Python

Python是一种广泛使用的解释型、高级和通用的编程语言，[1]由荷兰数学和计算机科学研究学会的Guido van Rossum创造，第一版发布于1991年，它是ABC语言的后继者，也可以视之为一种使用传统中缀表达式的LISP方言。[2]Python提供了高效的高级数据结构，还能简单有效地面向对象编程。Python语法和动态类型，以及解释型语言的本质，使它成为多数平台上写脚本和快速开发应用的编程语言，随着版本的不断更新和语言新功能的添加，逐渐被用于独立的、大型项目的开发。Python支持多种编程范型，包括函数式、指令式、结构化、面向对象和反射式编程。Python解释器易于扩展，可以使用C或C++（或者其他可以通过C调用的语言）扩展新的功能和数据类型。Python也可用于可定制化软件中的扩展程序语言。Python

用Python完成的密码生成器，功能如下: 1.支持自定义长度 2.支持生成包含大写字母、小写字母、数字、特殊符号的密码字符串

1. 项目主要的功能是根据用户输入的金额来进行人民币、美金换算 2. 项目需要用到爬虫来获取最新的汇率信息并进行转换

# SuperSQL 快速开发上线API 只需要编写sql语句以及接口相关信息即可上线API，对于简单需求无需编写多余代码 * 支持params参数 body/json参数 * 支持自定义脚本 * SQL语句支持Jinja2模版语法，更加灵活 * 支持多数据源(目前只支持mysql) * 支持配置JWT鉴权 缺点： * python语言性能限制，不适用于大规模生产环境 适用场景 * 用于制作DEMO * 功能简单的项目 ## 计划更新功能 * 支持配置公共脚本 * 支持静态文件代理 * 监控API * 支持更多类型的数据库

1. 项目背景 该项目为应对农民工工资被拖欠、保障农民工合法权益而开发的全自治区劳务实名制平台。平台通过录入每名农民工实名信息和考勤信息，由银行代发工资，可实现工资发放实时监管，从根源上保障农民工工资按时足额发放。 2. 环境概述 该项目使用中台+微服务的模式， 3. 工作经验及内容 - 主要负责电子合同、移动考勤等模块  - 对部分功能模块进行功能点梳理，提前进行测试设计，再根据设计方案输出测试用例，有效减少了因测试遗漏造成的线上溢出问题。 - 参与建设桂建通UI自动化回归测试项目，现已可以替代桂建通平台之前繁琐的人工回归测试任务，减少回归测试占用的人力，使回归时间从原来的1.5个小时降为现在的8分钟。 - 梳理闸机厂家接入时的联调测试需要进行的步骤，规范统一的脚本和数据，降低沟通和研发成本。 - 督促与检查研发提测材料，使研发提测质量不断提高，冒烟评价时间从最初一天降为半天。 - 强化上线评审材料、提前完善线上用例并进行上线评审，把上线时间从最初5个小时降为3个小时。

通过将页面方法、页面元素和测试操作分离开的测试思路，我们能够实现一种模块化、层次化的自动化测试框架。这种架构不仅使测试脚本结构清晰、易于维护，还能简化测试用例的编写过程。同时，集成定时运行、截图、用例报告和邮件发送等功能，可以进一步实现web测试的自动化运行，从而显著节约测试周期。 以下是对这种测试思路的详细解释： 页面方法、页面元素和测试操作的分离： 页面方法：负责页面上的交互逻辑，如点击按钮、输入文本、选择选项等。这些方法通常封装在单独的类中，以便于复用和维护。 页面元素：代表页面上的具体元素，如输入框、按钮、链接等。这些元素可以通过选择器（如ID、CSS类名、XPath等）进行定位。将页面元素与页面方法分离，可以使得测试脚本更加灵活，当页面结构发生变化时，只需要修改元素定位而不需要修改测试逻辑。 测试操作：定义具体的测试步骤和断言。测试操作可以调用页面方法来实现与页面的交互，并验证页面的响应是否符合预期。通过将测试操作与页面方法和页面元素分离，可以使得测试用例更加清晰易懂，并且便于维护和扩展。 模块化、层次化的自动化测试框架： 将页面方法、页面元素和测试操作分别封装在不同的模

项目分为淘宝订单获取，提卡，发货，机器人自动售后；该系统经过几个版本的更新迭代之后，做到了从淘宝获取订单，通过系统进行自动提卡，并自动发货。并解决了曾经无法自动售后的问题。目前系统可以自动判断订单情况，自动截图，并上传证据截图，锁卡，拒绝退款；或是判断是否达到可直接退款条件，直接退款。

系统总体分为数据采集模块，数据传输模块，数据可视化模块。在设计与实现时，系统选择Flask框架。数据采集模块编写一个Python程序爬取所需要的赛事数据，将其保存到MySQL数据库中，接着对其进行预处理，保证数据的准确性。数据传输模块再将数据封装，编写一个数据模型模块，让其可以直接与数据库连接，并且可以读取数据，让数据可以传送到前端。数据可视化模块利用ECharts制作具有直观的交互和动画效果的数据堆叠图和雷达图展示英雄数据和选手数据，利用JQuery库和CSS语言来实现数据传输、轮播动画和页面布局。通过这些可视化图表，可以更加直观地了解英雄的强度、选手的表现和战队之间的差距等内容。

 运用Hadoop和MongoDB对1975年至2015年NBA球员得分能力数据进行分析；  运用python进行机器学习的模型调理，利用Pytorch框架对爬取的抖音评论进行情感分析预测；  利用python和MySQL对51job网站的数据进行爬取、数据清洗及可视化。

本方案为机房动环系统硬件版本过于老旧，原告警硬件损坏不增加运维成本情况下开放的python脚本； 使用条件：动环本身数据库正常能读，部署系统安装python环境，告警部分可使用邮件或企业群聊微信机器人。

个人开发：开机后显示今日天气，长时间久坐提醒，直达想要到的文件文档，查看当前天气，文件命名工具，打开某个链接网站，右击清空回收站等

我负责了自动驾驶规划算法的设计（100%），包括lattice规划算法，与carla的联合仿真，实现自动驾驶场景下的模拟。场景包括静态障碍物避障，动态障碍物避障和停障，可以为机器人公司提供基础的算法研究平台和实战平台。

功能： 1、查看TXT、Word、Python、C++等文档，有base64转码、rsa标准秘钥加密解密 使用： 1、保存的rsa秘钥默认位于和程序在同一文件夹下的mi_yao文件夹 2、保存的rsa密文默认位于和程序在同一文件夹下的mi_wen文件夹 3、解密时，请先打开对应的密文文件，在点击菜单——功能——对应的解密方式 #管理员为啥给我下架了？这是原创作品

本产品是一款高效的数据处理工具，专为大数据环境下的Excel用户设计。它能够无缝对接并处理任何符合标准的Excel文件，执行一系列精细化操作，如关键字快速查询以精准定位数据，智能去重功能有效清理冗余信息，同时提供重复次数统计，帮助用户深入了解数据分布。此外，还支持一键删除重复的行或列，确保数据集的清洁与准确。处理完成后，产品能够自动生成并保存为全新的报表或图表文件，便于用户直观展示数据成果，提升工作效率与决策质量。

此项目能获取股票历史日线数据，查看相关报表和K线图，提供理财计算工具和基础学习，帮助用户理性理财。使用技术有：股票分析仿真系统前端用的 C++语言的MFC框架，后端是C++和Python语言进行逻辑处理，数据库用的是SQLServer，数据库连接用的是Dao技术。

获取金融网站的各类数据，可以指定数据获取 每日定时获取，自动进行更新，带容错，防止被禁 数据自动推送到钉钉 用到的技术：pandas/urllib/json/hashlib/base/bs4

疾病知识库：该模块包含了大量的疾病相关信息，如症状、病因、治疗方案等，用户可以根据需要自行添加或修改疾病知识库中的内容。 症状识别：用户可以设置不同的症状组合和权重，通过机器学习算法，对输入的症状描述进行识别和匹配，以辅助医生快速诊断疾病。 逻辑判断：用户可以根据自己的需求，设置不同的逻辑判断规则，如条件判断、顺序判断等，对疾病识别的结果进行进一步的筛选和过滤。 结果展示：系统会将疾病识别的结果和逻辑判断的结果进行汇总和展示，以便用户快速了解和评估病情。

这是一个基于YAML文件驱动的数据驱动型Web端自动化测试框架。它支持添加、删除、修改等操作的自动化接口测试，并主要面向产品测试人员。通过使用这个框架，测试人员可以方便地编写和执行测试用例，从而提高测试效率和准确性。 该框架具有高度的可扩展性和灵活性，可以根据不同的测试需求进行定制和扩展。此外，它还支持多种编程语言，使得测试人员可以根据自己的技能和偏好选择合适的编程语言来编写测试脚本。 该框架的主要特点包括： 数据驱动：所有测试数据都存储在YAML文件中，方便测试人员管理和维护。 可扩展性：可以根据不同的测试需求进行定制和扩展。 灵活性：支持多种编程语言，方便测试人员选择合适的编程语言来编写测试脚本。 易于使用：提供简单易用的API和命令行工具，方便测试人员快速上手和使用。 高效性：通过自动化测试，可以大大提高测试效率和准确性，从而缩短测试周期，降低测试成本。

人类染色体核型智能分析系统，是一款基于人工智能技术，对人类染色体中期图像进行自动分割、识别、计数，并自动生成核型图的遗传实验室辅助工具。 功能包括：图像管理、一键识别、导出核型图、手动编辑（笔刷、多边形、缩放、旋转、移动等）、配置管理。 达到的性能：分割准确率>90%，核型准确率>75%，GPU识别速度12张/分钟，CPU识别速度4张/分钟，支持GPU、CPU、XPU、NPU、TRT环境，支持Win、Linux操作系统。 目前已被多家医院遗传实验室采用。

1、使用RAG技术基于企业本地知识库构建智能问答系统 2、深度PDF等文本解析，通过深度学习板式识别，ocr提取，规则处理，多模态大模型等技术对文件做深入解析 3、可快速集成问答服务到企业现有系统 4、文件分析，附带单文档大模型分析功能 5、集成大语言模型，多模态大模型。可对大模型进行微调，以及大模型本地化部署（需GPU资源）

QuickAi快问Ai是一款可以一键问主流Ai大模型的应用，可以自定义提示词后框选一段文字即可与Ai大模型官网交互(无需Api)做到一键问Ai。支持主流Ai大模型 ChatGpt，通义千问，文心一言，讯飞星火，智谱清言，字节豆包，deepseek，kimi，mytan。（可联系适配更多模型）可自定义分类与提示词，满足个性化使用需求。三大触发模式 一、支持悬浮窗操作条触发 二、支持自定义快捷键触发 三、支持悬浮窗操作条跟随框选文字触发