自主研發python套殼

Python實際上是一種編程語言，在許多領域中都有廣泛的應用，例如最熱門的大數據分析，人工智慧，Web開發等。

1989年聖誕節，阿姆斯特丹，為了度過無聊的聖誕節，年輕人Guido決定開發一種新的編程語言。 Python(Boa Constrictor)的名字是因為他是Monty Python喜劇小組的粉絲。你看，技術是如此隨意...

E. Python工程師有前途嗎

Python是一門面向對象的編程語言，編譯速度超快，從誕生到現在已經20來個年頭了。Python的排名從去年開始就藉助人工智慧持續上升，Python的火熱，也帶動了工程師們的就業熱。

隨著Python的技術的流行，Python在為人們帶來工作與生活上帶來了很多的便捷，因為Python簡單，學起來快，也是不少新手程序員入門的首選語言。新手們比較關心的就是Python的發展前景與方向。

從自身特性看Python發展

Python自身強大的優勢決定其不可限量的發展前景。Python作為一種通用語言，幾乎可以用在任何領域和場合，角色幾乎是無限的。Python具有簡單、易學、免費、開源、可移植、可擴展、可嵌入、面向對象等優點，它的面向對象甚至比java和C#.net更徹底。

它是一種很靈活的語言，能幫你輕松完成編程工作。強大的類庫支持，使編寫文件處理、正則表達式，網路連接等程序變得相當容易。能運行在多種計算機平台和操作系統中，如各位unix，windows，MacOS,OS/2等等，並可作為一種原型開發語言，加快大型程序的開發速度。

從企業應用來看Python發展

Python被廣泛的用在Web開發、運維自動化、測試自動化、數據挖掘等多個行業和領域。一項專業調查顯示，75%的受訪者將Python視為他們的主要開發語言，反之，其他25%受訪者則將其視為輔助開發語言。將Python作為主要開發語言的開發者數量逐年遞增，這表明Python正在成為越來越多開發者的開發語言選擇。

目前，國內不少大企業都已經使用Python如豆瓣、搜狐、金山、騰訊、盛大、網易、網路、阿里、淘寶、熱酷、土豆、新浪、果殼等；國外的谷歌、NASA、YouTube、Facebook、工業光魔、紅帽等都在應用Python完成各種各樣的任務。

從市場需求‍與薪資看Python發展

從職友集最新Python招聘崗位需求來看，Python工程師的崗位需求量巨大，並且崗位需求量還在呈現上漲的趨勢。全國Python崗位需求量接近10個，北京崗位需求量居首位為20890個佔比21.17%，上海Python工程師崗位需求量居第二位為12843個佔比13.02%，其次是深圳、杭州、廣州等一線城市合計佔比16.53%，下圖為全國主要城市Python工程師崗位需求量。

Python人才需求逐年增加，從市場整體需求來看，Python在招聘市場上的流行程度也是在逐步上升的，工資水平也是水漲船高。據統計Python平均薪資水平在12K，隨著經驗的提升，薪資也是逐年增長。目前初級Python工程師薪資待遇就達10-15K，而隨著開發年限的增加，Python開發者薪資呈直線上升的變化趨勢，工作8年的Python薪資攀升至25K左右。

F. 想自己學習Python開發。使用什麼開發工具好一些呢

如果想寫python的程序，至少需要安裝一個python 的解釋器。用來解釋python的程序文件。
編輯器的話，沒有誰好誰好，主要還是看個人的喜好，比較主流的幾下幾個。
1. pycharm：這是一個集成化開發工具，集編輯運行一體，比較方便。但是軟體收費，可以下載社區版初期學習使用
2. sublime text：比較好用的輕量級文本編輯工具。需要配合解釋器開發
3. vim編輯器：linux 或mac 系統下的命令行界面的文本編輯工具，也可以編寫程序。需要對系統有所了解才能上手。
4. 其它文本編輯工具
如果想學習Python，可以看看黑馬程序員的學習視頻啊，有600集的那個很好自學哦~歡迎你採納我的回答

G. 如何做一個游戲外殼，封裝幾個小的python游戲

importrandomasr
importsys
legal_x=[0,10]
legal_y=[0,10]
list_boom=[]
classBig:
def__init__(self):
"""在y=1隨機生成轟炸機位置"""
self.x=r.randint(0,10)
self.y=1

defmove(self):
self.Interval=[]
"""隨機移動左右方向並移動到新的位置(x,1)"""
self.step=r.randint(0,10)
self.direction=r.randint(-1,1)#方向，-1為左，0不移動，1為右
new_x=self.x+self.direction*self.step
mew_y=self.y
"""判斷是否越界"""
ifnew_x>legal_x[1]:
pos_x=legal_x[1]-(new_x-legal_x[1])
pos_y=mew_y
elifnew_x<legal_x[0]:
pos_x=legal_x[0]-new_x
pos_y=mew_y
else:
pos_x=new_x
pos_y=mew_y

"""炮台移動前後對應坐標"""
ifself.x>pos_x:
foriinrange(pos_x,self.x+1):
self.Interval.append(i)
print("炮台從坐標x=%d移動到x=%d，沿途轟了%d炮"%(self.x,pos_x,self.x+1-pos_x))
print(">>>轟出%d個炮的位置是x="%(self.x+1-pos_x),end="")
print(self.Interval)

elifself.x<pos_x:
foriinrange(self.x,pos_x+1):
self.Interval.append(i)
print("炮台從坐標x=%d移動到x=%d，沿途轟了%d炮"%(self.x,pos_x,pos_x+1-self.x))
print(">>>轟出%d個炮的位置是x="%(pos_x+1-self.x),end="")
print(self.Interval)
else:
self.Interval.append(pos_x)
print(">>>炮台原地轟了一炮")
print(">>>轟炮的坐標是x=%s"%str(self.Interval))

"""初始化炮台到移動的目標"""
self.x=pos_x
self.y=pos_y
return(pos_x,pos_y)

classSmall:
def__init__(self):
"""在y=10隨機生成小飛機位置"""
self.x=r.randint(0,10)
self.y=10

defmove(self):
"""固定移動，每次向下一步"""
new_x=self.x
mew_y=self.y-1
"""判斷是否越界"""
ifmew_y<=legal_y[0]:
self.x=r.randint(0,10)
self.y=10
else:
self.x=new_x
self.y=mew_y
return(new_x,mew_y)

classBoom:
"""核武器"""
def__init__(self):
self.x=r.randint(0,10)
self.y=1

defDAFEIJI(n):
Scorer=0
list_s=[]
big_air=Big()
"""炮台出場"""

i=r.randint(3,10)
whilen:
boom=Boom()
"""核武器生成"""
foreach_airinrange(i):
small_air=Small()#小飛機出場數量隨機生成，位置也隨機，所以可能與之前重疊
list_s.append(small_air)

pos=big_air.move()
n=n-1
ifpos!=(boom.x,boom.y):
foreachinlist_s[:]:
ifeach.move()==pos:
print(">>>>>>>很不幸!您的炮台撞小飛機了....GG！！")#這個幾率.....
print("本次打飛機的分數是：%d"%Scorer)
sys.exit(0)
if(each.move())[0]in(big_air.Interval):
print("一架小飛機被打掉..")
Scorer+=1
list_s.remove(each)
else:
print("炮台載入了核武器...======================清屏!=======================..")
Scorer+=len(list_s)
list_s.clear()
print("本次打飛機的分數是：%d"%Scorer)
#==============================主程序==================================
DAFEIJI(2000)

H. python是如何被開發的

本文出自《Python高手之路》中的Doug Hellmann訪談。

我曾經有幸和Doug Hellmann一起工作過數月。他在DreamHost是一位非常資深的軟體開發工程師，同時他也是OpenStack項目的貢獻者。他發起過關於Python的網站Python Mole of the Week（），也出版過一本很有名的Pyhton書The Python Standard Library By Example（），同時他也是Python的核心開發人員。我曾經咨詢過Doug關於標准庫以及庫的設計與應用等方面的問題。
當你從頭開發一個Python應用時，如何邁出第一步呢？它和開發一個已有的應用程序有什麼不同？
從抽象角度看步驟都差不多，但是細節上有所不同。相對於對比開發新項目和已有項目，我個人在對應用程序和庫開發的處理方式上有更多的不同。
當我要修改已有代碼時，特別是這些代碼是其他人創建的時，起初我需要研究代碼是如何工作的，我需要改進哪些代碼。我可能會添加日誌或是輸出語句，或是用pdb，利用測試數據運行應用程序，以便我理解它是如何工作的。我經常會做一些修改並測試它們，並在每次提交代碼前添加可能的自動化測試。
創建一個新應用時，我會採取相同的逐步探索方法。我先創建一些代碼，然後手動運行它們，在這個功能可以基本調通後，再編寫測試用例確保我已經覆蓋了所有的邊界情況。創建測試用例也可以讓代碼重構更容易。
這正是smiley（）的情況。在開發正式應用程序前，我先嘗試用Python的trace API寫一些臨時腳本。對於smiley我最初的設想包括一個儀表盤並從另一個運行的應用程序收集數據，另一部分用來接收通過網路發送過來的數據並將其保存。在添加幾個不同的報告功能的過程中，我意識到重放已收集的數據的過程和在一開始收集數據的過程基本是一樣的。於是我重構了一些類，並針對數據收集，資料庫訪問和報告生成器創建了基類。通過讓這些類遵循同樣的API使我可以很容易地創建數據收集應用的一個版本，它可以直接將數據寫入資料庫而無需通過網路發送數據。
當設計一個應用程序時，我會考慮用戶界面是如何工作的，但對於庫，我會專注於開發人員如何使用其API。通過先寫測試代碼而不是庫代碼，可以讓思考如何通過這個新庫開發應用程序變得更容易一點兒。我通常會以測試的方式創建一系列示常式序，然後依照其工作方式去構建這個庫。
我還發現，在寫任何庫的代碼之前先寫文檔讓我可以全面考慮功能和流程的使用，而不需要提交任何實現的細節。它還讓我可以記錄對於設計我所做出的選擇，以便讀者不僅可以理解如何使用這個庫，還可以了解在創建它時我的期望是什麼。這就是我用在stevedore上的方法。
我知道我想讓stevedore能夠提供一組類用來管理應用程序的插件。在設計階段，我花了些時間思考我見過的使用插件的通用模式，並且寫了幾頁粗略的文檔描述這些類應該如何使用。我意識到，如果我在類的構造函數中放最復雜的參數，方法map()幾乎是可互換的。這些設計筆記直接寫進了stevedore官方文檔的簡介里，用來解釋在應用程序中使用插件的不同模式和准則。
將一個模塊加入Python標准庫的流程是什麼？
完整的流程和規范可以在Python Developer's Guide（）中找到。
一個模塊在被加入Python標准庫之前，需要被證明是穩定且廣泛使用的。模塊需要提供的功能要麼是很難正確實現的，要麼是非常有用以至於許多開發人員已經創建了他們自己不同的變種。API應該非常清晰並且它的實現不能依賴任何標准庫之外的庫。
提議一個新模塊的第一步是在社區通過python-ideas郵件列表非正式地了解一下大家對此的感興趣程度。如果回應很積極，下一步就是創建一個Python增強提案（PythonEnhancement Proposal，PEP），它包括添加這個模塊的動因，以及如何過渡的一些實現細節。
因為包的管理和發現工作已經非常穩定了，尤其是pip和Python Package Index（PyPI），因此在標准庫之外維護一個新的庫可能更實用。單獨的發布使得對於新功能和bug修復（bugfix）的更新可以更頻繁，對於處理新技術或API的庫來說這尤其重要。
標准庫中的哪三個模塊是你最想人們深入了解並開始使用的？
最近我做了許多關於應用程序中動態載入擴展方面的工作。我使用abc模塊為那些作為抽象基類進行的擴展定義API，以幫助擴展的作者們了解API的哪些方法是必需的，哪些是可選的。抽象基類已經在其他一些語言中內置了，但我發現很多Python程序員並不知道Python也有。
bisect模塊中的二分查找演算法是個很好的例子，一個廣泛使用但不容易正確實現的功能，因此它非常適合放到標准庫中。我特別喜歡它可以搜索稀疏列表，且搜索的值可能並不在其中。
collections模塊中有許多有用的數據結構並沒有得到廣泛使用。我喜歡用namedtuple來創建一些小的像類一樣的數據結構來保存數據但並不需要任何關聯邏輯。如果之後需要添加邏輯的話，可以很容易將namedtuple轉換成一個普通的類，因為namedtuple支持通過名字訪問屬性。另一個有意思的數據結構是ChainMap，它可以生成良好的層級命名空間。ChainMap能夠用來為模板解析創建上下文或者通過清晰的流程定義來管理不同來源的配置。
許多項目（包括OpenStack）或者外部庫，會在標准庫之上封裝一層自己的抽象。例如，我特別想了解對於日期/時間的處理。對此你有什麼建議嗎？程序員應該堅持使用標准庫，還是應該寫他們自己的函數，切換到其他外部庫或是開始給Python提交補丁？
所有這些都可以。我傾向於避免重復造輪子，所以我強烈主張貢獻補丁和改進那些能夠用來作為依賴的項目。但是，有時創建另外的抽象並單獨維護代碼也是合理的，不管在應用程序內還是作為一個新的庫。
你提到的例子中，OpenStack里的timeutils模塊就是對Python的datetime模塊的一層很薄的封裝。大部分功能都簡短且簡單，但通過將這些最常見的操作封裝為一個模塊，我們可以保證它們在OpenStack項目中以一致的方式進行處理。因為許多函數都是應用相關的，某種意義上它們強化了一些問題決策，例如，字元串時間戳格式或者「現在」意味著什麼，它們不太適合作為Python標准庫的補丁或者作為一個通用庫發布以及被其他項目採用。
與之相反，我目前正致力於將OpenStack的API服務項目從早期創建時使用的WSGI框架轉成採用一個第三方Web開發框架。在Python中開發WSGI應用有很多選擇，並且當我們可能需要增強其中一個以便其可以完全適應OpenStack API伺服器的需要時，將這些可重用的修改貢獻對於維護一個「私有的」框架似乎更可取。
當從標准庫或其他地方導入並使用大量模塊時，關於該做什麼你有什麼特別的建議嗎？
我沒有什麼硬性限制，但是如果我有過多的導入時，我會重新考慮這個模塊的設計並考慮將其拆到一個包中。與上層模塊或者應用程序模塊相比，對底層模塊的這種拆分可能會發生得更快，因為對於上層模塊我期望將更多片段組織在一起。
關於Python 3，有什麼模塊是值得一提而且能令開發人員有興趣深入了解的？
支持Python 3的第三方庫的數量已經到了決定性的時刻。針對Python 3開發新庫或應用程序從未如此簡單過，而且幸虧有3.3中加入的兼容性功能使同時維護對Python 2.7的支持也很容易。主要的Linux發行版正在致力於將Python 3默認安裝。任何人要用Python創建新項目都應該認真考慮對Python 3的支持，除非有尚未移植的依賴。目前來說，不能運行在Python 3上的庫基本會被視為「不再維護」。
許多開發人員將所有的代碼都寫入到應用程序中，但有些情況下可能有必要將代碼封裝成一個庫。關於設計、規劃、遷移等，做這些最好的方式是什麼？
應用程序就是「膠水代碼」的集合用來將庫組織在一起完成特定目的。起初設計時可以將這些功能實現為一個庫，然後在構建應用程序時確保庫的代碼能夠很好地組織到邏輯單元中，這會讓測試變得更簡單。這還意味著應用程序的功能可以通過庫進行訪問，並且能夠被重新組合以構建其他應用程序。未能採用這種方法的話意味著應用程序的功能和用戶界面的綁定過於緊密，導致很難修改和重用。
對於計劃開始構建自己的Python庫的人們有什麼樣的建議呢？
我通常建議自頂向下設計庫和API，對每一層應用單一職責原則（Single Responsibility Principle，SRP）（）這樣的設計准則。考慮調用者如何使用這個庫，並創建一個API去支持這些功能。考慮什麼值可以存在一個實例中被方法使用，以及每個方法每次都要傳入哪些值。最後，考慮實現以及是否底層的代碼的組織應該不同於公共API。
SQLAlchemy是應用這些原則的絕好例子。聲明式ORM、數據映射和表達式生成層都是單獨的。開發人員可以自行決定對於API訪問的正確的抽象程度，並基於他們的需求而不是被庫的設計強加的約束去使用這個庫。
當你隨機看Python程序員的代碼時遇到的最常見的編程錯誤是什麼？
Python的習慣用法和其他語言的一個較大的不同在於循環和迭代。例如，我見過的最常見的反模式是使用for循環過濾一個列表並將元素加入到一個新的列表中，然後再在第二個循環中處理這個結果（可能將列表作為參數傳給一個函數）。我通常建議將過濾循環改成生成器表達式，因為生成器表達式，更有效也更容易理解。列表的組合也很常見，以便它們的內容可以以某種方式一起被處理，但卻沒有使用itertools.chain()。
還有一些我在代碼評審時給出的更細小的建議，例如，使用dict()而不是長的if:then:else塊作為查找表，確保函數總是返回相同的類型（如一個空列表而不是None），通過使用元組和新類將相關的值合並到一個對象中從而減少函數的參數，以及在公共API中定義要使用的類而不是依賴於字典。
有沒有關於選擇了一個「錯誤」的依賴的具體的例子是你親身經歷或目睹過的？
最近，我有個例子，pyparsing（）的一個新發布取消了對Python 2的支持，這給我正在維護的一個庫帶來了一點兒小麻煩。對pyparsing的更新是個重大的修改，而且是明確標識成這樣的，但是因為我沒有在對cliff（）的設置中限制依賴版本號，所以pyparsing的新發布給cliff的用戶造成了問題。解決方案就是在cliff的依賴列表中對Python 2和Python 3提供不同的版本邊界。這種情況突顯了理解依賴管理和確保持續集成測試中適當的測試配置的重要性。
你怎麼看待框架？
框架像任何工具類型一樣。它們確實有幫助，但在選擇框架時要特別謹慎，應確保它能夠很好地完成當前的工作。
通過抽取公共部分到一個框架中，你可以將你的開發精力專注於應用中獨特的方面。通過提供許多類似運行在開發模式或者寫一個測試套件這樣的引導代碼，它們還可以幫你讓一個應用程序迅速達到一個可用的狀態而不是從頭開發。它們還可以激勵你在應用程序開發過程中保持一致，這意味著最終你的代碼將更易於理解且更可重用。
雖然使用框架時還有其他一些潛在的缺點需要注意。決定使用某個特定框架通常能夠反映應用程序本身的設計。如果設計的限制不能從根本上符合應用程序的需求，那麼選擇錯誤的框架會令應用的實現變得更難。如果你試著使用與框架建議不同的模式或慣用方式，你最終將不得不同框架做斗爭。

I. 黑客與逆向工程師的Python編程之道的簡介

我為了進行黑客技術研究而特地學習了Python這門語言，我敢斷言在這個領域中的眾多其他同行們也是如此。我曾經花費了大量的時間來尋找一種能夠同時適用於黑客技術和逆向工程領域的編程語言，就在幾年前，Python成為了黑客編程領域內顯而易見的王者。而一個不盡人如意的事實是，到目前為止還沒有一本真正意義上的參考手冊，來指導你將Python應用於不同的黑客技術場景中。你往往需要遊走於各大論壇的技術討論帖子中或者各種工具手冊中。有時為了使你的工具能夠正確地運轉起來，花費一番不小的功夫來閱讀和調試源代碼也是司空見慣的情況。而本書正是致力於填補這方面的空缺，將引領你經歷一次「旋風」之旅——你將看到Python這門語言是如何被應用在各式各樣的黑客技術與逆向工程場景中的。
本書將向你揭示隱藏在各種黑客工具背後的原理機制，其中包括：調試器、後門技術、Fuzzer、模擬器以及代碼注入技術，本書將向你一 一演示如何駕馭這些技術工具。除了學到如何使用現有的基於Python的工具之外， 你還將學習如何使用Python構建自己的工具。需要有言在先的一點就是，這並不是一本大全式的參考手冊！有大量使用Python編寫的信息安全類工具未在此書中被提及。本書的信條是授之以漁，而非授之以魚！你應當把從本書中所獲得的技能靈活地應用於其他的場景中，根據自身的需求對你選擇的其他Python工具進行調試，並做出擴展和定製。
閱讀本書的方式不僅限於一種，如果你是個Python新手或者對於構建黑客工具尚感陌生，那麼從前往後依次閱讀對你來說是最好的選擇，你將從最基本的理論開始，並在閱讀本書的過程中編寫相當數量的Python代碼。當你閱讀完本書時，你應當具備了自行解決各種黑客或逆向工程任務的能力。如果你對Python已有一定程度的了解，並且對Ctype庫的使用駕輕就熟，那麼不妨直接跳過第1章。對於那些行業浸沉已久的老手，相信你們可以在本書中來回穿梭自如，歡迎你們在日常工作中隨時按需擷取本書中的代碼片段或者相關章節。
本書在調試器相關的內容上花費了相當的篇幅，從第2章講述調試器的基本原理開始，直至第5章介紹完Immunity Debugger為止。調試器對於任何一個真正的黑客而言都是至關重要的工具，因此我毫不吝惜筆墨來對它們進行廣泛而全面的介紹。在之後的第6章和第7章中你將學到一些鉤子和代碼注入的技術，這些技術同樣可以被調試器工具採用，作為控製程序流和操縱內存的手段。
本書接下來的焦點放在使用Fuzzer工具來攻破應用程序體繫上。在第8章中，你將開始學習基本的Fuzzing技術理論，我們將構建自己的文件Fuzzing工具。第9章將向你演示如何駕馭強大的Fuzzing框架——Sulley來攻破一個現實世界中的FTP daemon程序。在第10章中，你將學習如何構建一個Fuzzer工具來攻擊Windows驅動。
在第11章中，你將看到如何在IDA Pro中（一款流行的二進制靜態分析工具）實現自動化執行靜態分析任務。在第12章中，我們將介紹一款基於Python的模擬器——PyEmu，來為本書畫上句號。
我試著使出現在本書中的代碼盡量簡潔，並在某些特定的地方加上了詳細的注釋以幫助你理解代碼的本質。學習一門新的編程語言或者掌握一套陌生的函數庫的過程少不了你自己的親身實踐，以及不斷的自我糾正。

J. 未來十年Python的前景會怎樣

Python是一款流行的計算機編程語言，具有簡單、易學、免費、開源、可移植、可擴展、可嵌入以及面向對象等特點，擁有強大的庫，簡潔的幾行代碼即可實現強大的功能，應用范圍廣泛，可廣泛應用於以下領域：

1. Web開發

最火的Python web框架Django，支持非同步高並發的Tornado框架，短小精悍的flask，bottle，Django官方的標語把Django定義為the framework for perfectionist with deadlines（大意是一個為完全主義者開發的高效率web框架）

2. 網路編程

支持高並發的Twisted網路框架，py3引入的asyncio使非同步編程變的非常簡單

3. 爬蟲開發

爬蟲領域，Python幾乎是霸主地位，Scrapy/Request/BeautifuSoap/urllib等，想爬啥就爬啥

4. 雲計算開發

目前最火最知名的雲計算框架就是OpenStack，Python現在的火，很大一部分就是因為雲計算市場近幾年的爆發

5. 人工智慧

MASA和Google早期大量使用Python，為什麼Python積累了豐富的科學運算庫，當AI時代來臨後，Python從眾多編程語言中脫穎而出，各種人工智慧演算法都基於Python編寫，由其PyTorch之後，Python作為AI時代頭牌語言的位置基本確立！

6. 自動化運維

問問中國的每個運維人員，運維人員必須會的語言是什麼？10個人詳細會給你一個相同的答案，它的名字叫Python

7. 金融分析

金融公司使用的很多分析程序、高頻交易軟體就是用的Python，目前，Python是金融分析、量化交易領域里用得最多的語言

8. 科學運算

97年開始，NASA就在大量使用Python在進行各種復雜的科學運算，隨著NumPy，SciPy，Matplotlib，Enthought librarys等眾多程序庫的開發，使得Python越來越適合做科學計算、繪制高質量的2D和3D圖像。和科學計算領域最流行的商業軟體Matlab相比，Python是一門通用的程序設計語言，比Matlab所採用的腳本語言的應用范圍更廣泛

9. 游戲開發

在網路游戲開發中Python也有很多應用。相比Lua or C++，Python比Lua有更高階的抽象能力，可以用更少的代碼描述游戲業務邏輯，與Lua相比，Python更適合作為一種Host語言，即程序的入口點是在Python那一端會比較好，然後用C/C++在非常必要的時候寫一些擴展。Python非常適合編寫1萬行以上的項目，而且能夠很好的把網游項目的規模控制在10萬行代碼以內。

10. 桌面軟體

雖然大家很少使用桌面軟體了，但是Python在圖形界面開發上也很強大，你可以用tkinter/PyQT框架開發各種桌面軟體！