某宝抢购下单 工具 之前朋友抢labubu写的一个小工具，需要先加入购物车，准点抢购提交订单。只能抢购物车中适配，复选框编号对应的购物车中的商品不包抢到，测试的结果是大概需要1~2秒左右创建订单并跳转到输入密码的界面。下载{cloud title="123" type="default" url="https://www.123684.com/s/t8d7Td-2PKph" password="28al"/}

知网滑块验证 解密 文献爬虫 数据抓取 最近需要抓取知网的文献资料，但是在打开文章时，会重定向到一个验证网址，并弹出一个滑块，让你进行验证。打开控制台，抓取两个接口获取滑块信息https://kns.cnki.net/verify-api/get这个接口会返回滑块图片信息（jigsawImageBase64、originalImageBase64），以及token、secretKeybase64 就是两张图片，一张是大图，一张是小图。token 需要提交给验证接口secretKey 参与坐标加密验证滑块信息https://kns.cnki.net/verify-api/web/check这个接口需要提交一些参数，最重要的是 pointJson这个是由坐标信息：{"x":0,"y":5} 和 secretKey 进行加密之后的结果{dotted startColor="#ff6c6c" endColor="#1989fa"/}{mtitle title="下面是一些重要的部分"/}识别小图在大图中的位置可以使用 opencv-python 包, 附带函数：''' 识别滑块位置 ''' def find_template_position(self,big_img_base64, small_img_base64): # 将 Base64 字符串解码为图像数据 def base64_to_image(base64_str): # 去掉可能的头部信息（如 "data:image/png;base64,"） if "," in base64_str: base64_str = base64_str.split(",")[1] # 解码为字节数据 img_bytes = base64.b64decode(base64_str) # 转换为 numpy 数组 img_array = np.frombuffer(img_bytes, dtype=np.uint8) # 用 OpenCV 解码图像 img = cv2.imdecode(img_array, cv2.IMREAD_GRAYSCALE) return img # 解码 Base64 并转为灰度图 big_img = base64_to_image(big_img_base64) small_img = base64_to_image(small_img_base64) # Canny边缘检测 edges_big = cv2.Canny(big_img, 50, 150) edges_small = cv2.Canny(small_img, 50, 150) # 轮廓匹配 res = cv2.matchTemplate(edges_big, edges_small, cv2.TM_CCOEFF_NORMED) _, _, _, max_loc = cv2.minMaxLoc(res) return max_loc生成客户端ID在获取滑块信息时，要提交一个 clientUid 参数，但是好像使用固定的也没关系''' 生成客户端ID ''' def generate_clientUid(self): hex_digits = '0123456789abcdef' uuid_chars = [] # 生成 32 个随机十六进制字符（无分隔符） for _ in range(32): uuid_chars.append(random.choice(hex_digits)) # 固定版本号和变体标识位（符合 UUID v4 规范） uuid_chars[12] = '4' # UUID 版本位 uuid_chars[16] = hex_digits[(int(uuid_chars[16], 16) & 0x3 | 0x8)] # 变体位 return ''.join(uuid_chars)pointJson 加密方式point = {"x": x + 3, "y": 5} # x轴+3 y轴固定为5 # 转为json格式并进行加密 json_str = json.dumps(point, separators=(',', ':')) pointJson = self.encrypt_point_json(json_str, verify_data['secretKey']) print(f"识别滑块坐标：{point} 坐标加密：{pointJson}")pointJson 加密函数隐藏内容，请前往内页查看详情验证成功在滑块验证成功后，需要携带 captchaId访问文章，就可以免验证了。returnUrl = check_reslut_data.get("returnUrl") returnUrl = f"{returnUrl}&captchaId={check_reslut_data['captchaId']}"行为异常如果出现行为异常，也需要进行滑块验证，但是这个滑块是单机的，也就是说可以忽略。抓取页面的v-value ，访问下面这个地址，就会返回一个可以访问的文章地址。隐藏内容，请前往内页查看详情本文仅学习研究记录。

微信(3.9.12)收款统计助手 免费码支付即时到账工具 基于微信3.9.12.17的微信收款助手V0.0.1（测试版本），不限制平台，支持心跳和订单通知，让你轻松接入即使到账的工具注意事项{x} 先在本地电脑尝试，测试没问题再上服务器、挂机宝 {x} 上服务器、挂机宝，建议先养号（纯挂微信），挂一段时间 {x} 必须下载对应的微信版本 {x} Hook有风险，使用需谨慎 {x} 免费软件，仅供学习、交流，下载后48小时内删除软件截图不限制码支付平台，可自己接入以粽子SHOP为例{x} 心跳配置地址：https://你的主机或域名/open/codepay/online?token=后台设置的Token参数：wxpay=1请求方式：post间隔：30-60{x} 通知配置地址：https://你的主机或域名/open/codepay/handle?token=后台设置的Token参数：money=[金额]&type=wxpay请求方式：post微信版本下载(3.9.12.17)https://www.123684.com/s/t8d7Td-I90ph?提取码:315f微信收款统计助手隐藏内容，请前往内页查看详情

DBeaver 免费开源多平台数据库管理软件 + 正版注册码生成 再见收费的Navicat，良心推荐开源工具DBeaver，支持几乎所有库；最近体验了一把免费的DBeaver，原因是很多人捧它。好家伙，是真的好用，这里推荐给大家。{ } DBeaver Community是一款免费开源的数据库管理软件，所有功能都免费，DBeaver为开发人员、SQL程序员、数据库管理员和分析师提供免费的多平台数据库工具。 { } 支持任何具有JDBC驱动程序的数据库(这基本上意味着-任何数据库)。 { } EE版本还支持非jdbc数据源(WMI、MongoDB、Cassandra、redis)。具有元数据编辑器、SQL编辑器、富数据编辑器、ERD、数据导出/导入/迁移、SQL执行计划等功能。支持数据库元数据浏览支持元数据编辑（包括表，列，键，索引）支持SQL语句和脚本的执行支持SQL关键字高亮显示（依据与不同是数据库）简单友好的显示页面https://dbeaver.io/download/社区版（DBeaver Community）{x} 免费，下载即用。 {x} 只支持部分数据库(比如Mysql)pro专业版（DBeaver Ultimate）{x} 收费，通过某些工具可以自己生成注册码（见下方） {x} 支持所有数据库1. 下载DBeaver Ultimate（https://dbeaver.com/download/）2. 下载注册码生成工具（下方附件）3. 安装不要安装到带有空格的目录！！！在D盘新建一个dbeaver目录，安装的时候就选择这个目录，比如安装在：D:soft dbeaver\4.解压注册码生成工具，找到安装目录，复制进去D:softdbeaverlicenseGenerater5.运行windowsRun.bat (根据系统运行脚本)6.运行软件（激活成功）注册码生成工具下载隐藏内容，请前往内页查看详情

windows和mac键盘快捷键同步兼容 因为一台windows和一台mac老是切换，鼠标还能接受，但是键盘快捷键使用真的不习惯，尤其是复制粘贴！！！怎么让windows和mac同步呢？其实很简单，在mac上修改一下就行了。在设置中找到键盘 -> 键盘快捷键修饰键 -> 修改第二个 control 为 command这样 control就跟command映射上了。control + C/V 等于 command + C/V也可以修改一下QQ的截图快捷键

Python-openAI 助手接口封装(含创建助手、文件上传、线程、消息、运行) 最近的项目中用到GPT，简单封装一下。包含创建助手、上传文件、创建线程、创建消息线程、运行线程、删除等操作。我是使用的异步，同步大差不大，去掉async、await就行了，调用方法都是一样的。官方API接口：https://platform.openai.com/docs/api-reference/assistants核心代码隐藏内容，请前往内页查看详情测试运行api_key = "sk----------" assistant_id = "asst_R3KqDZNg4QPzxd6U56INh0Cd" thread_id = "thread_vWZ9QrPBPTDHrtxIiSIof3hs" file_assistant_gpt = FileAssistant(api_key,assistant_id, thread_id) await file_assistant_gpt.run_file_analysis("data.txt","请帮我分析该文件...")

自动化开发协助工具 UISpy 常用窗口工具有 spy++ 和 uispy 两种，spy++ 显示的很全，各种窗口都给你展示出来，看着很多很乱，相比来讲 uispy 就比较简洁实用了，只展示主要的窗口，节目很整洁很清晰。用 uiautomation 进行自动化开发，可以用这个工具。隐藏内容，请前往内页查看详情

python 异步网络请求封装函数 带重试机制，支持get、post python基于httpx的异步网络请求，带重试机制，支持post、get，自定义header、携带cookie、等功能。函数import asyncio from typing import Optional import httpx ''' 带重试机制的网络请求函数 post、get ''' # get请求 重试机制 async def curl_get( client: httpx.AsyncClient, url: str, id:int = 0, cookie: Optional[dict] = None, headers: Optional[dict] = None, retries: int = 3): # 设置重试次数 for attempt in range(1,retries + 1): try: response = await client.get(url, cookies=cookie, headers=headers) response.raise_for_status() # 如果请求失败，抛出异常 return {"code": 1,"id":id, "response":response,"attempt":attempt} # 返回解析后的 JSON 数据 except httpx.HTTPStatusError as e: if attempt < retries: await asyncio.sleep(1) # 重试前暂停1秒 else: return {"code": 0,"id":id, "error": f"请求失败：{e.response.status_code}","attempt":attempt} except httpx.RequestError as e: print("网络错误",e) # 捕获网络错误（例如请求超时、连接错误等） if attempt < retries: await asyncio.sleep(2) # 重试前暂停1秒 else: return {"code": 0, "id":id,"error": f"网络错误 [已重试{str(attempt)}次]：{str(e)}","attempt":attempt} except Exception as e: if attempt < retries: await asyncio.sleep(1) # 重试前暂停1秒 else: return {"code": 0, "id": id, "error": f"请求错误 [已重试{str(attempt)}次]：{str(e)}", "attempt": attempt} return {"code": 0,"id":id, "error": "重试次数已达上限","attempt":attempt} # post请求 重试机制 async def curl_post( client: httpx.AsyncClient, url: str, data = None, cookie: Optional[dict] = None, headers: Optional[dict] = None, retries: int = 3): # 设置重试次数 for attempt in range(1,retries + 1): try: response = await client.post(url=url, cookies=cookie, headers=headers, data=data) response.raise_for_status() # 如果请求失败，抛出异常 html = response.text return {"code": 1, 'response':response, "data":html , "attempt": attempt } # 返回解析后的 JSON 数据 except httpx.HTTPStatusError as e: # 捕获 HTTP 错误（例如 404 或 500 错误） if attempt < retries: await asyncio.sleep(1) # 重试前暂停1秒 else: return {"code": 0, "error": f"请求失败：{e.response.status_code}", "attempt": attempt} except httpx.RequestError as e: # 捕获网络错误（例如请求超时、连接错误等） if attempt < retries: await asyncio.sleep(1) # 重试前暂停1秒 else: return {"code": 0,"error": f"请求错误 [{str(attempt)}] {str(e)}", "attempt": attempt} except Exception as e: if attempt < retries: await asyncio.sleep(1) # 重试前暂停1秒 else: return {"code": 0, "id": id, "error": f"请求错误 [{str(attempt)}]：{str(e)}", "attempt": attempt} return {"code": 0, "error": "重试次数已达上限","attempt":attempt}使用async with httpx.AsyncClient() as client: reslut = await curl_get(client, url) if reslut.get("code") != 1: return reslut.get("error") response = reslut.get("response") json = response.json()

R语言顶刊配色包TheBestColors 与Matlab相比，R语言在绘图方面有着天然的优势。比如在配色方面，R语言有各式各样现成的包，按理说配色这种事应该很方便才对。但实际体验下来，发现似乎不是那么回事。首先，你很难记住每个包的调用方法以及每种配色方案对应的名称。尤其在你需要不停更换配色，从而确定哪种配色方案更加适合自己的时候，每换一次都要手敲一遍配色方案名称，很是麻烦。另外一点，R语言确实有很多现成的配色包，但选择太多，有时候也是一种负担……为了方便自己画图，我整理了CNS顶刊文章中常用的以及个人最喜欢的共计100种配色方案，并制作了一款R语言配色包，名为TheBestColors。安装方法将“TheBestColors_0.1.0.tar.gz”放在自己想要的路径下，比如D盘的R文件夹，然后运行：install.packages("D:/R/TheBestColors_0.1.0.tar.gz", repos = NULL, type = "source")等待片刻，完成安装。然后通过library加载即可使用：library(TheBestColors)下载地址隐藏内容，请前往内页查看详情作者：阿昆原文地址：https://zhuanlan.zhihu.com/p/712672923

docker中安装Python和R语言，并指定版本和R包 最近开发的一个项目，用到了R语言脚本。因为开发环境版本是4.4.2，所以生产环境也要装4.4.2。本来是这样写的，R语言版本指定不了。不管怎么写版本号 r-base=xxx 都安装不上，说不存在。# 安装R语言环境（默认是安装的4.2，但是我要装4.4） RUN apt-get update && apt-get install -y \ --fix-missing \ r-base \ r-cran-devtools \ build-essential \ libcurl4-openssl-dev \ libssl-dev \ libxml2-dev && \ rm -rf /var/lib/apt/lists/*搞不懂，换个思路，直接下载4.2.2版本安装# 使用 python 3.12 作为基础镜像 FROM python:3.12 # 设置工作目录 WORKDIR /app # 安装系统依赖和编译工具 RUN apt-get update && apt-get install -y --no-install-recommends \ build-essential \ wget \ libcurl4-openssl-dev \ libssl-dev \ libxml2-dev \ ca-certificates \ gfortran \ && rm -rf /var/lib/apt/lists/* # 下载并安装 R 4.4.2 源代码 RUN wget https://cran.r-project.org/src/base/R-4/R-4.4.2.tar.gz && \ tar -xvzf R-4.4.2.tar.gz && \ cd R-4.4.2 && \ ./configure && \ make && \ make install && \ cd .. && rm -rf R-4.4.2 R-4.4.2.tar.gz \ R --version # 设置 CRAN 镜像源为清华镜像并安装 R 包 RUN echo "options(repos = c(CRAN = 'https://mirrors.tuna.tsinghua.edu.cn/CRAN/'))" > /usr/local/lib/R/etc/Rprofile.site && \ Rscript -e "install.packages('pheatmap')" && \ Rscript -e "install.packages('BiocManager')" && \ echo "options(BioC_mirror = 'https://mirrors.tuna.tsinghua.edu.cn/bioconductor')" >> /usr/local/lib/R/etc/Rprofile.site && \ Rscript -e "BiocManager::install(version = '3.20')" && \ Rscript -e "BiocManager::install(c('GEOquery', 'ggplot2', 'readxl', 'readr', 'openxlsx', 'dplyr', 'clusterProfiler', 'limma', 'DESeq2'), ask = FALSE)" # 进入容器 # 查看R的安装目录：which R # 查看R版本：R --version 或 Rscript -e "R.version$version.string" # 查看R镜像：Rscript -e "print(getOption('repos'))" # 查看BiocManager版本： Rscript -e "packageVersion("BiocManager")" （BiocManager包的版本号。根据你当前的环境，它可能是通过 CRAN 安装的版本，通常在 1.x 系列） # 查看Bioconductor版本： Rscript -e "BiocManager::version()" （Bioconductor的版本。BiocManager 会根据你所安装的 Bioconductor 版本返回一个版本号。Bioconductor 的版本通常是以 3.x 开头的，例如 3.20。Bioconductor 版本是根据 R 版本来决定的，与 CRAN 上的 BiocManager 版本号是分开的。） # 查看BiocManager镜像： Rscript -e "options('BioC_mirror')" # 将当前目录的内容复制到容器中 COPY . /app # 安装 Python 项目所需的依赖 RUN pip install --no-cache-dir -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple