知識星球
【伯樂線上導讀】：有網友在 Quora 上提問，「你用 Python 寫過最牛逼的程式/指令碼是什麼？」。本文摘編了 3 個國外程式員的多個小專案，含程式碼。
Manoj Memana Jayakumar, 3000+ 頂
更新：憑藉這些指令碼，我找到了工作！可看我在這個帖子中的回覆，《Has anyone got a job through Quora? Or somehow made lots of money through Quora?》
1. 電影/電視劇 字幕一鍵下載器
我們經常會遇到這樣的情景，就是開啟字幕網站subscene 或者opensubtitles， 搜尋電影或電視劇的名字，然後選擇正確的抓取器，下載字幕檔案，解壓，剪下並貼上到電影所在的檔案夾，並且需把字幕檔案重新命名以匹配電影檔案的名字。是不是覺得太無趣呢？對了，我之前寫了一個指令碼，用來下載正確的電影或電視劇字幕檔案，並且儲存到與電影檔案所在位置。所有的操作步驟僅需一鍵就可以完成。懵逼了嗎？
請看這個 Youtube 影片：https://youtu.be/Q5YWEqgw9X8
原始碼存放在GitHub：subtitle-downloader
更新：目前，該指令碼支援多個字幕檔案同時下載。步驟：按住 Ctrl ，選擇你想要為其下載字幕的多個檔案 ， 最後執行指令碼即可
2. IMDb 查詢/電子錶格生成器
我是一個電影迷，喜歡看電影。我總是會為該看哪一部電影而困惑，因為我搜集了大量的電影。所以，我應該如何做才能消除這種困惑，選擇一部今晚看的電影？沒錯，就是IMDb。我開啟 http://imdb.com，輸入電影的名字，看排名，閱讀和評論，找出一部值得看的電影。
但是，我有太多電影了。誰會想要在搜尋框輸入所有的電影的名字呢？ 我肯定不會這樣做，尤其是我相信“如果某些東西是重覆性的，那麼它應該是可以自動化的”。因此，我寫了一個 python 指令碼， 目的是為了使用 非官方的 IMDb API 來獲取資料。我選擇一個電影檔案（檔案夾），點選右鍵，選擇‘傳送到’，然後 點選 IMDB.cmd (順便提一下，IMDB.cmd 這個檔案就是我寫的 python 指令碼)，就是這樣。
我的瀏覽器會開啟這部電影在IMDb網站上的準確頁面。
僅僅只需點選一個按鍵，就可以完成如上操作。如果你不能夠瞭解這個指令碼到底有多酷，以及它可以為你節省多少時間，請看這個 Youtube 影片：https://youtu.be/JANNcimQGyk
從現在開始，你再也不需要開啟你的瀏覽器，等待載入IMDb的頁面，鍵入電影的名字。這個指令碼會幫你完成所有的操作。跟往常一樣，原始碼放在了GitHub：imdb ，並且附有操作說明。當然，由於這個指令碼必須去掉檔案或檔案夾中的無意義的字元，比如“DVDRip, YIFY, BRrip”等，所以在執行指令碼的時候會有一定比例的錯誤。但是經過測試，這個指令碼在我幾乎所有的電影檔案上都執行的很好。
2014-04-01更新：
許多人在問我是否可以寫一個指令碼，可以發現一個檔案夾中所有電影的詳細資訊，因為每一次只能發現一個電影的詳細資訊是非常麻煩的。我已經更新了這個指令碼，支援處理整個檔案夾。指令碼會分析這個檔案夾裡的所有子檔案夾，從 IMDb上抓取所有電影的詳細資訊 ，然後開啟一個電子錶格，根據IMDb 上的排名，從高到低降序排列所有的電影。這個表格中包含了 （所有電影）在 IMDb URL， 年份，情節，分類，獲獎資訊，演員資訊，以及其他的你可能在 IMBb找到的資訊。下麵是指令碼執行後，生成的表格範例：
Your very own personal IMDb database! What more can a movie buff ask for? 😉
Source on GitHub: imdb
你也可以有一個個人 IMDb 資料庫！一個電影愛好者還能夠要求更多嗎？：）
原始碼在 GitHub：imdb
3. theoatmeal.com 連載漫畫下載器
我個人超級喜歡 Matthew Inman 的漫畫。它們在瘋狂搞笑的同時，卻又發人深省。但是，我很厭煩重覆點選下一個，然後才能閱讀每一個漫畫。另外，由於每一個漫畫都由多福圖片組成，所以手動下載這些漫畫是非常困難的。
基於如上原因，我寫了一個 python 指令碼 ，用來從這個站點下載所有的漫畫。這個指令碼利用 BeautifulSoup (http://www.crummy.com/software/B… ) 解析 HTML 資料， 所以在執行指令碼前，必須安裝 BeautifulSoup。 用於下載燕麥片（馬修.英曼的一部漫畫作品）的下載器已經上傳到GitHub：theoatmeal.com-downloader 。（漫畫）下載完後的檔案夾是這樣的 😀
4. someecards.com 下載器
成功地從http://www.theoatmeal.com 下載了整部漫畫後，我在想是否我可以做同樣的事情 ， 從另一個我喜歡的站點— 搞笑的，唯一的http://www.someecards.com . 下載一些東西呢？
somececards 的問題是，圖片命名是完全隨機的，所有圖片的排放沒有特定的順序，並且一共有52 個大的類別， 每一個類別都有數以千計的圖片。
我知道，如果我的指令碼是多執行緒的話，那將是非常完美的，因為有大量的資料需要解析和下載，因此我給每一個類別中的每一頁都分配一個執行緒。這個指令碼會從網站的每一個單獨的分類下載搞笑的電子賀卡，並且把每一個放到單獨的檔案夾。現在，我擁有這個星球上最好笑的電子賀卡私人收藏。下載完成後，我的檔案夾是這樣的：
沒錯，我的私人收藏總共包括：52個類別，5036個電子賀卡。 原始碼在這裡：someecards.com-downloader
編輯：很多人問我是否可以共享我下載的所有檔案，（在這裡，我要說）由於我的網路不太穩定，我沒辦法把我的收藏上傳到網路硬碟，但是我已經上傳一個種子檔案，你們可以在這裡下載：somecards.com Site Rip torrent
種下種子，傳播愛：）
Akshit Khurana，4400+ 頂
感謝 500 多個朋友在 Facebook 上為我送出的生日祝福
有三個故事讓我的21歲生日變的難忘，這是最後一個故事。我傾向於在每一條祝福下親自評論，但是使用 python 來做更好。
…
1. # Thanking everyone who wished me on my birthday
2. import requests
3. import json
4.
5. # Aman’s post time
6. AFTER = 1353233754
7. TOKEN = ‘ ‘
8.
9. def get_posts():
10. “””Returns dictionary of id, first names of people who posted on my wall
11. between start and end time”””
12. query = (“SELECT post_id, actor_id, message FROM stream WHERE “
13. “filter_key = ‘others’ AND source_id = me() AND “
14. “created_time > 1353233754 LIMIT 200”)
15.
16. payload = {‘q’: query, ‘access_token’: TOKEN}
17. r = requests.get(‘https://graph.facebook.com/fql’, params=payload)
18. result = json.loads(r.text)
19. return result[‘data’]
20.
21. def commentall(wallposts):
22. “””Comments thank you on all posts”””
23. #TODO convert to batch request later
24. for wallpost in wallposts:
25.
26. r = requests.get(‘https://graph.facebook.com/%s’ %
27. wallpost[‘actor_id’])
28. url = ‘https://graph.facebook.com/%s/comments’ % wallpost[‘post_id’]
29. user = json.loads(r.text)
30. message = ‘Thanks %s :)’ % user[‘first_name’]
31. payload = {‘access_token’: TOKEN, ‘message’: message}
32. s = requests.post(url, data=payload)
33.
34. print “Wall post %s done” % wallpost[‘post_id’]
35.
36. if __name__ == ‘__main__’:
37. commentall(get_posts())
…
為了能夠順利執行指令碼，你需要從Graph API Explorer（需適當許可權）獲得 token。 本指令碼假設特定時間戳之後的所有帖子都是生日祝福。
儘管對評論功能做了一點改變，我仍然喜歡每一個帖子。
當我的點贊數，評論數以及評論結構在 ticker（Facebook一項功能，朋友可以看到另一個朋友在做什麼，比如點贊，聽歌，看電影等） 中爆漲後，我的一個朋友很快發現此事必有蹊蹺。
儘管這個不是我最滿意的指令碼，但是它簡單，快捷，有趣。
當我和 Sandesh Agrawal 在網路實驗室討論時，有了寫這個指令碼的想法。 為此，Sandesh Agrawal 耽擱了實驗室作業，深表感謝。
Tanmay Kulshrestha，3300+ 頂
好了，在我失去這個專案之前（一個豬一樣的朋友格式化了我的硬碟，我的所有程式碼都在那個硬碟上）或者說，在我忘記這些程式碼之前，我決定來回答這個問題。
整理照片
當我對影象處理感興趣之後，我一直致力於研究機器學習。我寫這個有趣的指令碼，目的是為了分類圖片，很像 Facebook 做的那樣（當然這是一個不夠精確的演演算法）。 我使用了 OpenCV 的人臉檢測演演算法，“haarcascade_frontalface_default.xml”，它可以從一張照片中檢測到人臉。
你可能已經察覺到這張照片的某些地方被錯誤地識別為人臉。 我試圖透過修改一些引數（來修正這一問題），但還是某些地方被錯誤地識別為人臉，這是由相機的相對距離導致的。我會在下一階段解決這一問題（訓練步驟）。
這個訓練演演算法需要一些訓練素材，每個人需要至少需要100-120個訓練素材（當然多多益善）。 我太懶了，並沒有為每一個人挑選照片，並把它們複製粘帖到訓練檔案夾。所以，你可能已經猜到，這個指令碼會開啟一個圖片，識別人臉，並顯示每一個人臉（指令碼會根據處於當前節點的訓練素材給每一個人臉預測一個名字）。伴隨著每次你標記的照片，Recognizer 會被更新，並且還會包含上一次的訓練素材。 在訓練過程中，你可以增加新的名字。我使用 python 庫 tkinter 做了一個 GUI。 因此，大多數時候，你必須初始化一小部分照片（給照片中的人臉命名），其他的工作都可以交給訓練演演算法。 因此，我訓練了 Recognizer ，然後讓它（Recognizer）去處理所有的圖片。
我使用圖片中包含的人的人名來命名圖片，（例如： Tanmay&*****&*****）。 因此，我可以遍歷整個檔案夾，然後可以透過輸入人名的方法來搜尋圖片。
初始狀態下，當一個人臉還沒有訓練素材時（素材庫中還沒有包括這個人臉的名字），需要詢問他/她的名字。
我可以增加一個名字，像這個樣子：
當訓練了幾個素材後，它會像這個樣子：
最後一個是針對應對那些垃圾隨機方塊而使用的變通解決方案。
帶名字的最終檔案夾。
所以，現在尋找圖片變得相當簡單。順便提一下，很抱歉（我）放大了這些照片。
…
import cv2
import sys
import os,random,string
#choices=[‘Add a name’]
import os
current_directory=os.path.dirname(os.path.abspath(__file__))
from Tkinter import Tk
from easygui import *
import numpy as np
x= os.listdir(current_directory)
new_x=[]
testing=[]
for i in x:
if i.find(‘.’)==-1:
new_x+=[i]
else:
testing+=[i]
x=new_x
g=x
choices=[‘Add a name’]+x
y= range(1,len(x)+1)
def get_images_and_labels():
global current_directory,x,y,g
if x==[]:
return (False,False)
image_paths=[]
for i in g:
path=current_directory+”+i
for filename in os.listdir(path):
final_path=path+”+filename
image_paths+=[final_path]
# images will contains face images
images = []
# labels will contains the label that is assigned to the image
labels = []
for image_path in image_paths:
# Read the image and convert to grayscale
img = cv2.imread(image_path,0)
# Convert the image format into numpy array
image = np.array(img, ‘uint8’)
# Get the label of the image
backslash=image_path.rindex(”)
underscore=image_path.index(‘_’,backslash)
nbr = image_path[backslash+1:underscore]
t=g.index(nbr)
nbr=y[t]
# If face is detected, append the face to images and the label to labels
images.append(image)
labels.append(nbr)
#cv2.imshow(“Adding faces to traning set…”, image)
#cv2.waitKey(50)
# return the images list and labels list
return images, labels
# Perform the tranining
def train_recognizer():
recognizer = cv2.createLBPHFaceRecognizer()
images, labels = get_images_and_labels()
if images==False:
return False
cv2.destroyAllWindows()
recognizer.train(images, np.array(labels))
return recognizer
def get_name(image_path,recognizer):
global x,choices
#if recognizer==”:
# recognizer=train_recognizer()
cascadePath = “haarcascade_frontalface_default.xml”
faceCascade = cv2.CascadeClassifier(cascadePath)
#recognizer=train_recognizer()
x1=testing
global g
print image_path
image = cv2.imread(image_path)
img = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
predict_image = np.array(img, ‘uint8’)
faces = faceCascade.detectMultiScale(
img,
scaleFactor=1.3,
minNeighbors=5,
minSize=(30, 30),
flags = http://cv2.cv.CV_HAAR_SCALE_IMAGE
)
for (x, y, w, h) in faces:
f= image[y:y+w,x:x+h]
cv2.imwrite(‘temp.jpg’,f)
im=‘temp.jpg’
nbr_predicted, conf = recognizer.predict(predict_image[y: y + h, x: x + w])
predicted_name=g[nbr_predicted–1]
print “{} is Correctly Recognized with confidence {}”.format(predicted_name, conf)
if conf>=140:
continue
msg=‘Is this ‘+predicted_name
reply = buttonbox(msg, image=im, choices=[‘Yes’,‘No’])
if reply==‘Yes’:
reply=predicted_name
directory=current_directory+”+reply
if not os.path.exists(directory):
os.makedirs(directory)
random_name=”.join(random.choice(string.ascii_uppercase + string.digits) for _ in range(7))
path=directory+”+random_name+‘.jpg’
cv2.imwrite(path,f)
else:
msg = “Who is this?”
reply = buttonbox(msg, image=im, choices=choices)
if reply == ‘Add a name’:
name=enterbox(msg=‘Enter the name’, title=‘Training’, strip=True)
print name
choices+=[name]
reply=name
directory=current_directory+”+reply
if not os.path.exists(directory):
os.makedirs(directory)
random_name=”.join(random.choice(string.ascii_uppercase + string.digits) for _ in range(7))
path=directory+”+random_name+‘.jpg’
print path
cv2.imwrite(path,f)
# calculate window position
root = Tk()
pos = int(root.winfo_screenwidth() * 0.5), int(root.winfo_screenheight() * 0.2)
root.withdraw()
WindowPosition = “+%d+%d” % pos
# patch rootWindowPosition
rootWindowPosition = WindowPosition
def detect_faces(img):
global choices,current_directory
imagePath = img
faceCascade = cv2.CascadeClassifier(cascPath)
image = cv2.imread(imagePath)
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
faces = faceCascade.detectMultiScale(
gray,
scaleFactor=1.3,
minNeighbors=5,
minSize=(30, 30),
flags = http://cv2.cv.CV_HAAR_SCALE_IMAGE
)
print “Found {0} faces!”.format(len(faces))
m=0
for (x, y, w, h) in faces:
m+=1
padding=0
f= image[y–padding:y+w+padding,x–padding:x+h+padding]
cv2.imwrite(‘temp.jpg’,f)
im=‘temp.jpg’
msg = “Who is this?”
reply = buttonbox(msg, image=im, choices=choices)
if reply == ‘Add a name’:
name=enterbox(msg=‘Enter the name’, title=‘Training’, strip=True)
print name
choices+=[name]
reply=name
directory=current_directory+”+reply
if not os.path.exists(directory):
os.makedirs(directory)
random_name=”.join(random.choice(string.ascii_uppercase + string.digits) for _ in range(7))
path=directory+”+random_name+‘.jpg’
print path
cv2.imwrite(path,f)
def new(img,recognizer):
imagePath = current_directory+”+img
print imagePath
get_name(imagePath,recognizer)
cascPath = ‘haarcascade_frontalface_default.xml’
b=0
os.system(“change_name.py”)
for filename in os.listdir(“.”):
b+=1
if b%10==0 or b==1:
os.system(“change_name.py”)
recognizer=train_recognizer()
if filename.endswith(‘.jpg’) or filename.endswith(‘.png’):
print filename
imagePath=filename
#detect_faces(imagePath)
new(imagePath,recognizer)
os.remove(filename)
raw_input(‘Done with this photograph’)
…
我想進一步修改它的搜尋功能，其中會包含更多的搜尋型別，比如基於地理位置，微笑的臉，傷心的臉等等。（這樣我就可以在 Skylawns 上 搜尋快樂的 Tanmay & 沮喪的 Akshay & 快樂的…）
我還寫了很多指令碼，但那都是很久之前的事情了，我也懶得再去檢查這些程式碼了，我會列出部分程式碼。
GitHub 連結：tanmay2893/Image-Sorting
Gmail 郵件通知
在那段時間，我沒有智慧手機。 導致我常常錯過來自於我所在的研究所的郵件（在我的研究所的郵件 ID），我寫了一個指令碼，可以在我的筆記本上執行，而且能給我的手機發資訊。我使用 python 的 IMAP 庫來獲取郵件。我可以輸入一些重要的人的名字，這樣一來，當這些人給我發了郵件後，我可以收到簡訊通知。對於簡訊， 我使用了 way2sms.com（寫了一個 python 指令碼，自動登陸我的賬戶，然後傳送 簡訊）。
PNR（Passenger Name Record旅客訂座記錄，下同） 狀態短訊
鐵路方面不經常傳送 PNR 狀態訊息。因此，我寫了一個指令碼，可以從印度鐵路網站獲取 PNR 狀態。這是非常容易的，因為那個網站沒有驗證碼，即使有，也只是形同虛設的驗證碼（在過去，一些字母會被寫在看起來像圖片一樣的東西上面，因為他們為這些字母使用了一個 “check” 的背景圖）。 我們可以輕鬆地從 HTML 網頁得到這些字母。我不明白他們這樣做的目的是什麼，難道僅僅是為了愚弄他們自己嗎？ 不管怎麼樣，我使用簡訊息指令碼來處理它，經過一段時間間隔，它會在我的筆記本上執行一次，就像是一個定時任務，只要 PNR 狀態有更新，它就會把更新資訊傳送給我。
YouTube 影片下載器
這個指令碼會從 Youtube 頁面下載所有的 Youtube 影片 以及他們所有的字幕檔案（從Download and save subtitles 下載）。為了使下載速度更快一點，我使用了多執行緒。還有一個功能是，即使你的電腦重啟了，仍然可以暫停和恢復播放下載的（影片）。我原本想做一個UI的，但是我太懶了… 一旦我的下載任務完成，我就不去關心 UI 的事情了。
板球比分通知器
我猜想這個功能已經在別的地方提到過了。一個視窗通知器。（在右下角的通知區域，它會告訴你實時比分以及評論資訊）。如果你願意的化，在某些時間段，你也可以關掉它。
WhatsApp 訊息
這個並不太實用，我只是寫著玩玩。因為 Whatsapp 有網頁版，我使用 selenium 和 Python 下載我的所有聯絡人的顯示圖片，並且，一旦有人更新了他們的顯示圖片，我將會知道。（如何做到的？非常簡單，在設定好時間間隔後，我會一遍又一遍的不停下載所有的頭像資訊，一旦照片的尺寸發生變化，我將會知道他/她更新了顯示圖片）。然後我會給他/她發一個資訊，不錯的頭像。我僅僅使用了一次來測試它的可用性。
Nalanda 下載器
我們一般在這個叫 ‘Nalanda’ 的網站上下載一些教學課件以及其他的課程資料， ‘Nalanda’ 在 BITS Pilani (Nalanda). 我自己懶得在考試前一天下載所有的課件，所以，我寫了這個這個下載器，它可以把每一門科的課件下載到相應的檔案夾。
程式碼：
…
import mechanize,os,urllib2,urllib,requests,getpass,time
start_time = time.time()
from bs4 import BeautifulSoup
br=mechanize.Browser()
br.open(‘https://nalanda.bits-pilani.ac.in/login/index.php’)
br.select_form(nr=0)
name=”
while name==”:
try:
print ‘*******’
username=raw_input(‘Enter Your Nalanda Username: ‘)
password=getpass.getpass(‘Password: ‘)
br.form[‘username’]=username
br.form[‘password’]=password
res=br.submit()
response=res.read()
soup=BeautifulSoup(response)
name=str(soup.find(‘div’,attrs={‘class’:‘logininfo’}).a.string)[:-2]
except:
print ‘Wrong Password’
f=open(‘details.txt’,‘w’)
f.write(username+‘n’+password)
f.close()
print ‘Welcome, ‘+name
print ‘All the files will be downloaded in your Drive C in a folder named “nalanda”‘
#print soup.prettify()
div=soup.find_all(‘div’,attrs={‘class’:‘box coursebox’})
l=len(div)
a=[]
for i in range(l):
d=div[i]
s=str(d.div.h2.a.string)
s=s[:s.find(‘(‘)]
c=(s,str(d.div.h2.a[‘href’]))
path=‘c:nalanda’+c[0]
if not os.path.exists(path):
os.makedirs(path)
a+=[c]
#print a
overall=[]
for i in range(l):
response=br.open(a[i][1])
page=response.read()
soup=BeautifulSoup(page)
li=soup.find_all(‘li’,attrs={‘class’:‘section main clearfix’})
x=len(li)
t=[]
folder=a[i][0]
print ‘Downloading ‘+folder+‘ files…’
o=[]
for j in range(x):
g=li[j].ul
#print g
#raw_input(”)
if g!=None:
temp=http://g.li[‘class’].split(‘ ‘)
#raw_input(”)
if temp[1]==‘resource’:
#print ‘yes’
#print ‘********************’
o+=[j]
h=li[j].find(‘div’,attrs={‘class’:‘content’})
s=str(h.h3.string)
path=‘c:nalanda’+folder
if path[–1]==‘ ‘:
path=path[:-1]
path+=”+s
if not os.path.exists(path):
os.makedirs(path)
f=g.find_all(‘li’)
r=len(f)
z=[]
for e in range(r):
p=f[e].div.div.a
q=f[e].find(‘span’,attrs={‘class’:‘resourcelinkdetails’}).contents
link=str(p[‘href’])
text=str(p.find(‘span’).contents[0])
typ=”
if str(q[0]).find(‘word’)!=-1:
typ=‘.docx’
elif str(q[0]).find(‘JPEG’)!=-1:
typ=‘.jpg’
else:
typ=‘.pdf’
if typ!=‘.docx’:
res=br.open(link)
soup=BeautifulSoup(res.read())
if typ==‘.jpg’:
di=soup.find(‘div’,attrs={‘class’:‘resourcecontent resourceimg’})
link=di.img[‘src’]
else:
di=soup.find(‘div’,attrs={‘class’:‘resourcecontent resourcepdf’})
link=di.object[‘data’]
try:
if not os.path.exists(path+”+text+typ):
br.retrieve(link,path+”+text+typ)[0]
except:
print ‘Connectivity Issues’
z+=[(link,text,typ)]
t+=[(s,z)]
if t==[]:
print ‘No Documents in this subject’
overall+=[o]
#raw_input(‘Press any button to resume’)
#print overall
print ‘Time Taken to Download: ‘+str(time.time()–start_time)+ ‘ seconds’
print ‘Do you think you can download all files faster than this :P’
print ‘Closing in 10 seconds’
time.sleep(10)
…
我自己的 DC++
這個指令碼並不是很有用，目前只有一些學生在用它， 況且，DC ++ 已經提供了一些很酷的功能。我原本可以最佳化我自己的版本，但是，由於我們已經有了DC ++，我並沒有這麼做，儘管我已經使用 nodeJS 和 python 寫了一個基礎版本。
工作原理：
開啟 DC++ ， 進入一個中心站點，然後連線，我寫了一個 python 指令碼來做這件事。 指令碼會在 PC上建立一個伺服器（可以透過修改 SimpleHTTPRequestHandler 來完成）。
在伺服器端（使用了NodeJS），它會拿到 PC 的連線，共享給其他的使用者。
這個是主頁面:
這個頁面顯示了所有的使用者和他們的連結。因為我給 Nick 加了一個超連結，所以在連結這一攔是空的。
所以，當使用者數量增加以後，這個頁面會列出所有的使用者串列。基本上，這個頁面充當了一個你和另外一個人聯絡的中間人角色。 我還做了一個在所有使用者中搜索特定檔案的功能。
這裡是客戶端的 python 檔案（這是一段很長的程式碼，我上傳到了 Ideone）
所有這些程式碼僅僅用於教育目的。
編譯： Python開發者 – Jake_on 英文：Quora
http://python.jobbole.com/85986/
《Linux雲端計算及運維架構師高薪實戰班》2018年11月26日即將開課中，120天衝擊Linux運維年薪30萬，改變速約~~~~
*宣告：推送內容及圖片來源於網路，部分內容會有所改動，版權歸原作者所有，如來源資訊有誤或侵犯權益，請聯絡我們刪除或授權事宜。
– END –
