


Tutorial ini memperkenalkan soket python dan menunjukkan bangunan pelayan HTTP dan pelanggan menggunakan modul socket
. Ia juga meneroka Tornado, perpustakaan rangkaian Python yang sesuai untuk pengundian panjang, websocket, dan aplikasi yang memerlukan sambungan pengguna yang berterusan.
Memahami SOCKETS
Soket bertindak sebagai saluran komunikasi antara dua aplikasi, sama ada pada mesin yang sama atau di seluruh rangkaian. Pada asasnya, ia adalah hubungan sambungan antara pelayan dan pelanggan; Pelayan menyediakan maklumat yang diminta oleh pelanggan. Sebagai contoh, penyemak imbas anda menggunakan soket untuk menyambung ke pelayan web apabila anda melawat laman web.
modul socket
Penciptaan soket menggunakan fungsi socket.socket()
:
import socket s = socket.socket(socket_family, socket_type, protocol=0)
argumen:
-
socket_family
: Alamat Keluarga (mis., untuk IPv4,socket.AF_INET
untuk IPv6).socket.AF_INET6
- : Jenis soket (mis.,
socket_type socket.SOCK_STREAM
socket.SOCK_DGRAM
: Biasanya lalai hingga 0. -
Sebaik sahaja anda mempunyai objek soket, anda boleh membina pelayan atau klien menggunakan kaedahnya.
protocol
Membuat pelanggan mudah
Kaedah Pelanggan Utama:
: Menetapkan sambungan TCP.
-
s = socket.socket(socket.AF_INET, socket.SOCK_STREAM)
Contoh: -
s.connect()
Membina pelayan mudah
Kaedah Pelayan Utama:
import socket stream_socket = socket.socket(socket.AF_INET, socket.SOCK_STREAM) server = "localhost" port = 8080 server_address = (server, port) stream_socket.connect(server_address) message = 'message' stream_socket.sendall(message.encode()) data = stream_socket.recv(10) print(data) stream_socket.close()
: Menetapkan alamat (nama host, port) ke soket.
- : mula mendengar sambungan TCP.
s = socket.socket(socket.AF_INET, socket.SOCK_STREAM)
- : Menerima sambungan klien TCP.
s.bind()
- Contoh:
s.listen()
- Jalankan klien dan pelayan dalam terminal berasingan untuk komunikasi. Gunakan
s.accept()
(atau arahan yang sama untuk OS anda) untuk memeriksa penggunaan port.
Rangka Kerja Tornado
import socket sock = socket.socket(socket.AF_INET, socket.SOCK_STREAM) host = 'localhost' port = 8080 sock.bind((host, port)) sock.listen(1) print('Waiting for a connection') connection, client = sock.accept() print(client, 'connected') data = connection.recv(16) print('Received "%s"' % data) if data: connection.sendall(data) else: print('No data from', client) connection.close()
Tornado adalah kerangka web python dan perpustakaan rangkaian asynchronous. I/O yang tidak menyekatnya mengendalikan banyak sambungan serentak, menjadikannya sesuai untuk pengundian panjang, websocket, dan aplikasi yang memerlukan sambungan yang berterusan. netstat -ntlp
Tornado juga mengintegrasikan dengan
, membolehkan penggunaan kedua -dua perpustakaan dalam gelung acara yang sama.
segerak vs pengaturcaraan asynchronous
import tornado.ioloop import tornado.web class ApplicationHandler(tornado.web.RequestHandler): def get(self): self.write("""<title>Tornado Framework</title><h2 id="Welcome-to-the-Tornado-framework">Welcome to the Tornado framework</h2>""") if __name__ == "__main__": application = tornado.web.Application([ (r"/", ApplicationHandler), ]) application.listen(5001) tornado.ioloop.IOLoop.instance().start()
Pengaturcaraan Synchronous melaksanakan tugas secara berurutan, sementara pengaturcaraan tak segerak membolehkan pelaksanaan tugas serentak tanpa menunggu orang lain selesai. Pengaturcaraan asynchronous adalah berfaedah apabila berurusan dengan operasi I/O yang terikat seperti panggilan API, menghalang kelewatan dan meningkatkan respons aplikasi. Keupayaan asynchronous tornado amat berguna untuk mengendalikan permintaan API berganda secara serentak.
Kesimpulan
Tutorial ini menyediakan asas untuk pengaturcaraan soket di Python dan menunjukkan penciptaan pelayan/pelanggan mudah. Penjelajahan lanjut modul socket
dan tornado akan meningkatkan keupayaan rangkaian anda. Ingatlah untuk berunding dengan dokumentasi Python rasmi untuk maklumat yang lebih terperinci.
(imej output webserver tornado - gantikan dengan url imej sebenar jika tersedia)
Atas ialah kandungan terperinci Pengenalan kepada Pengaturcaraan Rangkaian di Python. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

ArraysareGenerallymorememememory-efficientthanlistsforstoringnumericaldataduetotheirfixed-sizenatureanddirectmemoryaccess.1) arraysstoreelementsinacontiguousblock, reducingoverheadfrointersormetadata.2)

ToConvertapythonlisttoanarray, usetheArraymodule: 1) importThearraymodule, 2) createalist, 3) UseArray (typecode, list) toConvertit, spesifyingthetypecodelike'i'forintegers.ThisconversionOptimizesMogenhomogeneousdata, enHomerMogeneShomogeneousdata, enHomerMogeneousdata, enhomoMogenerDataShomaSdata, enhomoMogenhomogeneousdata,

Senarai Python boleh menyimpan pelbagai jenis data. Senarai contoh mengandungi integer, rentetan, nombor titik terapung, boolean, senarai bersarang, dan kamus. Senarai fleksibiliti adalah berharga dalam pemprosesan data dan prototaip, tetapi ia perlu digunakan dengan berhati -hati untuk memastikan kebolehbacaan dan pemeliharaan kod.

Pythondoesnothavebuilt-inarrays;usethearraymoduleformemory-efficienthomogeneousdatastorage,whilelistsareversatileformixeddatatypes.Arraysareefficientforlargedatasetsofthesametype,whereaslistsofferflexibilityandareeasiertouseformixedorsmallerdatasets.

Themostcomonlyedmoduleforcreatingarraysinpythonisnumpy.1) numpyprovidesefficienttoolsforarrayoperations, idealfornumericaldata.2) arrayscanbecreatedingingnp.array () for1dand2dstructures

ToAppendElementStoapyThonList, useTheAppend () methodforsingleelements, extend () formultipleelements, andInsert () forspecificposition.1) useAppend () foraddingOneElementAttheend.2)

TOCREATEAPYTHONLIST, USESQUAREBRACKETS [] danSeparatateItemSwithCommas.1) listsaredynamicandCanHoldMixedDatypes.2) UseAppend (), mengalih keluar (), danSlicingFormApulation.3)

Dalam bidang kewangan, penyelidikan saintifik, penjagaan perubatan dan AI, adalah penting untuk menyimpan dan memproses data berangka dengan cekap. 1) Dalam Kewangan, menggunakan memori yang dipetakan fail dan perpustakaan Numpy dapat meningkatkan kelajuan pemprosesan data dengan ketara. 2) Dalam bidang penyelidikan saintifik, fail HDF5 dioptimumkan untuk penyimpanan data dan pengambilan semula. 3) Dalam penjagaan perubatan, teknologi pengoptimuman pangkalan data seperti pengindeksan dan pembahagian meningkatkan prestasi pertanyaan data. 4) Dalam AI, data sharding dan diedarkan latihan mempercepatkan latihan model. Prestasi dan skalabiliti sistem dapat ditingkatkan dengan ketara dengan memilih alat dan teknologi yang tepat dan menimbang perdagangan antara kelajuan penyimpanan dan pemprosesan.


Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

Video Face Swap
Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Artikel Panas

Alat panas

SublimeText3 Linux versi baharu
SublimeText3 Linux versi terkini

Penyesuai Pelayan SAP NetWeaver untuk Eclipse
Integrasikan Eclipse dengan pelayan aplikasi SAP NetWeaver.

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

DVWA
Damn Vulnerable Web App (DVWA) ialah aplikasi web PHP/MySQL yang sangat terdedah. Matlamat utamanya adalah untuk menjadi bantuan bagi profesional keselamatan untuk menguji kemahiran dan alatan mereka dalam persekitaran undang-undang, untuk membantu pembangun web lebih memahami proses mengamankan aplikasi web, dan untuk membantu guru/pelajar mengajar/belajar dalam persekitaran bilik darjah Aplikasi web keselamatan. Matlamat DVWA adalah untuk mempraktikkan beberapa kelemahan web yang paling biasa melalui antara muka yang mudah dan mudah, dengan pelbagai tahap kesukaran. Sila ambil perhatian bahawa perisian ini
