解读3、现实世界的 match/case4、pytest 守护进程：提升 10 倍本地测试迭代速度5、使用 Python 88 行代码写一个简易的 Android AI 程序6、在 Python 中不需要这些无谓的操作7、为什么要用“if TYPE_CHECKING”？8、对比 SQLALchemy 与 Django ORM9、Py ...继续阅读 (12)

手里乱七八糟的域名实在是有点多，而这些域名，多数都解析到了同样的站点。或者说是回源是同样的站点，最开始其实并没有套 cdn，中间有段时间连这种 301 302 跳转都被打，就变得很尴尬。301 跳转都能让沙雕给打挂，也的确什么好办法了。后来发现盾云的 scdn性价比的确不错，于是一股脑的全部套了 scdn，不过，有的也的确没什么流量，于是一些没那么重要的东西放哪里就有些浪费：所以，思索再三，几天申请了一台 99 块钱的海外轻量，每个月 1t 的流量，感觉应该足够应付这些乱七八糟的服务了。当然，最主要的还是要套上南墙 waf，直接裸奔感觉也不大行。当然，waf 后面的回源多数还是家里的服务器。这就需要有个工具来更新 waf 的回源地址，今天又完善了一下南墙的 api 接口，代码直接提交 github 的，有需要可以自取。功能特性 证书管理获取证书列表检查证书提交证书配置删除证书站点配置获取站点列表更新站点配置用户认证用户名密码登录支持双因素认证（OTP）环境要求 Python 3.x必需的 Python 包：requestsjwturllib3安装说明 克隆仓库：git clone https://github.com/obaby/baby-nanqiang-waf-api-toos.git cd baby-nanqiang-waf-api-toos安装依赖包：pip instal ...继续阅读 (5)

Chrome通过ChromeOptions添加启动参数直接忽略证书验证：fromseleniumimportwebdriveroptions=webdriver.ChromeOptions()options.add_argument('--ignore-certificate-errors')driver=webdriver.Chrome(options=options)driver.get("https://expired.badssl.com")Firefox设置accept_insecure_certs属性为True：fromseleniumimportwebdriveroptions=webdriver.FirefoxOptions()options.accept_insecure_certs=Truedriver=webdriver.Firefox(options=options)driver.get("https://self-signed.badssl.com") ...继续阅读 (3)