『壹』 python 怎麼除去list中的重復值以下是不正確的，結果是[1, 1, 2, 3, 4, 4, 5]，為什麼
需要執行兩次une(a)才能去除
改了一下代碼，自己跑一下下面的兩端代碼就應該知道為什麼了，效果是一樣的
>>>a=[1,1,1,1,2,3,3,3,4,4,4,4,5,5]
>>>def une(lst):
for i in lst:
print 'i=',i
print 'count('+str(i)+')='+str(lst.count(i))
if lst.count(i) > 1:
lst.remove(i)
print 'a=',a
print '-----------------------------------------'
>>>une(a)
>>>a=[1,1,1,1,2,3,3,3,4,4,4,4,5,5]
>>>def une(lst):
num = len(lst)
n=0
for n in range(num):
#print 'n=',n
i = lst[n]
print 'i=',i
print 'count('+str(i)+')='+str(lst.count(i))
if lst.count(i) > 1:
lst.remove(i)
print 'a=',a
print '-----------------------------------------'
>>>une(a)
怎麼改une不用我教了吧
『貳』 Python中的Markdown和Markdown2有何區別
Markdown2 更快一點？簡直是一個笑話。你稍微做一下 benchmark 就不會這樣說了。
這裏是我在我的機器上跑的幾次數據：
Markdown: 47.7091s
Markdown2: 80.5163s
Markdown: 47.9369s
Markdown2: 79.5075s
Markdown: 46.4342s
Markdown2: 78.2267s
它們並沒有本質上的區別，除了 markdown2 自我吹噓了一把，騙了不少人。
我不知道提問者是在尋找一個 markdown 解析器，還是想要單純地做一個對比。如果是單純地做一個對比的話，答案就是 Markdown 更快一點，Markdown2 是單文件。
但是如果提問者是想找一個更好的 markdown 解析器的話，那選擇還有很多。
Misaka: A python binding for Sundown. (CPython required)
Hoedown: A python binding for Hoedown, successor of Misaka.
Discount: A python binding for Discount. (CPython required)
cMarkdown: Markdown for Python, accelerated by C. (CPython required)
Markdown: A pure markdown parser, the very first implementation.
Markdown2: Another pure markdown parser.
Mistune: The fastest markdown parser in pure Python
『叄』 mysqldb 裝不上啊，求助 MySQL-python
Python.h：沒有那個文件或目錄， 沒有python開發包
mysql.h：沒有那個文件或目錄， 沒有mysql的開發包。
如果是centos， redhat，可用yum命令安裝，sudo yum install python-devel mysql-devel, 可用yum search python*查看有哪些包可以安裝，mysql數據。
如果是ubuntu，可用apt-get命令安裝，sudo apg-get install python-devel mysql-devel，可用apt-cache search python*有哪些python相關的包可以安裝。
另外，不建議用root用戶在linux系統中進行操作，比較危險。
『肆』 python語句什麼意思
這些不是python代碼。看著很像bash命令。
題主在哪裡看到的這些語句？
『伍』 已經獲取虛擬機的所有信息，怎麼用python提取網卡信息
KVM(Kernel-based Virtual Machine)作為一個開源的系統虛擬化模塊，已經成為虛擬機虛擬化技術的主流，在越來越多的Cloud環境中使用。為了保證Cloud環境的正常運行，需要在運維過程中對Cloud環境中的VM狀態進行監控，比如CPU，內存，Disk，Disk I/O，Network I/O等信息，可以利用這些信息及時的調整分配Cloud環境的資源，保證VM的正常運行。Libvirt是基於KVM的上層封裝，提供了操作KVM的原生層介面，可以實現對虛擬機的日常管理操作，如虛擬機的生命周期(創建，刪除，查看，管理)，開機，關機，重啟，網路管理，存儲管理等。本文以查看hypervisor的instance為例，講述通過Libvirt-python模塊，查看當前HOST的KVM虛擬機常用監控信息。文章主要包括如下幾個方面的內容：
1、 Libvirt-python模塊的簡單介紹與環境安裝配置;
2、 利用Python調用API獲取 VM相關監控信息;
1. Libvirt-python模塊的簡單介紹與安裝配置
Libvirt提供一種虛擬機監控程序不可知的 API 來安全管理運行於主機上的客戶操作系統，是一種可以建立工具來管理客戶操作系統的 API。Libvirt 本身構建於一種抽象的概念之上。它為受支持的虛擬機監控程序實現的常用功能提供通用的API，適用於包括基於KVM/QEMU, Xen, LXC, OpenVZ, Virtualbox, VMware, PowerVM等多種虛擬機化技術的虛擬機。Libvirt-python是基於libvirt API的python語言綁定工具包，通過該包，可以使用python對VM進行日常管理操作和監控數據獲取。需要運行的Python監控程序可以在KVM的HOST中運行，也可以在基於KVM虛擬機化的任意環境運行，需要做的配置如下：
1) 環境准備：
安裝python 2.6及以上
安裝libvirt 1.2及以上
安裝libvirt-client 1.2及以上
安裝libvirt-python1.2及以上
以上環境如果已經在操作系統中存在並且滿足要求，不需要進行重復安裝，可以在libvirt的官方網站選擇不同的站點和適合自己操作系統的安裝包進行下載安裝。
2) 驗證安裝環境：
安裝完上述安裝包後，在命令行運行rpm -qa | grep libvirt 查看相關安裝信息是否正確如圖：
在命令行運行python命令查看python環境
在命令行運行virsh進入virsh命令行窗口
執行list –all,列出所有虛擬機，執行dommemstat domainID驗證windows虛擬機內存信息
unused代表虛機內部未使用的內存量，available代表虛機內部識別出的總內存量，那麼虛機內部的內存使用量則是(available-unused)。
如果windows虛擬機中沒有unused值，
按下一步安裝virtio-win驅動和balloon service，並且啟動balloon service
3) windows虛擬機Windows Virtio Drivers安裝。
1、下載地址，根據自己需求下載相應版本，這里以下載Stable virtio-win iso為例。
2、安裝驅動
3、安裝Balloon Services，
在python應用運行環境驗證servie，查看該VM 內存信息。
2. 利用Python調用API獲取 VM相關監控信息
2.1創建連接
Python的管理應用程序可以和域位於同一節點上，管理應用程序通過libvirt工作，以控制本地域，如下圖：
也可以運行在遠端，通過本地libvirt連接遠端libvirt，以控制本地域，該模式使用一種運行於遠程節點上的libvirtd守護進程。當在新節點上安裝libvirt時該程序會自動啟動，且可自動確定本地虛擬機監控程序並為其安裝驅動程序。該管理應用程序通過一種通用協議從本地libvirt連接到遠程libvirtd。
提供不同的連接方式，注意連接使用過後需要關閉。
from __future__ import print_function
import sys
import libvirt
# conn = libvirt.open('qemu+ssh://IP/system'
conn = libvirt.open('qemu:///system')
if conn == None:
print('Failed to open connection to qemu:///system', file=sys.stderr)
exit(1)
conn.close()
2.2 列出Domains
conn.listAllDomains(type)方法返回指定類型的domains列表，type參數可以設置以下類型
VIR_CONNECT_LIST_DOMAINS_ACTIVE
VIR_CONNECT_LIST_DOMAINS_INACTIVE
VIR_CONNECT_LIST_DOMAINS_PERSISTENT
VIR_CONNECT_LIST_DOMAINS_TRANSIENT
VIR_CONNECT_LIST_DOMAINS_RUNNING
VIR_CONNECT_LIST_DOMAINS_PAUSED
VIR_CONNECT_LIST_DOMAINS_SHUTOFF
VIR_CONNECT_LIST_DOMAINS_OTHER
VIR_CONNECT_LIST_DOMAINS_MANAGEDSAVE
VIR_CONNECT_LIST_DOMAINS_NO_MANAGEDSAVE
VIR_CONNECT_LIST_DOMAINS_AUTOSTART
VIR_CONNECT_LIST_DOMAINS_NO_AUTOSTART
VIR_CONNECT_LIST_DOMAINS_HAS_SNAPSHOT
VIR_CONNECT_LIST_DOMAINS_NO_SNAPSHO
如果設置為0，則返回所有活動和關機的domain
2.2 獲取監控數據
VM的監控信息主要是CPU使用率，內存使用率，Disk使用率，Disk I/O，Network I/O。其中，CPU的使用率，Disk I/O，Network I/O並不能直接獲取，需要經過計算獲得。
2.2.1 CPU使用率
libvirt中並不能直接獲取到虛擬機的CPU使用率，但是可以通過CPUTIME來計算出實際使用率。計算的公式為：
首先得到一個周期差：cpu_time_diff = cpuTimenow — cpuTimet seconds ago
然後根據這個差值計算實際使用率：%CPU = 100 × cpu_time_diff / ((now- seconds ago) × vcpus × 109).CPUtime可以使用domain的info函數獲得，如下：
from __future__ import print_function
import sys
import libvirt
from xml.dom import minidom
conn = libvirt.open('qemu:///system')
dom = conn.lookupByName(domName)
dominfo = dom.info()
print('The state is ' + str(dominfo[0]))
print('The max memory is ' + str(dominfo[1]))
print('The memory is ' + str(dominfo[2]))
print('The number of cpus is ' + str(dominfo[3]))
print('The cpu time is ' + str(dominfo[4]))
conn.close()
info()函數返回一個數組，下標為4的值即為CPUTime。
2.2.2 內存使用率
內存的使用情況可以函數dom.memoryStats()獲得，如下：
from __future__ import print_function
import sys
import libvirt
domName = 'Fedora22-x86_64-1'
conn = libvirt.open('qemu:///system')
if conn == None:
print('Failed to open connection to qemu:///system', file=sys.stderr)
exit(1)
dom = conn.lookupByID(5)
if dom == None:
print('Failed to find the domain '+domName, file=sys.stderr)
exit(1)
stats = dom.memoryStats()
print('memory used:')
for name in stats:
print(' '+str(stats[name])+' ('+name+')')
conn.close()
exit(0)
可以在Virsh命令行中驗證獲取的值是否正確。
2.2.3 Disk使用率
對於一個VM的DISK，在DOMAIN XML的device根據標示獲取，有關Disk部分的XML如下所示。
<devices>
<disk type='file' snapshot='external'>
<driver name="tap" type="aio" cache="default"/>
<source file='/var/lib/xen/images/fv0' startupPolicy='optional'>
<seclabel relabel='no'/>
</source>
<target dev='hda' bus='ide'/>
/*這個'hda'就是需要的參數 */
<iotune>
<total_bytes_sec>10000000</total_bytes_sec>
<read_iops_sec>400000</read_iops_sec>
<write_iops_sec>100000</write_iops_sec>
</iotune>
<boot order='2'/>
<encryption type='...'>
...
</encryption>
<shareable/>
<serial>
...
</serial>
</disk>
...
</devices>
使用函數domain.blockInfo(disk,0)獲得磁碟的總量和已使用量
2.2.4 Disk I/O
可以使用 domain. blockStats ()方法，該方法需要傳遞一個Disk的參數，這個參數可以通過XML文件取得：
<devices>
<disk type='file' snapshot='external'>
<driver name="tap" type="aio" cache="default"/>
<source file='/var/lib/xen/images/fv0' startupPolicy='optional'>
<seclabel relabel='no'/>
</source>
<target dev='hda' bus='ide'/>
/*這個'hda'就是需要的參數 */
<iotune>
<total_bytes_sec>10000000</total_bytes_sec>
<read_iops_sec>400000</read_iops_sec>
<write_iops_sec>100000</write_iops_sec>
</iotune>
<boot order='2'/>
<encryption type='...'>
...
</encryption>
<shareable/>
<serial>
...
</serial>
</disk>
...
</devices>
2.2.5 Network I/O
可以使用 domain.interfaceStats()方法，該方法需要傳遞一個虛擬網卡介面的參數，這個參數可以通過XML文件取得：
<interface type='bridge'>
<mac address='00:16:3e:74:03:53'/>
<source bridge='xenbr0'/>
<script path='vif-bridge'/>
<target dev='vif1.0 '/>
/*這個vif1.0就是需要的參數 */
</interface>
網卡的I/O值返回是一個數組，根據自己需要獲取對應的值。
3. 總結
通過對VM監控信息的獲取，可以實時的了解Cloud環境中各個VM的負載和使用情況，合理的調配計算資源，或者關閉長時間沒有使用的VM，做到Cloud資源的合理利用和運行環境的健康可靠性。
『陸』 snownlp和nltk什麼關系
沒什麼關系吧。 SnowNLP的開發者在GitHub描述中提到是受TextBlobd的啟發才寫的SnowNLP,而這兩個類庫的最大區別就是SnowNLP具體實現的時候沒有用nltk，主要針對中文文本處理。
『柒』 tensorlab 支持python介面嗎
這又是一個 Awesome XXX 系列的資源整理，由 vinta 發起和維護。內容包括：Web框架、網路爬蟲、網路內容提取、模板引擎、資料庫、數據可視化、圖片處理、文本處理、自然語言處理、機器學習、日誌、代碼分析等。
伯樂在線已在 GitHub 上發起「Python 資源大全中文版」的整理。歡迎擴散、歡迎加入。
GitHub - jobbole/awesome-python-cn: Python資源大全中文版
環境管理
管理 Python 版本和環境的工具
p – 非常簡單的互動式 python 版本管理工具。
pyenv – 簡單的 Python 版本管理工具。
Vex – 可以在虛擬環境中執行命令。
virtualenv – 創建獨立 Python 環境的工具。
virtualenvwrapper- virtualenv 的一組擴展。
包管理
管理包和依賴的工具。
pip – Python 包和依賴關系管理工具。
pip-tools – 保證 Python 包依賴關系更新的一組工具。
conda – 跨平台，Python 二進制包管理工具。
Curdling – 管理 Python 包的命令行工具。
wheel – Python 分發的新標准，意在取代 eggs。
包倉庫
本地 PyPI 倉庫服務和代理。
warehouse – 下一代 PyPI。
Warehousebandersnatch – PyPA 提供的 PyPI 鏡像工具。
devpi – PyPI 服務和打包/測試/分發工具。
localshop – 本地 PyPI 服務（自定義包並且自動對 PyPI 鏡像）。
分發
打包為可執行文件以便分發。
PyInstaller – 將 Python 程序轉換成獨立的執行文件（跨平台）。
dh-virtualenv – 構建並將 virtualenv 虛擬環境作為一個 Debian 包來發布。
Nuitka – 將腳本、模塊、包編譯成可執行文件或擴展模塊。
py2app – 將 Python 腳本變為獨立軟體包（Mac OS X）。
py2exe – 將 Python 腳本變為獨立軟體包（Windows）。
pynsist – 一個用來創建 Windows 安裝程序的工具，可以在安裝程序中打包 Python本身。
構建工具
將源碼編譯成軟體。
buildout – 一個構建系統，從多個組件來創建，組裝和部署應用。
BitBake – 針對嵌入式 Linux 的類似 make 的構建工具。
fabricate – 對任何語言自動找到依賴關系的構建工具。
PlatformIO – 多平台命令行構建工具。
PyBuilder – 純 Python 實現的持續化構建工具。
SCons – 軟體構建工具。
互動式解析器
互動式 Python 解析器。
IPython – 功能豐富的工具，非常有效的使用互動式 Python。
bpython- 界面豐富的 Python 解析器。
ptpython – 高級互動式Python解析器， 構建於python-prompt-toolkit 之上。
文件
文件管理和 MIME（多用途的網際郵件擴充協議）類型檢測。
imghdr – （Python 標准庫）檢測圖片類型。
mimetypes – （Python 標准庫）將文件名映射為 MIME 類型。
path.py – 對 os.path 進行封裝的模塊。
pathlib – （Python3.4+ 標准庫）跨平台的、面向對象的路徑操作庫。
python-magic- 文件類型檢測的第三方庫 libmagic 的 Python 介面。
Unipath- 用面向對象的方式操作文件和目錄
watchdog – 管理文件系統事件的 API 和 shell 工具
日期和時間
操作日期和時間的類庫。
arrow- 更好的 Python 日期時間操作類庫。
Chronyk – Python 3 的類庫，用於解析手寫格式的時間和日期。
dateutil – Python datetime 模塊的擴展。
delorean- 解決 Python 中有關日期處理的棘手問題的庫。
moment – 一個用來處理時間和日期的Python庫。靈感來自於Moment.js。
PyTime – 一個簡單易用的Python模塊，用於通過字元串來操作日期/時間。
pytz – 現代以及歷史版本的世界時區定義。將時區資料庫引入Python。
when.py – 提供用戶友好的函數來幫助用戶進行常用的日期和時間操作。
文本處理
用於解析和操作文本的庫。
通用
chardet – 字元編碼檢測器，兼容 Python2 和 Python3。
difflib – (Python 標准庫)幫助我們進行差異化比較。
ftfy – 讓Unicode文本更完整更連貫。
fuzzywuzzy – 模糊字元串匹配。
Levenshtein – 快速計算編輯距離以及字元串的相似度。
pangu.py – 在中日韓語字元和數字字母之間添加空格。
pyfiglet -figlet 的 Python實現。
shortuuid – 一個生成器庫，用以生成簡潔的，明白的，URL 安全的 UUID。
unidecode – Unicode 文本的 ASCII 轉換形式 。
uniout – 列印可讀的字元，而不是轉義的字元串。
xpinyin – 一個用於把漢字轉換為拼音的庫。
Slug化
awesome-slugify – 一個 Python slug 化庫，可以保持 Unicode。
python-slugify – Python slug 化庫，可以把 unicode 轉化為 ASCII。
unicode-slugify – 一個 slug 工具，可以生成 unicode slugs ,需要依賴 Django 。
解析器
phonenumbers – 解析，格式化，儲存，驗證電話號碼。
PLY – lex 和 yacc 解析工具的 Python 實現。
Pygments – 通用語法高亮工具。
pyparsing – 生成通用解析器的框架。
python-nameparser – 把一個人名分解為幾個獨立的部分。
python-user-agents – 瀏覽器 user agent 解析器。
sqlparse – 一個無驗證的 SQL 解析器。
特殊文本格式處理
一些用來解析和操作特殊文本格式的庫。
通用
tablib – 一個用來處理中表格數據的模塊。
Office
Marmir – 把輸入的Python 數據結構轉換為電子表單。
openpyxl – 一個用來讀寫 Excel 2010 xlsx/xlsm/xltx/xltm 文件的庫。
python-docx – 讀取，查詢以及修改 Microsoft Word 2007/2008 docx 文件。
unoconv – 在 LibreOffice/OpenOffice 支持的任意文件格式之間進行轉換。
XlsxWriter – 一個用於創建 Excel .xlsx 文件的 Python 模塊。
xlwings – 一個使得在 Excel 中方便調用 Python 的庫（反之亦然），基於 BSD 協議。
xlwt / xlrd – 讀寫 Excel 文件的數據和格式信息。
relatorio – 模板化OpenDocument 文件。
PDF
PDFMiner – 一個用於從PDF文檔中抽取信息的工具。
PyPDF2 – 一個可以分割，合並和轉換 PDF 頁面的庫。
ReportLab – 快速創建富文本 PDF 文檔。
Markdown
Mistune – 快速並且功能齊全的純 Python 實現的 Markdown 解析器。
Python-Markdown – John Gruber』s Markdown 的 Python 版實現。
YAML
PyYAML – Python 版本的 YAML 解析器。
CSV
csvkit – 用於轉換和操作 CSV 的工具。
Archive
unp – 一個用來方便解包歸檔文件的命令行工具。
自然語言處理
用來處理人類語言的庫。
NLTK – 一個先進的平台，用以構建處理人類語言數據的 Python 程序。
jieba – 中文分詞工具。
langid.py – 獨立的語言識別系統。
Pattern – Python 網路信息挖掘模塊。
SnowNLP – 一個用來處理中文文本的庫。
TextBlob – 為進行普通自然語言處理任務提供一致的 API。
TextGrocery – 一簡單高效的短文本分類工具，基於 LibLinear 和 Jieba。
文檔
用以生成項目文檔的庫。
Sphinx – Python 文檔生成器。
awesome-sphinxdoc
MkDocs – 對 Markdown 友好的文檔生成器。
pdoc – 一個可以替換Epydoc 的庫，可以自動生成 Python 庫的 API 文檔。
Pycco – 文學編程（literate-programming）風格的文檔生成器。
配置
用來保存和解析配置的庫。
config – logging 模塊作者寫的分級配置模塊。
ConfigObj – INI 文件解析器，帶驗證功能。
ConfigParser – (Python 標准庫) INI 文件解析器。
profig – 通過多種格式進行配置，具有數值轉換功能。
python-decouple – 將設置和代碼完全隔離。
命令行工具
用於創建命令行程序的庫。
命令行程序開發
cement – Python 的命令行程序框架。
click – 一個通過組合的方式來創建精美命令行界面的包。
cliff – 一個用於創建命令行程序的框架，可以創建具有多層命令的命令行程序。
clint – Python 命令行程序工具。
colorama – 跨平台彩色終端文本。
docopt – Python 風格的命令行參數解析器。
Gooey – 一條命令，將命令行程序變成一個 GUI 程序。
python-prompt-toolkit – 一個用於構建強大的互動式命令行程序的庫。
生產力工具
aws-cli – Amazon Web Services 的通用命令行界面。
bashplotlib – 在終端中進行基本繪圖。
caniusepython3 – 判斷是哪個項目妨礙你你移植到 Python 3。
cookiecutter – 從 cookiecutters（項目模板）創建項目的一個命令行工具。
『捌』 python安裝錯誤求解
安裝python依賴文件
pip install docopt pygments
然後再執行
sudo python setup.py install
『玖』 如何使用python實現遠程登錄到linux再遠程登錄到另一個linux
這個是服務端限制啊，你即使是用python實現，也是走ssh通道啊，也還是要ssh驗證的，服務端限制，你還是沒辦法啊
如果你是嫌兩次登陸麻煩，那就在ssh驗證上做文章，實現免密碼驗證登陸
或者用A機器的ssh tunnel做代理
『拾』 linux下用qt需要用到python在Py_Initialize就報錯
你在鏈接的時候必須提供正確的鏈接參數 （需要把 libpython 鏈接到你的可執行程序才能正確找到python C API)
具體可以用
pythonX.Y-config--cflags
得到編譯參數。
用
pythonX.Y-config--ldflags
得到鏈接參數
比如在我的系統上python2.7得到的參數是
$python2.7-config--cflags
-I/usr/include/python2.7-I/usr/include/python2.7-fno-strict-aliasing-march=x86-64-mtune=generic-O2-pipe-fstack-protector-strong--param=ssp-buffer-size=4-DNDEBUG-march=x86-64-mtune=generic-O2-pipe-fstack-protector-strong--param=ssp-buffer-size=4
$python2.7-config--ldflags
-lpython2.7-lpthread-ldl-lutil-lm-Xlinker-export-dynami
那麼就在編譯和鏈接的時候分別加入上面列出的參數，就可以了 （注意，不要加我例子中列印出來的內容，要加你自己執行pythonX.Y-config 後得到的內容）。