由于最近项目需要对一些比较敏感信息，比如账号信息，不能明文提供用户，需要加密处理，然后使用的时候再由封装好的程序去解密。
AES算法详解：高级加密标准,它是一种对称加密算法，AES只有一个密钥，这个密钥既用来加密，也用于解密。
AES加密方式有五种：ECB, CBC, CTR, CFB, OFB。
从安全性角度推荐CBC加密方法，本文介绍了CBC,ECB两种加密方法的python实现。
CBC 和ECB模式的区别就是：
在 Windows下使用AES时要安装的是pycryptodome 模块 …
from selenium.webdriver.common.action_chains import ActionChains
# 滑块验证
def slider(self):
retry_num = 0
while retry_num < 5:
try:
# 却换框架
self.driver.switch_to.default_content() …
文档：https://py-googletrans.readthedocs.io/en/latest/
pip install googletrans==4.0.0-rc1
from googletrans import Translator
# 设置Google翻译服务地址
translator = Translator(service_urls=[
'translate.google.cn'
])
translation …
在四月份刚接触Peewee的时候，写过一篇Peewee 使用。而后，在使用的过程中，发现很多常用的内容需要搜索查阅，今天就在这里整理一下。
插入数据，我们可以实例化一个Model，然后再使用save()的方法插入到数据库中。如下：
# 插入一条数据
p = Person(name='liuchungui', birthday=date(1990, 12, 20), is_relative=True)
p.save() …
最近，需要同步数据到Mysql中，数据量有几百万。但是，自己写一个for循环，然后使用Model.create()添加，发现这种方式特别慢。难道，像去年爬数据一样，将几百万的数据从Redis取出来，然后使用多线程进行保存？
在Google上搜索了之后，找到一种更简单的方式，那就是使用Peewee原生的方法insert_many()，进行批量数据插入。
那么，它的速度有多快？
下面，是我简单的比较了插入10000条数据到本地数据库中，四种方式所需要的时间。
代码如下：
from xModels import XUser, database
import time
NUM = 10000 …
上周学习了下基本的Peewee使用，知道了基本的增删改查和建数据库。不过，在项目中同步数据的时候，需要用到事务，于是赶紧补充了官方的Transactions，然后写个总结。
Peewee实现事务最常用的方法是Database.atomic()方法，非常简单，代码示例如下：
from xModels import XUser, database
with database.atomic() as transaction: …
Peewee是一个简单小巧的Python ORM，它非常容易学习，并且使用起来很直观。
如果想快速入门，请参考官方的Quckstart。
本文，只是写今天在使用过程中的一些记录。
在官方的Quckstart中，我了解到，Peewee中Model类、fields和model实例与数据库的映射关系如下：
| Object | Corresponds to… … |
|---|
XPath (XML Path Language) 是一门在 XML 文档中查找信息的语言，可用来在 XML 文档中对元素和属性进行遍历。
W3School官方文档：http://www.w3school.com.cn/xpath/index.asp
最近做了个小项目，中间需要用到图片文字识别，使用了百度的接口，这里分享下代码相关代码。
注意：SECRET_KEY和 API_KEY 需要自己去免费申请，有相应的免费额度，
具体可以参考官方文档：https://ai.baidu.com/ai-doc/OCR/dk3iqnq51
# -*- coding: utf-8 -*-
# @Author: bgods.cn
# @Create Date: 2020-07-22 17:08
# …
ndarray对象的内容可以通过索引或切片来访问和修改，与 Python 中 list 的切片操作一样。
ndarray 数组可以基于 0 - n 的下标进行索引，切片对象可以通过内置的 slice 函数，并设置 start, stop 及 step 参数进行，从原数组中切割出一个新数组。
import numpy …
1 / 4