《AI大模型趣味實戰 》第7集：多端適配 個人新聞頭條 基于大模型和RSS聚合打造個人新聞電臺(Flask WEB版) 1

AI大模型趣味實戰 第7集：多端適配 個人新聞頭條 基于大模型和RSS聚合打造個人新聞電臺(Flask WEB版) 1

摘要

在信息爆炸的時代，如何高效獲取和篩選感興趣的新聞內容成為一個現實問題。本文將帶領讀者通過Python和Flask框架，結合大模型的強大能力，構建一個個性化的新聞聚合平臺，不僅能夠自動收集整理各類RSS源的新聞，還能以語音播報的形式提供"新聞電臺"功能。我們將重點探討如何利用AI大模型優化新聞內容提取、自動生成標簽分類，以及如何通過語音合成技術實現新聞播報功能，打造一個真正實用的個人新聞助手。

項目代碼倉庫：https://github.com/wyg5208/rss_news_flask

在這里插入圖片描述

系統運行截圖如下：
在這里插入圖片描述
在這里插入圖片描述
在這里插入圖片描述
在這里插入圖片描述
在這里插入圖片描述
在這里插入圖片描述
在這里插入圖片描述

在這里插入圖片描述
在這里插入圖片描述

核心概念和知識點

1. RSS技術與信息聚合

RSS(Really Simple Syndication)是一種用于發布頻繁更新的網站內容的XML格式，它允許用戶訂閱網站的更新內容。我們的項目利用RSS技術，從多個新聞源自動獲取最新內容，無需手動訪問各個網站。

主要涉及知識點：

  • RSS格式解析與內容提取
  • Web爬蟲技術與內容清洗
  • 增量式數據更新策略

2. Web應用開發與交互設計

采用Flask框架構建Web應用，實現用戶友好的界面和交互體驗。

主要涉及知識點：

  • Flask應用結構設計
  • 前后端交互與API設計
  • 用戶認證與會話管理
  • 響應式界面設計

3. 大模型應用

項目中大模型的應用主要體現在兩個方面：

  • 新聞內容優化：使用大模型智能提取文章核心內容，去除廣告等干擾元素
  • 自動標簽生成：分析文章內容，自動提取關鍵詞作為標簽

主要涉及知識點：

  • 大模型API調用方法
  • Prompt設計與優化
  • 文本分析與關鍵信息提取

4. 語音合成技術

將文本轉換為語音，實現新聞播報功能。

主要涉及知識點：

  • 文本到語音(TTS)技術
  • 音頻文件處理與管理
  • 瀏覽器語音API集成

5. 系統設計與優化

包括數據庫設計、任務調度系統、資源管理等方面。

主要涉及知識點：

  • SQLite數據庫設計與優化
  • 多線程任務處理
  • 定時任務調度系統
  • 日志系統設計與管理

實戰案例

接下來，我們將通過詳細的代碼示例和實現步驟，展示如何從零開始構建這個新聞聚合平臺。

1. 項目初始化與環境配置

首先，我們需要創建項目目錄結構并安裝必要的依賴包。

# 項目依賴
# requirements.txt
alembic==1.15.1
aniso8601==10.0.0
anyio==4.9.0
attrs==25.3.0
beautifulsoup4==4.13.3
blinker==1.9.0
bs4==0.0.2
certifi==2025.1.31
cffi==1.17.1
charset-normalizer==3.4.1
click==8.1.8
colorama==0.4.6
comtypes==1.4.10
feedparser==6.0.10
Flask==2.3.3
Flask-Login==0.6.3
Flask-Migrate==4.0.5
Flask-RESTful==0.3.10
Flask-SQLAlchemy==3.1.1
Flask-WTF==1.2.1
greenlet==3.1.1
gunicorn==21.2.0
h11==0.14.0
httpcore==1.0.7
httpx==0.25.2
idna==3.10
itsdangerous==2.2.0
Jinja2==3.1.2
lxml==4.9.3
Mako==1.3.9
MarkupSafe==3.0.2
ollama==0.1.5
outcome==1.3.0.post0
packaging==24.2
pycparser==2.22
pypiwin32==223
PySocks==1.7.1
python-dotenv==1.0.1
pyttsx3==2.98
pytz==2025.1
pywin32==310
requests==2.31.0
schedule==1.2.1
selenium==4.15.2
sgmllib3k==1.0.0
six==1.17.0
sniffio==1.3.1
sortedcontainers==2.4.0
soupsieve==2.6
SQLAlchemy==2.0.39
trio==0.29.0
trio-websocket==0.12.2
typing_extensions==4.12.2
urllib3==2.3.0
webdriver-manager==4.0.1
Werkzeug==2.3.7
wsproto==1.2.0
WTForms==3.2.1

使用如下命令安裝依賴：

pip install -r requirements.txt

2. Flask應用框架搭建

創建基礎的Flask應用結構：

# app.py (基礎結構)
from flask import Flask, render_template, request, jsonify, redirect, url_for, flash
from flask_sqlalchemy import SQLAlchemy
from flask_login import LoginManager, UserMixin, login_user, logout_user, login_required, current_user
import osapp = Flask(__name__)
app.config['SECRET_KEY'] = os.urandom(24)
app.config['SQLALCHEMY_DATABASE_URI'] = 'sqlite:///rss_news.db'
app.config['SQLALCHEMY_TRACK_MODIFICATIONS'] = Falsedb = SQLAlchemy(app)# 配置登錄管理器
login_manager = LoginManager()
login_manager.init_app(app)
login_manager.login_view = 'login'# 數據庫模型定義
class User(UserMixin, db.Model):id = db.Column(db.Integer, primary_key=True)username = db.Column(db.String(100), unique=True)password = db.Column(db.String(100))def __repr__(self):return f'<User {self.username}>'# 路由定義
@app.route('/')
def index():return render_template('index.html')# 應用入口
if __name__ == '__main__':with app.app_context():db.create_all()app.run(debug=True)

3. 數據庫模型設計

我們需要設計完整的數據庫模型來存儲新聞和相關信息：

# 數據庫模型定義
class News(db.Model):id = db.Column(db.Integer, primary_key=True)title = db.Column(db.String(500))link = db.Column(db.String(500), unique=True, index=True)description = db.Column(db.Text)content = db.Column(db.Text)source = db.Column(db.String(100))pub_date = db.Column(db.DateTime)add_date = db.Column(db.DateTime, default=datetime.datetime.now)class Tag(db.Model):id = db.Column(db.Integer, primary_key=True)name = db.Column(db.String(100))news_id = db.Column(db.Integer, db.ForeignKey('news.id'))news = db.relationship('News', backref=db.backref('tags', lazy=True))class TagLibrary(db.Model):id = db.Column(db.Integer, primary_key=True)name = db.Column(db.String(100), unique=True)category = db.Column(db.String(50))frequency = db.Column(db.Integer, default=0)class ScheduledTask(db.Model):id = db.Column(db.Integer, primary_key=True)task_id = db.Column(db.String(100), unique=True)task_type = db.Column(db.String(20))  # fetch or broadcastschedule_type = db.Column(db.String(20))  # daily, weekly, monthlyvalue = db.Column(db.Integer)  # day number for weekly/monthlytime_value = db.Column(db.String(10))  # HH:MMextra_params = db.Column(db.String(100))  # JSON string for additional params

4. RSS內容抓取與處理

RSS內容抓取是整個系統的核心功能之一：

def fetch_rss_task(use_selenium=False, use_llm=True):logger.info("開始執行RSS抓取任務...")# 創建一個應用上下文對象app_ctx = app.app_context()# 推送上下文app_ctx.push()try:# 獲取RSS源with open('rss_list.txt', 'r', encoding='utf-8') as f:rss_urls = [line.strip() for line in f.readlines() if line.strip()]logger.info(f"讀取到{len(rss_urls)}個RSS源")if not rss_urls:logger.warning("RSS列表為空，沒有要抓取的源")returntotal_fetched = 0newly_added = 0# 初始化WebDriver（如果需要）driver = Noneif use_selenium:try:driver = WebDriverManager.get_instance().get_driver()except Exception as e:logger.error(f"初始化WebDriver時出錯: {e}")use_selenium = Falsetry:for url in rss_urls:try:logger.info(f"開始處理RSS源: {url}")# 解析RSS Feedfeed = feedparser.parse(url)if not feed.entries:logger.warning(f"{url} 沒有條目")continuesource = feed.feed.title if hasattr(feed.feed, 'title') else urlfor entry in feed.entries:title = entry.title if hasattr(entry, 'title') else "無標題"link = entry.link if hasattr(entry, 'link') else ""description = entry.description if hasattr(entry, 'description') else ""# 清理描述中的HTML標簽clean_description = ""if description:soup = BeautifulSoup(description, 'html.parser')clean_description = soup.get_text(separator=' ', strip=True)if not link:logger.warning("跳過無鏈接的條目")continue# 檢查鏈接是否已存在existing_news = News.query.filter_by(link=link).first()if existing_news:logger.warning(f"跳過已存在的新聞: {title}")total_fetched += 1continue# 獲取正文內容content = ""if use_selenium:try:content = extract_content_with_selenium(link, driver)except Exception as e:logger.error(f"使用Selenium提取內容時出錯: {e}")content = extract_content(link)else:content = extract_content(link)# 使用大模型優化內容（如果啟用）if use_llm and content:try:content = optimize_content_with_llm(content)except Exception as e:logger.error(f"使用大模型優化內容時出錯: {e}")# 創建新聞條目news = News(title=title,link=link,description=clean_description,content=content,source=source,pub_date=pub_date)db.session.add(news)db.session.commit()# 生成并保存標簽if content:generate_tags_for_news(news)total_fetched += 1newly_added += 1logger.info(f"成功添加新聞: {title}")except Exception as e:logger.error(f"處理RSS源 {url} 時出錯: {e}")continuefinally:# 確保資源被釋放if use_selenium:logger.info("抓取任務完成，資源將在應用上下文關閉時釋放")finally:# 彈出上下文 - 確保在所有情況下都釋放上下文app_ctx.pop()

5. 大模型內容優化

使用大模型進行內容優化，提取核心新聞內容：

def optimize_content_with_llm(content):"""使用大模型優化內容"""try:prompt = f"""
你是一個智能的內容提取助手。請從以下HTML內容中提取出真正的新聞文章內容，
移除所有廣告、導航、頁腳、側邊欄等無關內容。
保留原始的段落結構，返回整潔的HTML格式。
只返回正文內容，不要添加任何解釋。內容:
{content[:10000]}  # 限制輸入長度
"""# 調用Ollama APIresponse = ollama.chat(model='glm4', messages=[{'role': 'user','content': prompt}])extracted_content = response['message']['content']# 確保返回的是HTML格式if not extracted_content.strip().startswith('<'):extracted_content = f"<p>{extracted_content}</p>"return extracted_contentexcept Exception as e:logger.error(f"使用大模型優化內容時出錯: {e}")return content  # 出錯時返回原始內容

6. 自動標簽生成

使用大模型自動為新聞生成標簽：

def generate_tags_for_news(news):"""為新聞生成標簽"""try:# 使用大模型生成標簽prompt = f"""
分析以下新聞文章，提取5個關鍵詞作為標簽。
標簽應該是單個詞或短語，不超過10個字符，用逗號分隔。
只返回標簽列表，不要添加任何解釋。標題: {news.title}
描述: {news.description or ""}
內容: {news.content[:5000] if news.content else ""}
"""try:# 調用Ollama APIresponse = ollama.chat(model='glm4', messages=[{'role': 'user','content': prompt}])tags_text = response['message']['content']# 解析返回的標簽tags = [tag.strip() for tag in re.split(r'[,，、]', tags_text) if tag.strip()]# 過濾長度超過10個字符的標簽tags = [tag for tag in tags if len(tag) <= 10]# 最多保留5個標簽tags = tags[:5]except Exception as e:logger.error(f"使用大模型生成標簽時出錯: {e}")# 如果大模型失敗，嘗試使用簡單的關鍵詞提取words = re.findall(r'\b\w{3,15}\b', news.title + " " + (news.description or ""))word_count = {}for word in words:if word.lower() not in ['the', 'and', 'for', 'with', 'that', 'this']:word_count[word] = word_count.get(word, 0) + 1tags = [word for word, count in sorted(word_count.items(), key=lambda x: x[1], reverse=True) if len(word) <= 10][:5]# 保存標簽for tag_name in tags:# 檢查標簽庫是否有該標簽tag_in_library = TagLibrary.query.filter_by(name=tag_name).first()if not tag_in_library:# 創建新標簽庫條目tag_in_library = TagLibrary(name=tag_name, frequency=1)db.session.add(tag_in_library)else:# 更新使用頻率tag_in_library.frequency += 1# 創建新標簽關聯tag = Tag(name=tag_name, news_id=news.id)db.session.add(tag)db.session.commit()except Exception as e:logger.error(f"生成標簽時出錯: {e}")db.session.rollback()

7. 語音合成與新聞播報

實現新聞語音播報功能：

@app.route('/api/text_to_speech', methods=['POST'])
@login_required
def text_to_speech():"""將文本轉換為語音文件并返回URL"""try:# 獲取請求數據data = request.get_json()if not data or 'text' not in data:return jsonify({'status': 'error', 'message': '缺少文本參數'})text = data['text']if not text or len(text) == 0:return jsonify({'status': 'error', 'message': '文本內容為空'})# 限制文本長度，避免處理過長的文本if len(text) > 10000:text = text[:10000] + "..."# 確保存儲目錄存在audio_dir = os.path.join(app.static_folder, 'audio')if not os.path.exists(audio_dir):os.makedirs(audio_dir)# 生成唯一文件名filename = f"tts_{uuid.uuid4().hex}.mp3"filepath = os.path.join(audio_dir, filename)# 啟動后臺線程生成語音文件tts_thread = threading.Thread(target=generate_tts_file,args=(text, filepath))tts_thread.start()# 等待生成完成(最多30秒)tts_thread.join(timeout=30)# 檢查文件是否生成成功if os.path.exists(filepath) and os.path.getsize(filepath) > 0:# 返回文件URLaudio_url = url_for('static', filename=f'audio/{filename}')return jsonify({'status': 'success','audio_url': audio_url})else:return jsonify({'status': 'error','message': '語音生成失敗或超時'})except Exception as e:logger.error(f"文本轉語音出錯: {e}")return jsonify({'status': 'error','message': str(e)})def generate_tts_file(text, output_file):"""生成語音文件的后臺任務"""try:# 初始化語音引擎engine = pyttsx3.init()# 設置語音屬性engine.setProperty('rate', 160)     # 語速engine.setProperty('volume', 1.0)   # 音量# 選擇中文語音(如果可用)voices = engine.getProperty('voices')for voice in voices:if 'chinese' in voice.id.lower() or 'zh' in voice.id.lower():engine.setProperty('voice', voice.id)break# 保存為音頻文件engine.save_to_file(text, output_file)engine.runAndWait()logger.info(f"語音文件已生成: {output_file}")except Exception as e:logger.error(f"生成語音文件出錯: {e}")

8. 定時任務調度系統

設計定時任務系統，自動執行新聞抓取和播報：

def init_scheduler():"""初始化調度器任務"""with app.app_context():# 清空現有任務schedule.clear()# 加載數據庫中的任務tasks = ScheduledTask.query.all()for task in tasks:if task.task_type == 'fetch':add_fetch_task(task.task_id, task.schedule_type, task.value, task.time_value)elif task.task_type == 'broadcast':extra_params = json.loads(task.extra_params) if task.extra_params else {}count = extra_params.get('count', 5)add_broadcast_task(task.task_id, task.schedule_type, task.value, task.time_value, count)# 添加定期清理音頻文件的任務schedule.every(1).hours.do(cleanup_audio_files).tag('cleanup_audio')logger.info("已添加音頻文件清理任務，每小時執行一次")# 添加定期清理過期日志文件的任務schedule.every(12).hours.do(cleanup_log_files).tag('cleanup_logs')logger.info("已添加日志文件清理任務，每12小時執行一次")def add_broadcast_task(task_id, schedule_type, value, time_value, count=5):"""添加新聞播報任務到調度器"""def task_func():logger.info(f"執行新聞播報任務: {task_id}")# 創建應用上下文ctx = app.app_context()ctx.push()try:# 獲取最新的新聞news_list = db.session.query(News).order_by(News.add_date.desc()).limit(count).all()if news_list:# 初始化語音引擎try:engine = pyttsx3.init()# 設置語音參數engine.setProperty('rate', 150)engine.setProperty('volume', 0.9)# 播報開始提示engine.say("開始播報最新新聞")engine.runAndWait()# 逐條播報新聞for i, news in enumerate(news_list):# 播報標題engine.say(f"第{i+1}條新聞：{news.title}")engine.runAndWait()# 播報簡短描述if news.description and len(news.description) > 0:short_desc = news.description[:200] + "..." if len(news.description) > 200 else news.descriptionengine.say(short_desc)engine.runAndWait()# 短暫停頓，區分不同新聞time.sleep(1)# 播報結束提示engine.say("新聞播報結束")engine.runAndWait()except Exception as e:logger.error(f"語音引擎初始化或播報過程出錯: {e}")finally:# 釋放上下文ctx.pop()# 根據不同的調度類型添加任務if schedule_type == 'daily':schedule.every().day.at(time_value).do(task_func).tag(task_id)elif schedule_type == 'weekly':days = {1: schedule.every().monday,2: schedule.every().tuesday,3: schedule.every().wednesday,4: schedule.every().thursday,5: schedule.every().friday,6: schedule.every().saturday,7: schedule.every().sunday}days[value].at(time_value).do(task_func).tag(task_id)elif schedule_type == 'monthly':# 設置每月指定日期執行job = schedule.every().day.at(time_value).do(task_func).tag(task_id)# 自定義月度任務的執行條件def monthly_condition():return datetime.datetime.now().day == valuejob.do_run = lambda: monthly_condition() and task_func()

9. 日志系統設計

為應用添加完善的日志系統，便于監控和調試：

# 日志系統配置
LOG_DIR = 'logs'
if not os.path.exists(LOG_DIR):os.makedirs(LOG_DIR)# 內存緩沖區，用于在UI中顯示最新日志
log_buffer = deque(maxlen=1000)# 創建自定義的日志記錄器
class MemoryHandler(logging.Handler):"""將日志記錄到內存緩沖區，用于Web界面顯示"""def emit(self, record):log_entry = self.format(record)log_buffer.append({'time': datetime.datetime.fromtimestamp(record.created).strftime('%Y-%m-%d %H:%M:%S'),'level': record.levelname,'message': record.getMessage(),'formatted': log_entry})# 配置日志記錄器
logger = logging.getLogger('rss_app')
logger.setLevel(logging.INFO)# 控制臺處理器
console_handler = logging.StreamHandler()
console_handler.setLevel(logging.INFO)
console_format = logging.Formatter('%(asctime)s - %(name)s - %(levelname)s - %(message)s')
console_handler.setFormatter(console_format)
logger.addHandler(console_handler)# 內存處理器，用于UI顯示
memory_handler = MemoryHandler()
memory_handler.setLevel(logging.INFO)
memory_handler.setFormatter(console_format)
logger.addHandler(memory_handler)# 小時文件處理器，每小時自動創建一個新文件
hourly_handler = TimedRotatingFileHandler(filename=os.path.join(LOG_DIR, 'rss_app.log'),when='H',interval=1,backupCount=72,  # 保留3天的日志encoding='utf-8'
)
# 設置日志文件后綴格式為 年-月-日_小時
hourly_handler.suffix = "%Y-%m-%d_%H"
hourly_handler.setLevel(logging.INFO)
hourly_handler.setFormatter(console_format)
logger.addHandler(hourly_handler)@app.route('/system_logs')
@login_required
def system_logs():"""顯示系統日志頁面"""logger.info('訪問系統日志頁面')# 獲取日志文件列表log_files = []try:# 獲取所有日志文件并按修改時間排序log_pattern = os.path.join(LOG_DIR, 'rss_app.log*')all_log_files = glob.glob(log_pattern)all_log_files.sort(key=os.path.getmtime, reverse=True)for file_path in all_log_files:file_name = os.path.basename(file_path)# 獲取文件大小和修改時間file_stats = os.stat(file_path)file_size = file_stats.st_size / 1024  # KBfile_time = datetime.datetime.fromtimestamp(file_stats.st_mtime).strftime('%Y-%m-%d %H:%M:%S')# 添加文件信息if file_name == 'rss_app.log':display_name = f"當前日志 ({file_size:.1f} KB) - {file_time}"log_files.append({'name': display_name,'path': file_path})else:# 格式化時間戳timestamp = file_name.replace('rss_app.log.', '')try:# 嘗試解析時間戳parsed_time = datetime.datetime.strptime(timestamp, '%Y-%m-%d_%H')display_name = f"{parsed_time.strftime('%Y-%m-%d %H:00')} ({file_size:.1f} KB)"except:display_name = f"{file_name} ({file_size:.1f} KB) - {file_time}"log_files.append({'name': display_name,'path': file_path})except Exception as e:logger.error(f"獲取日志文件列表出錯: {str(e)}")flash(f"獲取日志文件列表出錯: {str(e)}", 'danger')# 統計信息stats = {'total': len(log_buffer),'error': sum(1 for log in log_buffer if log['level'] == 'ERROR'),'warning': sum(1 for log in log_buffer if log['level'] == 'WARNING'),'files': len(log_files)}return render_template('system_logs.html', log_files=log_files, stats=stats)

本文來自互聯網用戶投稿，該文觀點僅代表作者本人，不代表本站立場。本站僅提供信息存儲空間服務，不擁有所有權，不承擔相關法律責任。
如若轉載，請注明出處：http://www.pswp.cn/pingmian/73198.shtml
繁體地址，請注明出處：http://hk.pswp.cn/pingmian/73198.shtml
英文地址，請注明出處：http://en.pswp.cn/pingmian/73198.shtml

如若內容造成侵權/違法違規/事實不符，請聯系多彩編程網進行投訴反饋email:809451989@qq.com，一經查實，立即刪除！

相關文章

微服務 - 中級篇

微服務 - 中級篇

微服務 - 中級篇 一、微服務架構深化&#xff08;一&#xff09;服務拆分原則&#xff08;二&#xff09;服務通信方式 二、微服務技術選型&#xff08;一&#xff09;開發框架&#xff08;二&#xff09;容器技術 三、微服務實踐與優化&#xff08;后續會詳細分析&#xff09;…
閱讀更多...
STM32__紅外避障模塊的使用

STM32__紅外避障模塊的使用

目錄 一、紅外避障模塊 概述 二、直接讀取OUT引腳電平 三、使用中斷方式觸發 一、紅外避障模塊 概述 引腳解釋&#xff1a; VCC接3.3V 或 5.0VGND接開發板的GNDOUT數字量輸出(0或1&#xff09;; 低電平時表示前方有障礙 ; 通過可調電阻調整檢測距離 產品特點&#xff1a; …
閱讀更多...
【AI大模型】DeepSeek + 通義萬相高效制作AI視頻實戰詳解

【AI大模型】DeepSeek + 通義萬相高效制作AI視頻實戰詳解

目錄 一、前言 二、AI視頻概述 2.1 什么是AI視頻 2.2 AI視頻核心特點 2.3 AI視頻應用場景 三、通義萬相介紹 3.1 通義萬相概述 3.1.1 什么是通義萬相 3.2 通義萬相核心特點 3.3 通義萬相技術特點 3.4 通義萬相應用場景 四、DeepSeek 通義萬相制作AI視頻流程 4.1 D…
閱讀更多...
帆軟第二題 - 多源報表

帆軟第二題 - 多源報表

第二題&#xff0c;多源報表 實現功能&#xff1a; 多源報表&#xff1a;供應商與所在地區來源于表PRODUCER 明細來源于表PRODUCT 分組報表&#xff1a;按組顯示數據&#xff0c;每個供應商對應其產品明細 按組分頁&#xff1a;每個供應商一頁 表頭重復&#xff1a; 數據…
閱讀更多...
SVN忽略不必提交的文件夾和文件方法

SVN忽略不必提交的文件夾和文件方法

最近有小伙伴在問&#xff1a;SVN在提交時如何忽略不必提交的文件夾和文件&#xff0c;如node_modules&#xff0c;.git&#xff0c;.idea等&#xff1f; 操作其實很簡單&#xff0c;下面直接上圖&#xff1a; 第一步&#xff1a; 第二步&#xff1a; 最后一步&#xff1a; 第…
閱讀更多...
Uthana，AI 3D角色動畫生成平臺

Uthana，AI 3D角色動畫生成平臺

Uthana是什么 Uthana 是專注于3D角色動畫生成的AI平臺。平臺基于簡單的文字描述、參考視頻或動作庫搜索&#xff0c;快速為用戶生成逼真的動畫&#xff0c;支持適配任何骨骼結構的模型。Uthana 提供風格遷移、API集成和定制模型訓練等功能&#xff0c;滿足不同用戶需求。平臺提…
閱讀更多...
六十天前端強化訓練之第二十九天之深入解析：從零構建企業級Vue項目的完整指南

六十天前端強化訓練之第二十九天之深入解析：從零構建企業級Vue項目的完整指南

歡迎來到編程星辰海的博客講解 看完可以給一個免費的三連嗎&#xff0c;謝謝大佬&#xff01; 目錄 一、Vite核心原理與開發優勢 二、項目創建深度解析 三、配置體系深度剖析 四、企業級項目架構設計 五、性能優化實戰 六、開發提效技巧 七、質量保障體系 八、擴展閱讀…
閱讀更多...
Ceph集群2025（Squid版）導出高可用NFS集群(上集)

Ceph集群2025（Squid版）導出高可用NFS集群(上集)

#創建一個CephFS 文件系統 ceph fs volume create cephfs02#創建子卷 ceph fs subvolumegroup create cephfs02 myfsg2#查看子卷 ceph fs subvolumegroup ls cephfs02[{"name": "myfsg2"} ]創建 NFS Ganesha 集群 #例子 $ ceph nfs cluster create <c…
閱讀更多...
第2.3節 Android生成全量和增量報告

第2.3節 Android生成全量和增量報告

覆蓋率報告&#xff08;Coverage Report&#xff09;是一種軟件測試工具生成的報告&#xff0c;用于評估測試用例對代碼的覆蓋程度。它通過統計代碼中哪些部分已經被測試用例執行過&#xff0c;哪些部分還沒有被執行&#xff0c;來衡量測試的充分性。覆蓋率報告通常包括以下幾種…
閱讀更多...
奇跡科技：藍牙網關賦能少兒籃球教育的創新融合案例研究

奇跡科技：藍牙網關賦能少兒籃球教育的創新融合案例研究

一、引言 本文研究了福建奇跡運動體育科技有限公司&#xff08;簡稱‘奇跡科技’&#xff09;如何利用其創新產品體系和桂花網藍牙網關M1500&#xff0c;與少兒籃球教育實現深度融合。重點分析其在提升教學效果、保障訓練安全、優化個性化教學等方面的實踐與成效&#xff0c;為…
閱讀更多...
高考志愿填報管理系統基于Spring Boot SSM

高考志愿填報管理系統基于Spring Boot SSM

目錄 摘要 ?一、系統需求分析?&#xff1a; 1.1用戶主體分析 1.2 功能需求分析 1.3、非功能需求分析 二、?技術實現?&#xff1a; ?三、結論?&#xff1a; 摘要 該系統主要實現了&#xff1a;學生信息管理、院校信息查詢、專業信息展示、志愿填報模擬、智能推薦管…
閱讀更多...
網絡HTTPS協議

網絡HTTPS協議

Https HTTPS&#xff08;Hypertext Transfer Protocol Secure&#xff09;是 HTTP 協議的加密版本&#xff0c;它使用 SSL/TLS 協議來加密客戶端和服務器之間的通信。具體來說&#xff1a; ? 加密通信&#xff1a;在用戶請求訪問一個 HTTPS 網站時&#xff0c;客戶端&#x…
閱讀更多...
LintCode第1712題 - 和相同的二元子數組

LintCode第1712題 - 和相同的二元子數組

描述 在由若干 0 和 1 組成的數組 A 中&#xff0c;有多少個和為 S 的非空子數組 樣例 1: 輸入&#xff1a;A [1,0,1,0,1], S 2 輸出&#xff1a;4 解釋&#xff1a; 如下面黑體所示&#xff0c;有 4 個滿足題目要求的子數組&#xff1a; [1,0,1] [1,0,1] [1,0,1,0] [0,1,…
閱讀更多...
【MySQL筆記】庫操作與表操作

【MySQL筆記】庫操作與表操作

&#x1f525;個人主頁&#x1f525;&#xff1a;孤寂大仙V &#x1f308;收錄專欄&#x1f308;&#xff1a;MySQL &#x1f339;往期回顧&#x1f339;&#xff1a;【MySQL】認識MySQL &#x1f516;流水不爭&#xff0c;爭的是滔滔不 一、庫操作1.1 顯示數據庫1.2 創建數據庫…
閱讀更多...
SpringBoot3實戰（SpringBoot3+Vue3基本增刪改查、前后端通信交互、配置后端跨域請求、數據批量刪除(超詳細)）(3)

SpringBoot3實戰（SpringBoot3+Vue3基本增刪改查、前后端通信交互、配置后端跨域請求、數據批量刪除(超詳細)）(3)

目錄 一、從0快速搭建SpringBoot3工程、SpringBoot3集成MyBatis、PageHelper分頁查詢的詳細教程。(博客鏈接) 二、實現前端與后端通信對接數據。(axios工具) &#xff08;1&#xff09;安裝axios。(vue工程目錄) &#xff08;2&#xff09;封裝請求工具類。(request.js) <1&…
閱讀更多...
單播、廣播、組播和任播

單播、廣播、組播和任播

文章目錄 一、單播二、廣播三、組播四、任播代碼示例&#xff1a; 五、各種播的比較 一、單播 單播&#xff08;Unicast&#xff09;是一種網絡通信方式&#xff0c;它指的是在網絡中從一個源節點到一個單一目標節點對的傳輸模式。單播傳輸時&#xff0c;數據包從發送端直接發…
閱讀更多...
【實戰】deepseek數據分類用戶評論數據

【實戰】deepseek數據分類用戶評論數據

在平時的工作中&#xff0c;我們會遇到數據分類的情況&#xff0c;比如將一些文本劃分為各個標簽。如果人工分類這塊的工作量將是非常大&#xff0c;而且分類數據的準確性也不高。我們需要用到一些工具來實現。提高效率的同時也提高準確率。 1.示例數據 用戶ID 時間戳 評論場…
閱讀更多...
技術視角解讀：游戲出海如何借助AWS全球架構突破性能與合規瓶頸

技術視角解讀：游戲出海如何借助AWS全球架構突破性能與合規瓶頸

【場景痛點】 某二次元卡牌手游團隊在東南亞市場遭遇聯機延遲投訴率高達37%&#xff0c;日本地區因數據合規問題面臨下架風險。在傳統IDC架構下&#xff0c;運維團隊需要同時管理3個區域的物理服務器&#xff0c;版本更新耗時長達6小時。 【技術架構升級】 通過AWS Local Zones…
閱讀更多...
【JavaEE】網絡編程socket

【JavaEE】網絡編程socket

1.????前言~&#x1f973;&#x1f389;&#x1f389;&#x1f389; Hello, Hello~ 親愛的朋友們&#x1f44b;&#x1f44b;&#xff0c;這里是E綿綿呀????。 如果你喜歡這篇文章&#xff0c;請別吝嗇你的點贊????和收藏&#x1f4d6;&#x1f4d6;。如果你對我的…
閱讀更多...
第16屆藍橋杯單片機4T模擬賽三

第16屆藍橋杯單片機4T模擬賽三

本次模擬賽涉及的模塊&#xff1a;基礎三件套&#xff08;Led&Relay&#xff0c;按鍵、數碼管&#xff09; 進階單件套&#xff08;pcf8591的AD模塊&#xff09; 附件&#xff1a; 各模塊底層代碼在文章的結尾 一、數碼管部分 1.頁面1 頁面1要顯示的格式是&#xff1a; …
閱讀更多...
最新文章

Copyright @ 2022~2023