국내에서는 처음부터 파이썬을 웹 개발의 기본 언어로 사용했고, 알고 있는 전체 아키텍처도 파이썬 언어를 기반으로 웹 개발이 국내에서 잘 발전하게 했다. (윌리엄 셰익스피어, 템플린, 원어민, 원어민, 원어민, 원어민, 원어민, 원어민, 원어민)
Python 은 현재 웹 개발에 선호되는 것은 아니지만, 항상 무시할 수 없는 지위를 차지하고 있다. 파이썬 (Python) 에는 단순하고 자유로운 마이크로프레임, 모든 기능을 갖춘 대형 MVC 프레임 등 다양한 웹 프레임워크가 있어 애자일 개발이 필요한 웹 프로젝트에도 유리합니다. Python 이 제공하는 대규모 웹 서비스는 지식, 콩잎, Dropbox 등의 사이트를 포함하여 널리 사용되고 있습니다. 파이썬 자체의' 접착제' 특성까지 더해져 대규모 성능급 컴퓨팅이 필요할 때 다른 언어를 쉽게 통합할 수 있을 뿐 아니라 웹 개발의 가벼움과 속도를 유지할 수 있다.
또한 Python 에는 다른 다양한 웹 사이트 및 기타 관련 기능을 연결할 수 있는 다양한 "즉시 사용 가능한" 모듈이 있습니다. 위챗 위챗 공식 계정과 관련된 기능을 개발하고 싶다면, 위챗 -sdk/weixin-python 과 같은 패키지를 사용하면 문서에 언급된 다양한 서버 상호 작용의 세부 사항에 거의 집중할 필요가 없으며 기능 구현에 집중할 필요가 없습니다.
현재 중국 파이썬 웹 개발에는 두 가지 기술 스택이 있습니다.
(1) 강고
Django 는 선진적인 민첩한 웹 개발 프레임워크이다. 만약 당신이 배운다면, 당신은 곧 웹사이트를 만들 수 있습니다. 물론 ruby 기반 ruby on Rails 는 사이트보다 속도가 빠르긴 하지만 Django 는 성능이 뛰어나 국내 사이트의 응용 시나리오에 더 적합하다. 외국의 유명한 사진 커뮤니티인 Pinterest 는 초기에도 Django 를 기반으로 개발되어 사용자의 급속한 성장에 충격을 받았다. 따라서 웹 사이트를 빠르게 개발하고 APP 클라이언트의 API 호출 요구 사항을 고려하면 Django 는 신뢰할 수 있습니다.
(2) 플라스크
Flask 는 Django 에 비해 가벼운 웹 프레임워크입니다. Flask 의 가장 큰 장점은 모바일 클라이언트를 사용하여 백그라운드 API 서비스를 개발하는 데 적합한 우수한 성능입니다. Flask 기반 Restful API 서비스는 중국에서 매우 유행하고 수요도 매우 크다. Baidu, NetEase, Xiaomi, Morne 등과 같은 유명 회사에는 모두 Flask 기반 애플리케이션 배포가 있습니다. 물론, 전통적인 웹사이트를 만들고 싶다면, Django 를 사용하는 것이 좋습니다. Flask 는 백엔드와 API 의 장점을 가지고 있어 모든 기능을 갖춘 웹 사이트를 구축하기에 적합하지 않습니다.
2 웹 크롤러
웹 크롤러는 파이썬에서 흔히 볼 수 있는 장면입니다. 국제적으로 구글은 초기에 파이썬 언어를 웹 파충류의 기초로 사용하여 파이썬 언어의 응용과 발전을 촉진시켰다. 과거에는 중국의 많은 사람들이 수집가를 사용하여 온라인 콘텐츠를 검색했습니다. 지금 Python 으로 인터넷 정보를 수집하는 것이 이전보다 훨씬 쉬워졌다.
Python 은 HTTP 요청을 시뮬레이션하는 Requests, HTML DOM 을 구문 분석하는 PyQuery/BeautifulSoup, 분산 캡처 작업을 자동화하는 스크래피, 데이터베이스 액세스를 단순화하는 다양한 ORM 등 다양한 도구를 축적했습니다. Python 은 데이터 수집을 위한 선호 언어 중 하나입니다. 특히 등반 후 데이터 분석 계산은 Python 이 가장 잘하는 분야로 쉽게 통합할 수 있습니다. 현재 Python 에서 유행하는 웹 파충류 프레임워크는 scrapy 로 매우 강력하다.
3 인공 지능 및 기계 학습
인공지능은 현재 매우 뜨거운 방향이다. AI 열풍은 파이썬 언어의 미래를 무한한 잠재력으로 가득 채웠다. 현재 발표된 몇 가지 영향력 있는 AI 프레임워크는 대부분 파이썬 구현입니다. 왜요
Python 은 충분히 동적이고 충분한 성능을 가지고 있기 때문에 AI 기술 요구 사항의 기술적 특징입니다. 예를 들어 Python 기반 심도 있는 학습 라이브러리, 심도 있는 학습 방향, 기계 학습 방향, 자연어 처리 방향에 기반한 웹사이트는 기본적으로 Python 을 통해 이루어진다. 기계 학습, 특히 요즘 유행하는 심화 학습은 대부분 파이썬 인터페이스를 제공한다. Python 은 과학 컴퓨팅 분야에서 줄곧 좋은 입소문을 가지고 있으며, 그 간결하고 명확한 문법과 풍부한 컴퓨팅 도구는 이 분야 개발자들의 사랑을 받고 있다.
심도 있는 학습과 Tensorflow 가 유행하기 전부터 Python 에는 scikit-learn 이 있어 거의 모든 기계 학습 모델을 쉽게 완성할 수 있었다. 클래식 데이터 세트에서 간단한 코드 몇 줄을 다운로드하여 모델을 만들 수 있습니다. 팬더, matplotlib 등의 도구를 사용하면 쉽게 조정할 수 있습니다.
Tensorflow, PyTorch, MXNet, Keras 등의 심도 있는 학습 프레임워크는 기계 학습의 가능성을 크게 넓혔다. Keras 를 사용하여 손으로 쓴 디지털 인식을 위한 심도 있는 학습 네트워크를 작성하면 수십 줄의 코드만 있으면 기본 구현을 통해 GPU 를 포함한 많은 리소스를 쉽게 호출하여 작업을 완료할 수 있습니다.
Python 은 어떤 틀이든 프런트 엔드 설명 언어일 뿐 실제 계산은 기본 C/C++ 를 통해 이루어진다는 점은 주목할 만하다. 파이썬은 C/C++ 프로젝트와 라이브러리를 쉽게 도입하고 사용하여 기능과 성능을 확장할 수 있습니다. 이처럼 대규모 컴퓨팅에서 Python 이 기계 학습 분야에 널리 사용되는 중요한 이유 중 하나는 개발자가 논리에 더 많은 관심을 기울이고 메모리 할당과 같은 복잡한 작업에서 벗어날 수 있도록 하는 것입니다.
4 데이터 분석 및 처리
Python 은 완벽한 데이터 분석과 처리를 위한 생태 환경을 가지고 있다. 파이썬에는' 빅 데이터' 분석과 관련된 분산 컴퓨팅, 데이터 시각화 및 데이터베이스 작업에 대한 완성도 높은 모듈이 있습니다. Hadoop-MapReduce 및 Spark 의 경우 Python 을 직접 사용하여 계산 논리를 완료할 수 있습니다. 이것은 데이터 과학자와 데이터 엔지니어에게 매우 편리하다.
5 서버 운영 및 유지 보수 및 기타 가젯
파이썬은 서버 운영 및 유지 보수에도 매우 중요합니다. 현재 거의 모든 Linux 배포판에는 자체 Python 인터프리터가 있으므로 Linux 서버에서 Python 스크립트를 사용하여 대량 파일 배포 및 운영 조정을 수행하는 것이 좋습니다. 파이썬에는 ssh/sftp 를 규제하는 파라미코, 모니터링 서비스를 위한 supervisor, bazel 등의 구축 도구, Conan 과 같은 C++ 의 패키지 관리 도구까지 다양한 편리한 도구가 포함되어 있습니다. Python 은 웹을 결합한 포괄적인 도구 모음을 제공합니다. 이를 바탕으로 운영이 용이한 도구를 개발하는 것은 매우 간단합니다.
더 흥미롭게도, 파이썬 커뮤니티의 개발자는 itchat 과 같은 개발 키트를 만들어 서버 또는 다양한 서비스의 운영을 위챗 관리할 수 있습니다. 생각해 보세요. 위챗 로봇, 매일 어느 곳에서 예외가 발생할 때, 서버 또는 프로그램의 운행 상황을 보고할 수 있으며, 심지어 matplotlib/seaborn 이 그린 차트를 포함하여 한눈에 쉽게 한 마디만 보내면 서버 조정을 완성할 수 있다.
배우고 싶은 아동화는 펭귄 치마를 추가할 수 있다. 상위 3 위는 227, 중간은 435, 하위 3 위는 450 이다. 경험을 무료로 공유하고 비디오 자료로 시세를 설명할 수 있다.
6 데스크톱 프로그램
파이썬은 sublime text 등과 같은 데스크탑 소프트웨어 개발에도 사용할 수 있습니다. ) 심지어 모바일 개발 (kivy 참조). 파이썬은 간단하고 편리하며 툴킷이 완비된 환경은 개발자의 부담을 크게 줄일 수 있다. 유명한 UI 프레임워크 QT 는 PyQT, Python 언어의 구현 버전을 가지고 있습니다. Python 은 사용하기 쉽고, QT 는 우아하며, 복잡한 인터페이스를 쉽게 개발할 수 있는 데스크탑 프로그램으로 플랫폼 간 기능을 쉽게 구현할 수 있습니다.
7 멀티미디어 애플리케이션
Phython 의 PIL, Piddle, ReportLab 등의 모듈을 사용하여 이미지, 사운드, 비디오, 애니메이션을 처리하거나 Python 을 사용하여 동적 차트와 통계 분석 차트를 생성할 수 있습니다. 또한 PyOpenGl 모듈을 사용하여 3D 장면을 매우 빠르고 효율적으로 작성할 수 있습니다.