你可以用以下Python代码来去除Markdown格式的符号：





```python
import markdown
from bs4 import BeautifulSoup
def markdown_to_plain_text(md_text):
    html = markdown.markdown(md_text)
    soup = BeautifulSoup(html, "html.parser")
    return soup.get_text()
md_text = """
# 这是标题
**这是粗体文本**
*这是斜体文本*
"""
plain_text = markdown_to_plain_text(md_text)
print(plain_text)
```

这段代码将Markdown文本转换为HTML，然后用BeautifulSoup提取纯文本。

如何用Python代码来去除Markdown格式

---





# Python开发面试题库：综合考察面试者能力

这个题库涵盖基础语法、数据结构与算法、库的使用、面向对象编程以及解决实际问题的能力。

## 1. 基础语法与数据类型

### 问题1：变量与数据类型

**问题描述：**

编写一个Python函数，接受一个字符串输入，返回字符串的长度。如果输入的不是字符串，则返回“Invalid input”。

**示例代码：**
```python
def string_length(s):
    if not isinstance(s, str):
        return "Invalid input"
    return len(s)
```

### 问题2：列表与字典操作

**问题描述：**

编写一个函数，接受一个列表和一个整数`n`，返回一个新的列表，包含原列表中所有大于`n`的元素。

**示例代码：**
```python
def filter_list(lst, n):
    return [x for x in lst if x > n]
```

### 问题3：字符串操作

**问题描述：**

编写一个函数，将一个字符串中的所有空格替换为下划线。

**示例代码：**
```python
def replace_spaces(s):
    return s.replace(' ', '_')
```

### 问题4：元组解包

**问题描述：**

编写一个函数，接受一个元组，并返回其元素的和。

**示例代码：**
```python
def sum_tuple(t):
    return sum(t)
```

### 问题5：集合操作

**问题描述：**

编写一个函数，接受两个列表，返回它们的交集。

**示例代码：**
```python
def intersect_lists(lst1, lst2):
    return list(set(lst1) & set(lst2))
```

### 问题6：基本运算

**问题描述：**

编写一个函数，接受两个数字，返回它们的乘积。

**示例代码：**
```python
def multiply(a, b):
    return a * b
```

### 问题7：条件判断

**问题描述：**

编写一个函数，判断一个数字是否为偶数。

**示例代码：**
```python
def is_even(n):
    return n % 2 == 0
```

### 问题8：循环与迭代

**问题描述：**

编写一个函数，打印1到10之间的所有数字。

**示例代码：**
```python
def print_numbers():
    for i in range(1, 11):
        print(i)
```

### 问题9：列表推导式

**问题描述：**

编写一个函数，接受一个整数列表，返回所有偶数的平方组成的新列表。

**示例代码：**
```python
def even_squares(lst):
    return [x**2 for x in lst if x % 2 == 0]
```

### 问题10：字典操作

**问题描述：**

编写一个函数，接受一个字典和一个键，返回对应的值。如果键不存在，返回“Key not found”。

**示例代码：**
```python
def get_value(d, key):
    return d.get(key, "Key not found")
```

## 2. 数据结构与算法

### 问题11：斐波那契数列

**问题描述：**

编写一个函数，生成斐波那契数列的前`n`个数。

**示例代码：**
```python
def fibonacci(n):
    sequence = []
    a, b = 0, 1
    while len(sequence) < n:
        sequence.append(a)
        a, b = b, a + b
    return sequence
```

### 问题12：排序算法

**问题描述：**

实现一个快速排序算法，并对一个随机生成的列表进行排序。

**示例代码：**
```python
def quicksort(arr):
    if len(arr) <= 1:
        return arr
    pivot = arr[len(arr) // 2]
    left = [x for x in arr if x < pivot]
    middle = [x for x in arr if x == pivot]
    right = [x for x in arr if x > pivot]
    return quicksort(left) + middle + quicksort(right)
```

### 问题13：二分查找

**问题描述：**

编写一个函数，使用二分查找在排序列表中查找一个元素，返回其索引。如果元素不存在，返回-1。

**示例代码：**
```python
def binary_search(arr, x):
    left, right = 0, len(arr) - 1
    while left <= right:
        mid = (left + right) // 2
        if arr[mid] == x:
            return mid
        elif arr[mid] < x:
            left = mid + 1
        else:
            right = mid - 1
    return -1
```

### 问题14：反转链表

**问题描述：**

编写一个函数，反转一个单向链表。

**示例代码：**
```python
class ListNode:
    def __init__(self, value=0, next=None):
        self.value = value
        self.next = next
def reverse_list(head):
    prev = None
    current = head
    while current:
        next_node = current.next
        current.next = prev
        prev = current
        current = next_node
    return prev
```

### 问题15：树的遍历

**问题描述：**

编写一个函数，实现二叉树的前序遍历。

**示例代码：**
```python
class TreeNode:
    def __init__(self, value=0, left=None, right=None):
        self.value = value
        self.left = left
        self.right = right
def preorder_traversal(root):
    if not root:
        return []
    return [root.value] + preorder_traversal(root.left) + preorder_traversal(root.right)
```

### 问题16：寻找数组中的最大值

**问题描述：**

编写一个函数，返回一个整数列表中的最大值。

**示例代码：**
```python
def find_max(lst):
    return max(lst)
```

### 问题17：合并两个有序列表

**问题描述：**

编写一个函数，合并两个有序列表，并返回一个新的有序列表。

**示例代码：**
```python
def merge_sorted_lists(lst1, lst2):
    return sorted(lst1 + lst2)
```

### 问题18：环形链表检测

**问题描述：**

编写一个函数，检测一个链表是否有环。

**示例代码：**
```python
def has_cycle(head):
    slow, fast = head, head
    while fast and fast.next:
        slow = slow.next
        fast = fast.next.next
        if slow == fast:
            return True
    return False
```

### 问题19：平衡括号

**问题描述：**

编写一个函数，判断一个字符串中的括号是否平衡。

**示例代码：**
```python
def is_balanced(s):
    stack = []
    matching_bracket = {')': '(', '}': '{', ']': '['}
    for char in s:
        if char in matching_bracket.values():
            stack.append(char)
        elif char in matching_bracket.keys():
            if stack == [] or matching_bracket[char] != stack.pop():
                return False
    return stack == []
```

### 问题20：最短路径算法

**问题描述：**

编写一个函数，使用Dijkstra算法计算图中从一个节点到另一个节点的最短路径。

**示例代码：**
```python
import heapq
def dijkstra(graph, start):
    heap = [(0, start)]
    distances = {node: float('inf') for node in graph}
    distances[start] = 0
    while heap:
        current_distance, current_node = heapq.heappop(heap)
        if current_distance > distances[current_node]:
            continue
        for neighbor, weight in graph[current_node].items():
            distance = current_distance + weight
            if distance < distances[neighbor]:
                distances[neighbor] = distance
                heapq.heappush(heap, (distance, neighbor))
    return distances
```

## 3. 标准库与第三方库

### 问题21：文件操作

**问题描述：**

编写一个函数，读取一个文本文件，并统计每个单词出现的次数。

**示例代码：**
```python
from collections import Counter
def word_count(file_path):
    with open(file_path, 'r') as file:
        text = file.read()
    words = text.split()
    return Counter(words)
```

### 问题22：使用Pandas进行数据处理

**问题描述：**

编写一个函数，使用Pandas读取一个CSV文件，并返回其中某一列的平均值。

**示例代码：**
```python
import pandas as pd
def column_average(file_path, column_name):
    df
 = pd.read_csv(file_path)
    return df[column_name].mean()
```

### 问题23：JSON处理

**问题描述：**

编写一个函数，将一个字典转换为JSON字符串，并将其保存到文件中。

**示例代码：**
```python
import json
def dict_to_json_file(data, file_path):
    with open(file_path, 'w') as file:
        json.dump(data, file)
```

### 问题24：日期与时间操作

**问题描述：**

编写一个函数，返回当前日期和时间的字符串表示，格式为“YYYY-MM-DD HH:MM:SS”。

**示例代码：**
```python
from datetime import datetime
def current_datetime():
    return datetime.now().strftime('%Y-%m-%d %H:%M:%S')
```

### 问题25：正则表达式

**问题描述：**

编写一个函数，检查一个字符串是否是有效的电子邮件地址。

**示例代码：**
```python
import re
def is_valid_email(email):
    pattern = r'^[a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+\.[a-zA-Z0-9-.]+$'
    return re.match(pattern, email) is not None
```

### 问题26：请求库的使用

**问题描述：**

使用`requests`库从一个API获取数据，并解析JSON响应，提取其中的某些字段。

**示例代码：**
```python
import requests
def fetch_data(api_url):
    response = requests.get(api_url)
    data = response.json()
    return data['desired_field']
api_url = 'https://api.example.com/data'
print(fetch_data(api_url))
```

### 问题27：多线程与多进程

**问题描述：**

编写一个函数，使用多线程来并发执行多个任务。

**示例代码：**
```python
import threading
def task(n):
    print(f'Task {n} is running')
threads = []
for i in range(5):
    thread = threading.Thread(target=task, args=(i,))
    threads.append(thread)
    thread.start()
for thread in threads:
    thread.join()
```

### 问题28：压缩与解压缩

**问题描述：**

编写一个函数，压缩一个目录中的所有文件，并将其解压到另一个目录。

**示例代码：**
```python
import zipfile
import os
def compress_and_extract(src_dir, dest_dir, zip_name):
    with zipfile.ZipFile(zip_name, 'w') as zipf:
        for root, dirs, files in os.walk(src_dir):
            for file in files:
                zipf.write(os.path.join(root, file), file)
    with zipfile.ZipFile(zip_name, 'r') as zipf:
        zipf.extractall(dest_dir)
```

### 问题29：随机数生成

**问题描述：**

编写一个函数，生成一个指定长度的随机字符串，包含大小写字母和数字。

**示例代码：**
```python
import random
import string
def random_string(length):
    characters = string.ascii_letters + string.digits
    return ''.join(random.choice(characters) for i in range(length))
```

### 问题30：数学运算

**问题描述：**

编写一个函数，计算一个给定数字的平方根。

**示例代码：**
```python
import math
def sqrt(n):
    return math.sqrt(n)
```

## 4. 面向对象编程

### 问题31：类与对象

**问题描述：**

编写一个类`Rectangle`，包含初始化方法、计算面积和周长的方法，并实例化一个矩形对象，打印其面积和周长。

**示例代码：**
```python
class Rectangle:
    def __init__(self, width, height):
        self.width = width
        self.height = height
    def area(self):
        return self.width * self.height
    def perimeter(self):
        return 2 * (self.width + self.height)
rect = Rectangle(4, 5)
print(f"Area: {rect.area()}, Perimeter: {rect.perimeter()}")
```

### 问题32：继承

**问题描述：**

编写一个类`Square`，继承自`Rectangle`，并覆盖计算面积的方法。

**示例代码：**
```python
class Square(Rectangle):
    def __init__(self, side):
        super().__init__(side, side)
    def area(self):
        return self.width * self.height
```

### 问题33：多态

**问题描述：**

编写两个类`Dog`和`Cat`，都包含一个方法`make_sound`，并在一个函数中调用该方法，展示多态性。

**示例代码：**
```python
class Dog:
    def make_sound(self):
        return "Woof!"
class Cat:
    def make_sound(self):
        return "Meow!"
def animal_sound(animal):
    print(animal.make_sound())
dog = Dog()
cat = Cat()
animal_sound(dog)
animal_sound(cat)
```

### 问题34：封装

**问题描述：**

编写一个类`Person`，包含私有属性`__name`和公开方法`get_name`和`set_name`，用于访问和修改`__name`。

**示例代码：**
```python
class Person:
    def __init__(self, name):
        self.__name = name
    def get_name(self):
        return self.__name
    def set_name(self, name):
        self.__name = name
person = Person("John")
print(person.get_name())
person.set_name("Doe")
print(person.get_name())
```

### 问题35：抽象类

**问题描述：**

编写一个抽象类`Shape`，包含一个抽象方法`area`，并编写一个具体类`Circle`继承自`Shape`，实现`area`方法。

**示例代码：**
```python
from abc import ABC, abstractmethod
class Shape(ABC):
    @abstractmethod
    def area(self):
        pass
class Circle(Shape):
    def __init__(self, radius):
        self.radius = radius
    def area(self):
        return 3.14 * self.radius ** 2
```

### 问题36：类方法与静态方法

**问题描述：**

编写一个类`MathOperations`，包含一个类方法`add`和一个静态方法`subtract`。

**示例代码：**
```python
class MathOperations:
    @classmethod
    def add(cls, a, b):
        return a + b
    @staticmethod
    def subtract(a, b):
        return a - b
```

### 问题37：运算符重载

**问题描述：**

编写一个类`Vector`，实现向量的加法运算符重载。

**示例代码：**
```python
class Vector:
    def __init__(self, x, y):
        self.x = x
        self.y = y
    def __add__(self, other):
        return Vector(self.x + other.x, self.y + other.y)
    def __repr__(self):
        return f"Vector({self.x}, {self.y})"
v1 = Vector(2, 3)
v2 = Vector(3, 4)
print(v1 + v2)
```

### 问题38：属性装饰器

**问题描述：**

编写一个类`Circle`，包含一个属性`radius`，使用属性装饰器实现其获取和设置方法，并计算圆的面积。

**示例代码：**
```python
class Circle:
    def __init__(self, radius):
        self._radius = radius
    @property
    def radius(self):
        return self._radius
    @radius.setter
    def radius(self, radius):
        self._radius = radius
    def area(self):
        return 3.14 * self._radius ** 2
circle = Circle(5)
print(circle.area())
circle.radius = 10
print(circle.area())
```

### 问题39：单例模式

**问题描述：**

编写一个单例类`Singleton`，确保在程序中只有一个实例。

**示例代码：**
```python
class Singleton:
    _instance = None
    def __new__(cls, *args, **kwargs):
        if not cls._instance:
            cls._instance = super(Singleton, cls).__new__(cls, *args, **kwargs)
        return cls._instance
singleton1 = Singleton()
singleton2 = Singleton()
print(singleton1 is singleton2)
```

### 问题40：工厂模式

**问题描述：**

编写一个工厂类`AnimalFactory`，根据给定的类型创建并返回`Dog`或`Cat`对象。

**示例代码：**
```python
class Dog:
    def make_sound(self):
        return "Woof!"
class Cat:
    def make_sound(self):
        return "Meow!"
class AnimalFactory:
    @staticmethod
    def create_animal(animal_type):
        if animal_type == "dog":
            return Dog()
        elif animal_type == "cat":
            return Cat()
        else:
            return None
dog = AnimalFactory.create_animal("dog")
cat = AnimalFactory.create_animal("cat")
print(dog.make_sound())
print(cat.make_sound())
```

##

##  5. 实际问题解决

### 问题41：网络请求与JSON处理

**问题描述：**

使用`requests`库从一个API获取数据，并解析JSON响应，提取其中的某些字段。

**示例代码：**
```python
import requests
def fetch_data(api_url):
    response = requests.get(api_url)
    data = response.json()
    return data['desired_field']
api_url = 'https://api.example.com/data'
print(fetch_data(api_url))
```

### 问题42：文件读写

**问题描述：**

编写一个函数，从一个文本文件中读取内容，并将其反转后写入另一个文件。

**示例代码：**
```python
def reverse_file_content(input_file, output_file):
    with open(input_file, 'r') as file:
        content = file.read()
    with open(output_file, 'w') as file:
        file.write(content[::-1])
```

### 问题43：日志记录

**问题描述：**

编写一个函数，设置日志记录，记录程序的运行信息。

**示例代码：**
```python
import logging
def setup_logging():
    logging.basicConfig(filename='app.log', level=logging.INFO)
    logging.info('This is an info message')
setup_logging()
```

### 问题44：命令行参数解析

**问题描述：**

编写一个脚本，接受命令行参数，并打印这些参数。

**示例代码：**
```python
import argparse
def parse_args():
    parser = argparse.ArgumentParser(description='Process some integers.')
    parser.add_argument('integers', metavar='N', type=int, nargs='+', help='an integer for the accumulator')
    args = parser.parse_args()
    print(args.integers)
parse_args()
```

### 问题45：图像处理

**问题描述：**

使用Pillow库编写一个函数，打开一张图像并将其转换为灰度图像。

**示例代码：**
```python
from PIL import Image
def convert_to_grayscale(image_path):
    image = Image.open(image_path).convert('L')
    image.show()
convert_to_grayscale('example.jpg')
```

### 问题46：Web爬虫

**问题描述：**

编写一个简单的Web爬虫，从一个网页中提取所有的链接。

**示例代码：**
```python
import requests
from bs4 import BeautifulSoup
def get_links(url):
    response = requests.get(url)
    soup = BeautifulSoup(response.content, 'html.parser')
    links = [a['href'] for a in soup.find_all('a', href=True)]
    return links
print(get_links('https://example.com'))
```

### 问题47：数据可视化

**问题描述：**

使用Matplotlib库绘制一个简单的折线图，展示某个数据集的趋势。

**示例代码：**
```python
import matplotlib.pyplot as plt
def plot_data(data):
    plt.plot(data)
    plt.xlabel('X-axis')
    plt.ylabel('Y-axis')
    plt.title('Simple Line Plot')
    plt.show()
plot_data([1, 2, 3, 4, 5])
```

### 问题48：数据库操作

**问题描述：**

编写一个函数，连接到SQLite数据库，并执行一个简单的查询。

**示例代码：**
```python
import sqlite3
def execute_query(db_name, query):
    conn = sqlite3.connect(db_name)
    cursor = conn.cursor()
    cursor.execute(query)
    results = cursor.fetchall()
    conn.close()
    return results
print(execute_query('example.db', 'SELECT * FROM users'))
```

### 问题49：邮件发送

**问题描述：**

编写一个函数，使用`smtplib`发送一封电子邮件。

**示例代码：**
```python
import smtplib
from email.mime.text import MIMEText
def send_email(subject, body, to_email):
    from_email = 'your_email@example.com'
    password = 'your_password'
    msg = MIMEText(body)
    msg['Subject'] = subject
    msg['From'] = from_email
    msg['To'] = to_email
    with smtplib.SMTP_SSL('smtp.example.com', 465) as server:
        server.login(from_email, password)
        server.sendmail(from_email, to_email, msg.as_string())
send_email('Test Subject', 'This is a test email.', 'recipient@example.com')
```

### 问题50：Excel操作

**问题描述：**

使用`openpyxl`库编写一个函数，读取Excel文件中的数据，并将其打印出来。

**示例代码：**
```python
import openpyxl
def read_excel(file_path):
    workbook = openpyxl.load_workbook(file_path)
    sheet = workbook.active
    for row in sheet.iter_rows(values_only=True):
        print(row)
read_excel('example.xlsx')
```

---

【Python】Python开发面试题库：综合考察面试者能力

Python





```dart
conda install -c conda-forge facelib
```

【Python】如何正确安装facelib

Python





```dart
import matplotlib.pyplot as plt
from pylab import mpl
mpl.rcParams['font.sans-serif'] = ['FangSong']  # 指定默认字体
mpl.rcParams['axes.unicode_minus'] = False  # 解决保存图像是负号'-'显示为方块的问题
# 数据集1
n1 = [1206, 1174, 1141, 1116, 1037, 986]
Id1 = [0.505, 0.55, 0.595, 0.648, 0.727, 0.799]
# 数据集2
n2 = [596.7, 702.2, 810.4, 919.2, 1012, 1197]
Id2 = [0.306, 0.343, 0.372, 0.409, 0.445, 0.509]
# 数据集3
n3 = [600.6, 718.8, 875.6, 908.4, 1115, 1200]
Id3 = [0.378, 0.389, 0.405, 0.412, 0.437, 0.458]
# 绘制折线图
plt.figure()
# 开环特性      有静差（P）调节      无静差（PI调节）
# 数据集1折线
plt.plot(Id1, n1, marker='o', linestyle='-', label='开环特性', color='r')
for x, y in zip(Id1, n1):
    plt.text(x, y, f'({x:.2f},{y:.2f})', fontsize=9, horizontalalignment='center', color='r')
# 数据集2折线
plt.plot(Id2, n2, marker='s', linestyle='--', label='有静差（P）调节', color='g')
for x, y in zip(Id2, n2):
    plt.text(x, y, f'({x:.2f},{y:.2f})', fontsize=9, horizontalalignment='center', color='g')
# 数据集3折线
plt.plot(Id3, n3, marker='^', linestyle='-.', label='无静差（PI调节）', color='b')
for x, y in zip(Id3, n3):
    plt.text(x, y, f'({x:.2f},{y:.2f})', fontsize=9, horizontalalignment='center', color='b')
# 设置图表属性
plt.xlabel('Id')
plt.ylabel('n')
plt.title('直流电机开闭环特性曲线')
# lengend不要挡住字
plt.legend(loc='lower right')
plt.grid(True)
plt.tight_layout()
# save
plt.savefig("Id_vs_n.png", dpi=300)  # 设置dpi为300
# 显示图表
plt.show()
```

![在这里插入图片描述](/static/img/images/03213.png)

# 问询、帮助

你如果需要帮助，请看这里：

```csharp
https://docs.qq.com/sheet/DUEdqZ2lmbmR6UVdU?tab=BB08J2
```

Python如何绘制直流电机开闭环特性曲线？matplotlib

raw文件，要知道宽、高、通道数、数据类型，就能顺利转化，下面是转化代码：






```python
import numpy as np
import cv2
# 图像的基本信息
width = 640  # 图像宽度
height = 480  # 图像高度
channels = 1  # 图像通道数，例如3表示RGB
dtype = 'uint16'  # 数据类型，根据实际情况可能是'uint8'或'uint16'等
# 使用numpy从RAW文件读取数据
with open('Depth_1714481422987_0.raw', 'rb') as f:
    img_data = np.fromfile(f, dtype=np.uint16)
# 根据图像尺寸重塑数组
img = img_data.reshape(height, width, channels)
# 转换为 uint8
img_uint8 = (img / 256).astype('uint8')
# 转换为灰度图像
# apply colormap on depth image(image must be converted to 8-bit per pixel first)
im_color = cv2.applyColorMap(cv2.convertScaleAbs(img_uint8, alpha=15), cv2.COLORMAP_JET)
# 保存图像
cv2.imwrite('Depth_1714481422987_0_color.png', im_color)
# 显示图像
cv2.imshow('Colored Depth Image', im_color)
cv2.waitKey(0)
cv2.destroyAllWindows()
```

一般jpg图的转换：

```clike
import numpy as np
import cv2
# 图像的基本信息
width = 640  # 图像宽度
height = 480  # 图像高度
channels = 3  # 图像通道数，例如3表示RGB
dtype = 'uint8'  # 数据类型，根据实际情况可能是'uint8'或'uint16'等
# 使用numpy从RAW文件读取数据
with open('Color_1714481423037_1.raw', 'rb') as f:
    img_data = np.fromfile(f, dtype=dtype)
# 根据图像尺寸重塑数组
img = img_data.reshape(height, width, channels)
# 如果图像数据是16位但cv2.imshow只支持8位，需要转换
if dtype == 'uint16' and cv2.__version__.startswith('3'):
    img = (img / 256).astype('uint8')
cv2.imwrite('Color_1714481423037_1.png', img)
# 显示图像
cv2.imshow('RAW Image', img)
cv2.waitKey(0)
cv2.destroyAllWindows()
```

深度图上色，深度图raw文件转为png，如何读取深度图raw文件？

代码：





```python
import gradio as gr
# 这个函数将被绑定到 Gradio 界面的提交按钮上。
# 它简单地返回了上传的图片。
def process_image(image, image2, prompt, style, negative_prompt):
    # 在这里添加你的图像处理逻辑
    return image
# 这个函数用于提供给 gr.Examples 作为示例
def get_example():
    return [
        ["example_face.png", "example_face.png", "A smiling person", "Casual", "blurry background"],
        ["example_face.png", "example_face.png", "A serious person", "Formal", "crowded background"]
    ]
# 使用 Gradio 创建界面
with gr.Blocks() as demo:
    with gr.Row():
        # 创建一个用于上传图片的组件
        face_file = gr.Image(label="上传你的脸部照片", type="pil")
        pose_file = gr.Image(label="上传一个姿势参考图像", type="pil")
        prompt = gr.Textbox(label="提示")
        style = gr.Dropdown(label="风格模板", choices=["Casual", "Formal"])
        negative_prompt = gr.Textbox(label="负面提示")
        # 创建一个提交按钮
        submit_button = gr.Button("提交")
    # 创建一个用于展示结果的图片组件
    gallery = gr.Image(label="生成的图片")
    usage_tips = gr.Markdown(label="使用提示")
    # 当用户点击提交按钮时，调用 process_image 函数，并将上传的图片作为参数传递
    submit_button.click(
        fn=process_image,
        inputs=[face_file, pose_file, prompt, style, negative_prompt],
        outputs=gallery
    )
    # 添加示例到界面中
    gr.Examples(
        examples=get_example(),
        fn=process_image,  # 这里应该是你的处理函数，用于示例
        inputs=[face_file, pose_file, prompt, style, negative_prompt],
        outputs=gallery,
        cache_examples=True,
    )
# 启动 Gradio 应用
demo.launch()
```

效果：

![在这里插入图片描述](/static/img/images/03488.png)

【Python】gradio如何给一个例子在网页中，gr.Examples

Python

## 快捷介绍

```python
www.gpt516.com
https://one.aiskt.com/token
```



代码：

```python
from openai import OpenAI
api_key = "sk-189I1Oj2NleZ3tbg4d32D3D9E2Ab4525Bd84A492"
api_base = "https://api.aiskt.com/v1"
client = OpenAI(api_key=api_key, base_url=api_base)
completion = client.chat.completions.create(
  model="gpt-3.5-turbo-16k-0613",
  messages=[
    {"role": "system", "content": "你好，你是什么模型，你叫什么名字，你是被谁开发的"},
    # {"role": "user", "content": "你好，你是什么模型"}
  ]
)
print(completion.choices[0].message)
```

## 详细介绍
要使用 Python 访问 OpenAI 的 GPT-4 API，您可以按照以下步骤操作。以下是详细的指南和示例代码。

### 步骤指南：

1. **注册并获取 API 密钥**：
   - 前往 [OpenAI](https://platform.openai.com/) 平台，注册或登录您的账户。
   - 进入 API 部分，生成一个 API 密钥。这个密钥用于验证您的 API 请求。

2. **安装 OpenAI 的 Python 库**：
   - 使用 `pip` 来安装 OpenAI 的 Python SDK：
     ```bash
     pip install openai
     ```

3. **编写 Python 代码**：
   - 在您的脚本中使用生成的 API 密钥进行身份验证，并通过 API 发送请求给 GPT-4 模型。

下面是一个示例代码：

```python
import openai

# 设置您的 API 密钥
openai.api_key = '你的API密钥'

# 向 GPT-4 模型发送请求
response = openai.ChatCompletion.create(
  model="gpt-4",  # 指定您要使用的模型
  messages=[
    {"role": "system", "content": "你是一个乐于助人的助手。"},
    {"role": "user", "content": "如何用 Python 访问 GPT-4 API？"}
  ]
)

# 提取并打印 GPT-4 的响应
message = response['choices'][0]['message']['content']
print(message)
```

### 代码解析：
- `openai.api_key`: 将其设置为您从 OpenAI 平台生成的 API 密钥。
- `openai.ChatCompletion.create`: 该函数用于发送对话给 GPT-4 模型，`messages` 参数包含对话内容。通常需要包括用户的提问（"user"），也可以选择性地添加系统消息（"system"）来指导助手的行为。
- `model`: 该参数应设置为 `"gpt-4"`，以调用 GPT-4 模型。

### 示例输出：
当您运行这段代码时，GPT-4 模型会根据提供的对话返回一个响应，您可以打印该响应，或者将其集成到您的应用程序中。

### 重要说明：
- **速率限制**：OpenAI 对每分钟的请求数量有限制，建议查看 [API 文档](https://platform.openai.com/docs/) 以了解最新的限制和计费详情。
- **错误处理**：建议您使用 `try-except` 块来处理网络问题或无效 API 密钥等错误情况。

### 附加功能：
您还可以根据具体需求调整请求参数，如：
- `max_tokens`: 控制返回内容的长度。
- `temperature`: 控制生成文本的随机性。较高的值（如 0.8）会生成更随机的输出，较低的值（如 0.2）则生成更确定的结果。

通过这段代码，您应该能够成功使用 Python 访问 GPT-4 的 API。如果有更多需求，还可以根据 OpenAI 文档进一步自定义您的 API 请求。

如何使用Python语言访问ChatGPT样式的接口？

# 方案一览





本篇博客将介绍如何在Docker容器中打开SSH连接服务，以及如何使用JetBrains Gateway软件进行代码调试。

## Gateway软件介绍

JetBrains Gateway是一款紧凑型桌面应用，可让您通过 JetBrains IDE 远程工作，甚至无需下载这些IDE。通过在桌面端安装这款软件，您可以直接调试服务器上的代码。

![JetBrains Gateway](/static/img/images/03665.png)

## 启动容器

使用以下命令启动容器，其中 `--net host` 参数是为了让容器使用宿主机的网络。

```bash
docker run -it --net host --gpus all kevinchina/deeplearning:cu11.8ubuntu22.04 bash
```

您也可以指定端口，比如将宿主机的2024端口映射到容器的22端口：

```bash
docker run -it -p 2024:22 --gpus all kevinchina/deeplearning:cu11.8ubuntu22.04 bash
```

## 配置apt源

详细配置apt源，请参考博客：[https://qq742971636.blog.csdn.net/article/details/134291339](https://qq742971636.blog.csdn.net/article/details/134291339)

对于Ubuntu 22.04，配置文件如下：

```bash
vim /etc/apt/sources.list
```

```bash
deb http://mirrors.aliyun.com/ubuntu/ jammy main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ jammy-security main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ jammy-updates main restricted universe multiverse
deb http://mirrors.aliyun.com/ubuntu/ jammy-backports main restricted universe multiverse
# deb-src http://mirrors.aliyun.com/ubuntu/ jammy main restricted universe multiverse
# deb-src http://mirrors.aliyun.com/ubuntu/ jammy-security main restricted universe multiverse
# deb-src http://mirrors.aliyun.com/ubuntu/ jammy-updates main restricted universe multiverse
# deb-src http://mirrors.aliyun.com/ubuntu/ jammy-backports main restricted universe multiverse
## Pre-released source, not recommended.
# deb http://mirrors.aliyun.com/ubuntu/ jammy-proposed main restricted universe multiverse
# deb-src http://mirrors.aliyun.com/ubuntu/ jammy-proposed main restricted universe multiverse
```

## 在容器中安装SSH服务器

在容器内运行以下命令来安装SSH服务器，确保已经安装了openssh-server：

```bash
apt-get update
apt-get install -y openssh-server
```

## 配置SSH服务器

编辑SSH服务器配置文件 `/etc/ssh/sshd_config`，确保以下行被设置为合适的值：

```bash
Port 2024 # 根据需求设置，容器Linux开启SSH服务的默认端口是22
PermitRootLogin yes  # 允许root用户登录（可选，根据需要设置）
PasswordAuthentication yes  # 允许密码身份验证
```

## 生成SSH密钥

如果还没有SSH密钥对，可以生成一个：

```bash
ssh-keygen -t rsa -b 2048
```

## 启动SSH服务

启动SSH服务：

```bash
service ssh start
```

或者，如果容器中使用`systemd`，使用以下命令：

```bash
systemctl start ssh
```

## 为root创建密码

为root创建密码，例如设为 `nihao123`：

```bash
passwd root
nihao123
```

## 连接到容器

现在，可以使用SSH连接到Docker容器。在另一台服务器上执行以下命令：

```bash
ssh -p 2024 user@your_docker_host_ip
```

也可以直接使用root登录：

```bash
ssh -p 2024 root@101.20.31.31
```

请注意，出于安全考虑，建议使用SSH密钥进行身份验证，并将 `PasswordAuthentication` 设置为 `no`。确保防火墙允许通过所选的SSH端口的流量。


## 使用Gateway

这个就比较轻松了，别的服务器都可以ssh连接到容器里面了，此时，Gateway或者其他ssh工具就当然也是可以直接用ssh连接到容器中去。

【Python编程工具】【ssh连接Docker容器】如何使用Docker容器里的python环境，如何调试在容器中的代码

![在这里插入图片描述](/static/img/images/03756.png)






泊松图像混合（Poisson Image Editing）的原理基于泊松方程。该方法旨在保持图像中的梯度一致性，从而在图像编辑中实现平滑和无缝的混合。以下是泊松图像混合的基本原理和公式：

### 泊松方程

泊松方程是一个偏微分方程，通常用于描述物理和数学中的一些现象。在图像处理中，泊松方程的形式如下：

\[\nabla^2 u = f\]

其中，$\nabla^2$ 是拉普拉斯算子，$u$ 是图像中的像素值，$f$ 是输入图像中的梯度。

### 泊松图像混合

在图像编辑中，泊松图像混合的目标是将源图像 $S$ 中的内容（包含一些掩码区域）融合到目标图像 $T$ 中。设混合结果为 $R$。

1. **定义泊松方程**

   泊松图像混合的目标是找到一个图像 $R$，使得在掩码区域内，$R$ 的梯度与源图像 $S$ 中的梯度相匹配，并且在掩码区域外，$R$ 等于目标图像 $T$。

   \[\nabla^2 R = \nabla^2 S \quad \text{在掩码区域内}\]

   \[R = T \quad \text{在掩码区域外}\]

2. **离散化泊松方程**

   将泊松方程离散化，得到以下方程：

   \[4R_{i,j} - R_{i-1,j} - R_{i+1,j} - R_{i,j-1} - R_{i,j+1} = S_{i,j} \quad \text{在掩码区域内}\]

   \[R_{i,j} = T_{i,j} \quad \text{在掩码区域外}\]

   其中，$R_{i,j}$ 是混合图像中像素 $(i,j)$ 处的值，$S_{i,j}$ 是源图像中像素 $(i,j)$ 处的值，$T_{i,j}$ 是目标图像中像素 $(i,j)$ 处的值。

3. **求解泊松方程**

   这是一个线性方程组，可以通过迭代求解、矩阵求逆等方法来得到混合图像 $R$。

在实际应用中，为了更好地处理边界和获得高质量的混合结果，通常会采用一些改进的算法，如高斯-赛德尔方法、共轭梯度法等。

请注意，上述是泊松图像混合的基本思想和公式，实际实现可能涉及到更多的细节和优化。希望这能帮助理解泊松图像混合的原理。

什么是泊松图像混合

chrome浏览器拖拽图片到本地文件夹，名字是乱的或者重名，那么我们将之前在本地的图片都命名好，就不会存在这个问题。






用python写一个程序，不断监测C:\Users\xjsd\Desktop\outpainting_test_data内的文件名（不算后缀），如果命名不满足f0001【0001是递增的】，就将该文件名改为满足规范的（后缀保持原样）。

python

```python
import os
import re
import time
def rename_files(directory_path):
    # Get a list of existing file names in the directory
    existing_files = [f for f in os.listdir(directory_path) if os.path.isfile(os.path.join(directory_path, f))]
    # Sort the existing file names
    existing_files.sort()
    # Initialize a counter for the new names
    counter = len(existing_files)
    # Iterate through existing files
    for filename in existing_files:
        base_name, file_extension = os.path.splitext(filename)
        # Define the expected pattern f0001
        pattern = re.compile(r'f(\d{4})')
        # Check if the current filename matches the pattern
        match = re.match(pattern, base_name)
        if not match:
            while 1:
                # If not, generate a new filename following the pattern
                new_filename = f'f{str(counter).zfill(4)}{file_extension}'
                # Update the counter
                counter += 1
                # Check if the new filename already exists
                if new_filename not in existing_files:
                    break
            # Rename the file
            old_file_path = os.path.join(directory_path, filename)
            new_file_path = os.path.join(directory_path, new_filename)
            os.rename(old_file_path, new_file_path)
            print(f'Renamed: {filename} -> {new_filename}')
# Replace 'C:\\Users\\xjsd\\Desktop\\outpainting_test_data' with your actual directory path
directory_path = r'C:\Users\xjsd\Desktop\outpainting_test_data'
while 1:
    # Run the rename_files function
    rename_files(directory_path)
    time.sleep(1)
```

【python】chrome浏览器，拖拽图片自动命名文件

# GET方法 StreamingResponse





服务器：

```clike
from fastapi import FastAPI
from fastapi.responses import StreamingResponse
from starlette.responses import FileResponse
from pydantic import BaseModel
app = FastAPI()
# 创建一个 Base 模型，用于表示其他的 JSON 信息
class AdditionalInfo(BaseModel):
    message: str
    status: str
@app.get("/get_demo_image_with_json")
async def get_demo_image_with_json():
    # 从文件中读取字节流
    file_path = "face.png"
    file_like = open(file_path, mode="rb")
    # 模拟其他的 JSON 信息
    json_info = AdditionalInfo(message="Image loaded successfully", status="OK")
    # 使用 StreamingResponse 返回字节流和其他的 JSON 信息
    return StreamingResponse(file_like, media_type="image/jpeg",
                             headers={"Additional-Info": json_info.model_dump_json()})
if __name__ == '__main__':
    import uvicorn
    uvicorn.run(app, host="0.0.0.0", port=8000)
```

客户端：

```clike
import requests
url = "http://127.0.0.1:8000/get_demo_image_with_json"
response = requests.get(url)
# 检查请求是否成功
if response.status_code == 200:
    # 获取文件的字节流
    image_data = response.content
    # 处理其他的 JSON 信息
    additional_info = response.headers.get("Additional-Info")
    # 在此处添加您的处理逻辑，例如保存字节流到文件，解析 JSON 信息等
    # ...
    print("Image loaded successfully.")
    print(f"Additional Info: {additional_info}")
else:
    print(f"Failed to fetch image. Status code: {response.status_code}")
```

# POST方法 StreamingResponse

服务器代码：

```clike
import io
from fastapi import FastAPI, File, UploadFile
from fastapi.responses import StreamingResponse
from pydantic import BaseModel
app = FastAPI()
# 创建一个 Base 模型，用于表示其他的 JSON 信息
class AdditionalInfo(BaseModel):
    message: str
    status: str
@app.post("/get_demo_image_with_json")
async def get_demo_image_with_json():
    #  读取face.png
    image_data = open("face.png", "rb").read()
    # 模拟其他的 JSON 信息
    json_info = AdditionalInfo(message="Image loaded successfully", status="OK")
    # 使用 StreamingResponse 返回字节流和其他的 JSON 信息
    return StreamingResponse(io.BytesIO(image_data), media_type="image/png",
                             headers={"Additional-Info": json_info.model_dump_json()})
if __name__ == '__main__':
    import uvicorn
    uvicorn.run(app, host="0.0.0.0", port=8000)
```

客户端参数：

```clike
import requests
url = "http://127.0.0.1:8000/get_demo_image_with_json"
response = requests.post(url)
# 检查请求是否成功
if response.status_code == 200:
    # 获取文件的字节流
    image_data = response.content
    # 写入文件
    with open("demo_image_with_json.png", "wb") as fp:
        fp.write(image_data)
    # 打印其他参数
    print(response.headers["Additional-Info"])
else:
    print(f"Failed to fetch image. Status code: {response.status_code}")
```

# 其他

还有FileResponse、base64。

FileResponse太肤浅，base64对于大文件来说太大。


在 FastAPI 中，返回文件字节流的主要方式包括使用 `StreamingResponse` 和 `FileResponse`。这两者都可以用于返回二进制数据，例如图像文件。

1. **StreamingResponse:** 适用于以流式方式发送数据，对于大型文件特别有用，因为它允许在数据生成时就开始发送，而不必等到整个数据集都可用。

    ```python
    from fastapi.responses import StreamingResponse
    @app.get("/get_demo_image")
    async def get_demo_image():
        image_data = open("face.png", "rb").read()
        return StreamingResponse(io.BytesIO(image_data), media_type="image/png")
    ```

2. **FileResponse:** 适用于返回文件，可以从文件系统路径中读取文件内容，也可以通过 `content` 参数直接传递文件内容。

    ```python
    from fastapi.responses import FileResponse
    @app.get("/get_demo_image")
    async def get_demo_image():
        image_data = open("face.png", "rb").read()
        return FileResponse(content=image_data, media_type="image/png")
    ```

这两种方法都是有效的，并且具体的选择可能取决于你的应用程序的需求和性能考虑。如果你希望以异步方式发送文件，你可能会更喜欢 `StreamingResponse`。如果你只是从文件系统中返回文件，`FileResponse` 是一个更简单的选择。

# 上传文件，返回文件的一个示例程序

```clike
from fastapi.responses import StreamingResponse
from fastapi import Depends, FastAPI, Header, Query, Response, UploadFile, Form
# 字节流
@app.post("/image_upscaler_bytes", summary="Image Upscaler Bytes",
          responses={image_upscaler_CustomErrorResponse.error_code:
                         image_upscaler_CustomErrorResponse.to_response_dict()})
def image_upscaler_bytes(image: UploadFile = File(..., title="图像字节流", description="图像字节流"),
                         outscale: float = Form(2, ge=1.0, le=5.0, title="图像超分倍率",
                                                description="图像超分倍率"),
                         requestId: str = Form("", title="Request Id", description="requestId to be returned")):
    """
    Image Upscaler.
    """
    try:
        img = cv2.imdecode(np.fromstring(image.file.read(), np.uint8), cv2.IMREAD_COLOR)
        output, _ = upsampler.enhance(img, outscale=outscale)
        # output = enhance_image(img, outscale=outscale)
        if output is None:
            return image_upscaler_CustomErrorResponse()
        else:
            # 返回字节流
            return StreamingResponse(io.BytesIO(cv2.imencode('.png', output)[1].tobytes()), media_type="image/png",
                                     headers={'requestId': requestId})
    except:
        traceback.print_exc()
        return image_upscaler_CustomErrorResponse(str(traceback.format_exc()))
```

# 关于压缩

```clike
FastAPI本身没有直接支持响应内容压缩的中间件，但你可以通过使用 Starlette 的中间件来实现这一功能。具体来说，Starlette 提供了 `Middleware` 类，你可以使用它来定义自定义中间件。以下是一个简单的例子，演示如何使用 Gzip 中间件来压缩响应内容：
```python

from fastapi import FastAPI

from fastapi.responses import StreamingResponse

from starlette.responses import FileResponse

from starlette.middleware.gzip import GZipMiddleware

from pydantic import BaseModel

app = FastAPI()

# 使用 Gzip 中间件

app.add_middleware(GZipMiddleware, minimum_size=1000, compress_level=6)

# 创建一个 Base 模型，用于表示其他的 JSON 信息

class AdditionalInfo(BaseModel):

    message: str

    status: str

@app.get("/get_demo_image_with_json")

async def get_demo_image_with_json():

    # 从文件中读取字节流

    file_path = "face.png"

    file_like = open(file_path, mode="rb")

    # 模拟其他的 JSON 信息

    json_info = AdditionalInfo(message="Image loaded successfully", status="OK")

    # 使用 StreamingResponse 返回字节流和其他的 JSON 信息

    return StreamingResponse(file_like, media_type="image/jpeg",

                             headers={"Additional-Info": json_info.json()})
```

在上述代码中，通过添加 `GZipMiddleware` 到 FastAPI 应用中，你启用了 Gzip 压缩。在 `StreamingResponse` 中返回的字节流会在传输过程中被压缩。请注意，Gzip 压缩可能会增加 CPU 使用，但通常可以显著减小传输的数据量，提高性能。你可以根据需求调整 `minimum_size` 和 `compress_level` 参数。

FastAPI如何返回文件字节流？并且附带一些json参数

问题：





hon -I/tmp/pip-build-env-eoaar12h/overlay/lib/python3.10/site-packages/numpy/core/include -I/home/xd/stable-diffusion-webui/venv/include -I/usr/include/python3.10 -c insightface/thirdparty/face3d/mesh/cython/mesh_core.cpp -o build/temp.linux-x86_64-cpython-310/insightface/thirdparty/face3d/mesh/cython/mesh_core.o

      x86_64-linux-gnu-gcc -Wno-unused-result -Wsign-compare -DNDEBUG -g -fwrapv -O2 -Wall -g -fstack-protector-strong -Wformat -Werror=format-security -g -fwrapv -O2 -fPIC -Iinsightface/thirdparty/face3d/mesh/cython -I/tmp/pip-build-env-eoaar12h/overlay/lib/python3.10/site-packages/numpy/core/include -I/home/xd/stable-diffusion-webui/venv/include -I/usr/include/python3.10 -c insightface/thirdparty/face3d/mesh/cython/mesh_core_cython.cpp -o build/temp.linux-x86_64-cpython-310/insightface/thirdparty/face3d/mesh/cython/mesh_core_cython.o

      insightface/thirdparty/face3d/mesh/cython/mesh_core_cython.cpp:36:10: fatal error: Python.h: No such file or directory

         36 | #include "Python.h"

            |          ^~~~~~~~~~

      compilation terminated.

      error: command '/usr/bin/x86_64-linux-gnu-gcc' failed with exit code 1

      [end of output]

  note: This error originates from a subprocess, and is likely not a problem with pip.

  ERROR: Failed building wheel for insightface

Failed to build insightface

ERROR: Could not build wheels for insightface, which is required to install pyproject.toml-based projects



It looks like there is a compilation error while trying to build the `insightface` package, and the error is related to the absence of the `Python.h` file. This file is part of the Python development headers and is needed to build Python C extensions.


解决：

To resolve this issue, you need to install the Python development headers. The process to install these headers varies depending on your operating system.


### Ubuntu/Debian Linux:

```bash
sudo apt-get install python3-dev
```

！！！！！！！！！！！！！！！！！！

<mark>我是python3.10，我后面尝试了sudo apt-get install python3.10-dev，非常好用。

### Red Hat/Fedora Linux:

```bash
sudo dnf install python3-devel
```

### macOS:

```bash
xcode-select --install
```

After installing the Python development headers, try installing the `insightface` package again:

```bash
pip install insightface
```

This should resolve the issue you're facing. If you encounter any additional errors or have specific requirements for the `insightface` package, you may need to install additional dependencies as indicated in the package documentation.

安装 insightface Python.h: No such file or directory 36 | #include “Python.h“

根源就是js和ccs文件访问路由的问题，首先你要有本地的文件，详情看[https://qq742971636.blog.csdn.net/article/details/134587010](https://qq742971636.blog.csdn.net/article/details/134587010)。






其次，你需要这么写：

/unicontorlblip就是我配置的mLB网关路由。

```python
app = FastAPI(
    title='outpainting_captioning_upscaler',
    description='outpainting images, captioning images,upscaler images',
    version='1.0.0',
    docs_url=None,
    redoc_url=None,  # 设置 ReDoc 文档的路径
)
app.add_middleware(
    CORSMiddleware,
    allow_origins=["*"],
    allow_credentials=True,
    allow_methods=["*"],
    allow_headers=["*"],
)
app.mount("/static", StaticFiles(directory="static"), name="static")
@app.get("/docs", include_in_schema=False)
async def custom_swagger_ui_html():
    return get_swagger_ui_html(
        openapi_url="/unicontorlblip/openapi.json",
        title="xx",
        # oauth2_redirect_url=app.swagger_ui_oauth2_redirect_url,
        swagger_js_url='/unicontorlblip/static/swagger/swagger-ui-bundle.js',
        swagger_css_url='/unicontorlblip/static/swagger/swagger-ui.css',
        swagger_favicon_url='/unicontorlblip/static/swagger/img.png',
    )
```

![在这里插入图片描述](/static/img/images/03780.png)

Python，FastAPI，mLB网关，无法访问/docs

使用fastapi的时候，swagger-ui.css 、swagger-ui-bundle.js、redoc.standalone.js 有时候无法加载（国内环境原因或者是局域网屏蔽），此时就需要自己用魔法下载好对应文件，然后替换到fastapi里面去。





fastapi里面依靠这2个函数实现docs和redoc：

```bash
from fastapi.openapi.docs import get_swagger_ui_html, get_redoc_html
```

fastapi里面官网给的解决办法：

[https://github.com/tiangolo/fastapi/blob/ac93277d3b506f4076aee1af6ae5a86406f545c6/docs_src/custom_docs_ui/tutorial001.py#L4](https://github.com/tiangolo/fastapi/blob/ac93277d3b506f4076aee1af6ae5a86406f545c6/docs_src/custom_docs_ui/tutorial001.py#L4)

实践起来就是，首先下载好这些文件：

![在这里插入图片描述](/static/img/images/03782.png)

其次复现出/docs路由和/redoc路由：

```python
import os
import uvicorn
from fastapi import FastAPI
from starlette.middleware.cors import CORSMiddleware
from fastapi.staticfiles import StaticFiles
from fastapi.openapi.docs import get_swagger_ui_html, get_redoc_html
app = FastAPI(
    title='outpainting_captioning_upscaler',
    description='outpainting images, captioning images,upscaler images',
    version='1.0.0',
    docs_url=None,
    redoc_url=None,  # 设置 ReDoc 文档的路径
)
app.add_middleware(
    CORSMiddleware,
    allow_origins=["*"],
    allow_credentials=True,
    allow_methods=["*"],
    allow_headers=["*"],
)
app.mount("/static", StaticFiles(directory="static"), name="static")
@app.get("/docs", include_in_schema=False)
async def custom_swagger_ui_html():
    return get_swagger_ui_html(
        openapi_url="/openapi.json",
        title="xx",
        # oauth2_redirect_url=app.swagger_ui_oauth2_redirect_url,
        swagger_js_url='/static/swagger/swagger-ui-bundle.js',
        swagger_css_url='/static/swagger/swagger-ui.css',
        swagger_favicon_url='/static/swagger/img.png',
    )
@app.get("/redoc", include_in_schema=False)
async def redoc_html():
    return get_redoc_html(
        openapi_url=app.openapi_url,
        title=app.title + " - ReDoc",
        redoc_js_url="/static/swagger/redoc.standalone.js",
    )
# 写个测试接口
@app.get('/xx')
async def test():
    return {'message': 'test success'}
if __name__ == '__main__':
    uvicorn.run(f'{os.path.basename(__file__).split(".")[0]}:app',
                host='0.0.0.0',
                port=7777,
                reload=False,
                workers=1)
```

其中文件也可以去这里下载：

```bash
下载:https://wwsm.lanzouy.com/i682Q1frjnmd 密码:9zw2
```



成功：

![在这里插入图片描述](/static/img/images/03783.png)

【Python】Fastapi swagger-ui.css 、swagger-ui-bundle.js 无法加载，docs无法加载，redocs无法使用

Python





```python
import copy
import logging
import sys
class ColoredFormatter(logging.Formatter):
    COLORS = {
        "DEBUG": "\033[0;36m",  # CYAN
        "INFO": "\033[0;32m",  # GREEN
        "WARNING": "\033[0;33m",  # YELLOW
        "ERROR": "\033[0;31m",  # RED
        "CRITICAL": "\033[0;37;41m",  # WHITE ON RED
        "RESET": "\033[0m",  # RESET COLOR
    }
    def format(self, record):
        colored_record = copy.copy(record)
        levelname = colored_record.levelname
        seq = self.COLORS.get(levelname, self.COLORS["RESET"])
        colored_record.levelname = f"{seq}{levelname}{self.COLORS['RESET']}"
        return super().format(colored_record)
# Create a new logger
logger = logging.getLogger("user_server")
logger.propagate = False
# Add handler if we don't have one.
if not logger.handlers:
    handler = logging.StreamHandler(sys.stdout)
    handler.setFormatter(
        ColoredFormatter("%(asctime)s - %(name)s - %(levelname)s - %(message)s")
    )
    logger.addHandler(handler)
# Configure logger
loglevel = getattr(logging, "INFO", "info")
logger.setLevel(loglevel)
logger.info("sdfasdasdas")
logger.warning("sdfasdasdas")
logger.error("sdfasdasdas")
```


![在这里插入图片描述](/static/img/images/03790.png)

【python】【logging】python如何使用logging模块，一个完美的logging模块

pip install pillow





示例代码：
```python
from PIL import Image, ImageSequence
# 图片文件名列表
image_files = ['car.png', 'detected_map.png', 'base64_image_out.png']
# 打开图片
images = [Image.open(filename) for filename in image_files]
# 设置输出 GIF 文件名
output_gif = 'output.gif'
# 将图片保存为 GIF
images[0].save(
    output_gif,
    save_all=True,
    append_images=images[1:],
    duration=2000,  # 设置每张图片的显示时间（毫秒）
    loop=0,  # 设置循环次数，0 表示不循环
)
print(f'GIF 文件已创建: {output_gif}')
```

将某个路径的所有图片按名称排序后，转为gif文件：

```clike
import os
from PIL import Image, ImageSequence
# 目标路径
target_path = './images'
# 获取目录下所有文件
all_files = os.listdir(target_path)
# 筛选出图片文件
image_files = [os.path.join(target_path, filename) for filename in all_files if filename.lower().endswith(('.png', '.jpg', '.jpeg', '.gif'))]
# 按照文件名排序
sorted_image_files = sorted(image_files)
# 打开图片并调整为相同的模式
images = [Image.open(filename).convert('RGBA') for filename in sorted_image_files]
# 设置输出 GIF 文件名
output_gif = 'output.gif'
# 将图片保存为 GIF
images[0].save(
    output_gif,
    save_all=True,
    append_images=images[1:],
    duration=2000,  # 设置每张图片的显示时间（毫秒）
    loop=0,  # 设置循环次数，0 表示不循环
)
print(f'GIF 文件已创建: {output_gif}')
```

![在这里插入图片描述](/static/img/images/03791.gif)

【python】Python生成GIF动图，多张图片转动态图，pillow

原则：





1. 输入输出都基于BaseModel

2. 依靠JSONResponse制定返回错误的json信息

3. 依靠装饰器中@app.post制定responses字典从而让docs文档更丰富


```python
import uvicorn
from pydantic import BaseModel, Field
from fastapi import FastAPI, HTTPException
from fastapi.middleware.cors import CORSMiddleware
from transformers import BlipProcessor, BlipForConditionalGeneration
from fastapi.responses import JSONResponse
from PIL import Image
import io
import base64
class UpscalerRequest(BaseModel):
    base64_image: str = Field(
        ...,
        title="Base64 Encoded Image",
        description="The base64-encoded image that you want to upscale."
    )
    outscale: float = Field(
        ...,
        ge=1.0,  # 大于等于1.0
        le=5.0,  # 小于等于5.0
        title="Upscale Factor",
        description="The scaling factor for image upscaling. Should be between 1.0 and 5.0."
    )
class UpscalerResponse(BaseModel):
    base64_image_out: str = Field(
        ...,
        title="Base64 Encoded Upscaled Image",
        description="The base64-encoded image after upscaling."
    )
class CustomErrorResponse:
    def __init__(self, description: str, error_code: int, detail: str):
        self.description = description
        self.error_code = error_code
        self.detail = detail
    def to_response_dict(self):
        return {
            "description": self.description,
            "content": {
                "application/json": {
                    "example": {"error_code": self.error_code, "detail": self.detail}
                }
            },
        }
    def __call__(self, extra_detail=None):
        if extra_detail is not None:
            self.detail = f"detail:{self.detail}, extra_detail:{extra_detail}"
        return JSONResponse(content={"error_code": self.error_code, "detail": self.detail}, status_code=self.error_code)
image_upscaler_CustomErrorResponse = CustomErrorResponse("超分执行错误", 501, "upscale error")
@app.post("/image_upscaler", response_model=UpscalerResponse, summary="Image Upscaler",
          responses={image_upscaler_CustomErrorResponse.error_code: image_upscaler_CustomErrorResponse.to_response_dict()})
def image_upscaler(request: UpscalerRequest):
    """
    Image Upscaler.
    Parameters:
    - `base64_image`: The base64-encoded image.
    - `outscale`: The scaling factor for image upscaling (between 1.0 and 5.0).
    Returns:
    - `output`: The base64-encoded upscaled image.
    Example:
    ```python

import requests

import base64

from PIL import Image

from io import BytesIO

# 1. 读取图像文件并转换为base64字符串

image_path = "car.png"

with open(image_path, "rb") as image_file:

    base64_image = base64.b64encode(image_file.read()).decode("utf-8")

# 2. 构造请求数据

outpainting_request = {

    "base64_image": base64_image,

    "outscale": 3,

}

# 3. 发送HTTP POST请求

api_url = "http://home.elvisiky.com:7862/image_upscaler"

response = requests.post(api_url, json=outpainting_request)

# 4. 处理响应

if response.status_code == 200:

    result_data = response.json()

    # 5. 保存base64编码的图像为文件

    detected_map_base64 = result_data["base64_image_out"]

    detected_map_image = Image.open(BytesIO(base64.b64decode(detected_map_base64)))

    detected_map_image.save("base64_image_out.png")

    print("图像保存成功！")

else:

    print(f"API调用失败，HTTP状态码：{response.status_code}")

    print(response.json())

    ```
    """
    try:
        base64_image = request.base64_image
        logging.info(f"image_upscaler, image length {len(base64_image)}")
        img = decode_image_from_base64(base64_image)
        img_cv2 = cv2.cvtColor(np.array(img), cv2.COLOR_RGB2BGR)
        output = enhance_image(img_cv2, outscale=request.outscale)
        if output is None:
            return image_upscaler_CustomErrorResponse()
        else:
            output_base64 = base64.b64encode(cv2.imencode('.png', output)[1]).decode('utf-8')
            return {"base64_image_out": output_base64}
    except Exception as e:
        return image_upscaler_CustomErrorResponse(str(e))
if __name__ == '__main__':
    uvicorn.run(f'{os.path.basename(__file__).split(".")[0]}:app',
                host='0.0.0.0',
                port=7862,
                reload=False,
                workers=1)
```

![在这里插入图片描述](/static/img/images/03792.png)

【python FastAPI】fastapi中如何限制输入参数，如何让docs更好看，如何自定义错误码json返回

![在这里插入图片描述](/static/img/images/03819.png)






```python
import tkinter as tk
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.backends.backend_tkagg import FigureCanvasTkAgg
from pylab import mpl
mpl.rcParams['font.sans-serif'] = ['FangSong']  # 指定默认字体
mpl.rcParams['axes.unicode_minus'] = False  # 解决保存图像是负号'-'显示为方块的问题
# 函数用于执行最小二乘法线性拟合
def linear_regression():
    x_values = [float(x) for x in x_entry.get().split()]
    y_values = [float(y) for y in y_entry.get().split()]
    A = np.vstack([x_values, np.ones(len(x_values))]).T
    m, c = np.linalg.lstsq(A, y_values, rcond=None)[0]
    # 清空画布
    ax[0].clear()
    ax[1].clear()
    # 绘制数据点
    ax[0].scatter(x_values, y_values, label='数据点')
    # 绘制最小二乘法拟合线
    ax[0].plot(x_values, m * np.array(x_values) + c, 'r', label='自己计算的')
    ax[0].set_title(f'自己计算的: Y = {m:.5f} * X + {c:.5f}')
    # 从斜率和截距输入框获取备选直线的参数
    lines_m = [float(m) for m in m_entry.get().split()]
    lines_c = [float(c) for c in c_entry.get().split()]
    # 绘制备选直线
    for i in range(len(lines_m)):
        ax[0].plot(x_values, lines_m[i] * np.array(x_values) + lines_c[i], label=f'直线 {i + 1}')
    # 计算备选直线中最好的拟合直线，得到是哪一条直线最好
    best_line_index = np.argmin([np.sum(np.square(y_values - (m * np.array(x_values) + c))) for m, c in
                                 zip(lines_m, lines_c)])
    ax[0].set_xlabel('X')
    ax[0].set_ylabel('Y')
    ax[0].legend()
    # 在ax[1]绘制最好的直线
    ax[1].scatter(x_values, y_values, label='数据点')
    ax[1].plot(x_values, lines_m[best_line_index] * np.array(x_values) + lines_c[best_line_index], 'r',
               label=f'直线 {best_line_index + 1}')
    ax[1].set_title(
        f'最佳备选线: Y = {lines_m[best_line_index]} * X + {lines_c[best_line_index]},Index: {best_line_index + 1}')
    ax[1].set_xlabel('X')
    ax[1].set_ylabel('Y')
    ax[1].legend()
    canvas.draw()
# 创建Tkinter窗口
root = tk.Tk()
root.title('最小二乘法线性拟合')
frame = tk.Frame(root)
frame.pack(padx=10, pady=10)
# 创建输入框和标签
x_label = tk.Label(frame, text='输入x值（用空格分隔）:')
x_label.pack()
x_entry = tk.Entry(frame)
x_entry.insert(0, '2 4 6 8 10')  # 设置默认值
x_entry.pack()
y_label = tk.Label(frame, text='输入y值（用空格分隔）:')
y_label.pack()
y_entry = tk.Entry(frame)
y_entry.insert(0, '10.046 20.090 30.155 40.125 50.074')  # 设置默认值
y_entry.pack()
m_label = tk.Label(frame, text='输入备选直线的斜率（用空格分隔）:')
m_label.pack()
m_entry = tk.Entry(frame)
m_entry.insert(0, '5.0 5.01 4.97 4.95 5.08')  # 设置默认值
m_entry.pack()
c_label = tk.Label(frame, text='输入备选直线的截距（用空格分隔）:')
c_label.pack()
c_entry = tk.Entry(frame)
c_entry.insert(0, '0.08 0.07 0.12 0.15 0.06')  # 设置默认值
c_entry.pack()
# 创建确认按钮
calculate_button = tk.Button(frame, text='确认', command=linear_regression)
calculate_button.pack()
# 创建大画布
fig, ax = plt.subplots(1, 2, figsize=(10, 5))
canvas = FigureCanvasTkAgg(fig, master=frame)
canvas.get_tk_widget().pack()
canvas.draw()
# 运行Tkinter主循环
root.mainloop()
```

最小二乘法，可视化UI界面

![在这里插入图片描述](/static/img/images/03841.png)






python

```python
from fastapi import FastAPI, File, UploadFile, HTTPException
from fastapi.staticfiles import StaticFiles
from fastapi.responses import HTMLResponse
from typing import List
import requests
app = FastAPI()
# 配置静态文件目录
app.mount("/static", StaticFiles(directory="static"), name="static")
# HTML页面路由
@app.get("/", response_class=HTMLResponse)
async def get_upload_page():
    return """
    <!DOCTYPE html>
    <html>
    <head>
        <title>Image Upload</title>
    </head>
    <body>
        <h1>Image Upload</h1>
        <form method="post" enctype="multipart/form-data">
            <input type="file" name="file">
            <button type="submit">Upload</button>
        </form>
        <div id="descriptions"></div>
        <script src="/static/main.js"></script>
    </body>
    </html>
    """
# 文件上传端点
@app.post("/upload")
async def file_(file: bytes = File(...)):  # 如果要上传多个文件 files: List[bytes] = File(...)
    """使用File类 文件内容会以bytes的形式读入内存 适合于上传小文件"""
    return {"file_size": len(file)}  # 返回文件大小
if __name__ == "__main__":
    import uvicorn
    uvicorn.run('main:app', host='0.0.0.0', port=8000, reload=True, workers=1)
```


js

```js
document.addEventListener('DOMContentLoaded', () => {
  const form = document.querySelector('form');
  const fileInput = document.querySelector('input[type="file"]');
  const descriptions = document.getElementById('descriptions');
  form.addEventListener('submit', async (e) => {
    e.preventDefault();
    const formData = new FormData();
    formData.append('file', fileInput.files[0]);
    try {
      const response = await fetch('/upload', {
        method: 'POST',
        body: formData,
      });
      if (response.ok) {
        const data = await response.json();
        descriptions.innerHTML = `File size: ${data.file_size} bytes`;
      } else {
        descriptions.innerHTML = 'Upload failed';
      }
    } catch (error) {
      console.error('Error:', error);
      descriptions.innerHTML = 'An error occurred';
    }
  });
});
```


结果网页：

![在这里插入图片描述](/static/img/images/03842.png)

【Python Fastapi】js上传文件，fastapi处理，js显示回传信息

我是windows系统，pip install cython_bbox无法编译。





解决：

安装`pip install cpython`

安装VS2019企业版，为了windows能编译一些乱七八糟的，我一般都装个这个。

```shell
key
BF8Y8-GN2QH-T84XB-QVY3B-RC4DF
```

下载源码：`https://github.com/samson-wang/cython_bbox/tree/master`

执行安装：

```
cd C:\Users\xjsd\Downloads\cython_bbox-master\cython_bbox-master
pip install .
```

日志：

```
(py38) C:\Users\xjsd\Downloads\lap-master\lap-master>cd C:\Users\xjsd\Downloads\cython_bbox-master\cython_bbox-master
(py38) C:\Users\xjsd\Downloads\cython_bbox-master\cython_bbox-master>pip install .
Looking in indexes: https://pypi.tuna.tsinghua.edu.cn/simple
Processing c:\users\xjsd\downloads\cython_bbox-master\cython_bbox-master
  Preparing metadata (setup.py) ... done
Requirement already satisfied: Cython in c:\users\xjsd\.conda\envs\py38\lib\site-packages (from cython-bbox==0.1.3) (3.0.2)
Requirement already satisfied: numpy in c:\users\xjsd\.conda\envs\py38\lib\site-packages (from cython-bbox==0.1.3) (1.24.4)
Building wheels for collected packages: cython-bbox
  Building wheel for cython-bbox (setup.py) ... done
  Created wheel for cython-bbox: filename=cython_bbox-0.1.3-cp38-cp38-win_amd64.whl size=29288 sha256=ecd828eb5c0cdba3e3b4931d9acb1719cd0869ba675321ae59eba43b85f1368c
  Stored in directory: c:\users\xjsd\appdata\local\pip\cache\wheels\a2\15\10\68bac8f727391b0efe795d418657f56c18299c9404c06ad0ae
Successfully built cython-bbox
Installing collected packages: cython-bbox
Successfully installed cython-bbox-0.1.3
```


![在这里插入图片描述](/static/img/images/03934.png)

numpy装1.23版本，重启pycharm。