python發網路包庫

① python中的模塊，庫，包有什麼區別

1.python模塊是：

python模塊：包含並且有組織的代碼片段為模塊。

表現形式為：寫的代碼保存為文件。這個文件就是一個模塊。sample.py 其中文件名smaple為模塊名字。

關系圖：

3.庫（library）

庫的概念是具有相關功能模塊的集合。這也是Python的一大特色之一，即具有強大的標准庫、第三方庫以及自定義模塊。

② python常用包及主要功能

Python常用包：NumPy數值計算、pandas數據處理、matplotlib數據可視化、sciPy科學計算、Scrapy爬蟲、scikit-learn機器學習、Keras深度學習、statsmodels統計建模計量經濟。
NumPy是使用Python進行科學計算的基礎包，Numpy可以提供數組支持以及相應的高效處理函數，是Python數據分析的基礎，也是SciPy、Pandas等數據處理和科學計算庫最基本的函數功能庫，且其數據類型對Python數據分析十分有用。
pandas 是python的一個數據分析包,是基於NumPy 的一種工具，該工具是為了解決數據分析任務而創建的。pandas提供了大量能使我們快速便捷地處理數據的函數和方法。
Matplotlib是強大的數據可視化工具和作圖庫，是主要用於繪制數據圖表的Python庫，提供了繪制各類可視化圖形的命令字型檔、簡單的介面，可以方便用戶輕松掌握圖形的格式，繪制各類可視化圖形。
SciPy是一組專門解決科學計算中各種標准問題域的包的集合，包含的功能有最優化、線性代數、積分、插值、擬合、特殊函數、快速傅里葉變換、信號處理和圖像處理、常微分方程求解和其他科學與工程中常用的計算等，這些對數據分析和挖掘十分有用。
Scrapy是專門為爬蟲而生的工具，具有URL讀取、HTML解析、存儲數據等功能，可以使用Twisted非同步網路庫來處理網路通訊，架構清晰，且包含了各種中間件介面，可以靈活地完成各種需求。
Scikit-Learn是Python常用的機器學習工具包，提供了完善的機器學習工具箱，支持數據預處理、分類、回歸、聚類、預測和模型分析等強大機器學習庫，其依賴於Numpy、Scipy和Matplotlib等。
Keras是深度學習庫，人工神經網路和深度學習模型，基於Theano之上，依賴於Numpy和Scipy，利用它可以搭建普通的神經網路和各種深度學習模型，如語言處理、圖像識別、自編碼器、循環神經網路、遞歸審計網路、卷積神經網路等。
Statsmodels是Python的統計建模和計量經濟學工具包，包括一些描述統計、統計模型估計和推斷。

③ python 有哪些神經網路的包

1. Scikit-learn Scikit-learn 是基於Scipy為機器學習建造的的一個Python模塊，他的特色就是多樣化的分類，回歸和聚類的演算法包括支持向量機，邏輯回歸，樸素貝葉斯分類器，隨機森林，Gradient Boosting，聚類演算法和DBSCAN。

④ python怎麼發送proto組成的包

你的包結構不是寫得很清楚了嗎？你把包加工好，變成一個字元串。 sock.send里放上你的字元串就可以了。

⑤ 怎樣用 python（2.5或其它版本均可）實現圖形界面，並向指定IP地址的指定埠發送數據包回答請註明版本

可以使用pygtk來實現圖形界面，可以在網上找一些教程。

向指定埠發送數據包，使用socket內置庫。下面有一個簡單的demo以供參考：

server端：

importsocket
s=socket.socket(socket.AF_INET,socket.SOCK_DGRAM)
s.bind(("",8081))
whileTrue:
#Receiveupto1,024bytesinadatagram
data,addr=s.recvfrom(1024)
print"Received:",data,"from",addr

client端：

importsocket
s=socket.socket(socket.AF_INET,socket.SOCK_DGRAM)
port=8081
host="localhost"
whileTrue:
msg=raw_input()
s.sendto(msg,(host,port))

望採納，謝謝支持！

⑥ python發送數據包獲取返回數據（其他的語言能實現也可以）

使用網路翻譯的一個例子，可以翻譯你輸入的文字，發送需要的內容，獲取返回的數據

import urllib.request
import urllib.parse
import json
import time

while True:
url = 'http://fanyi..com/v2transapi'

words = input("輸入你想翻譯的內容：")

data = {}
data['from'] = 'auto'
data['to'] = 'auto'
data['query'] = words
data['transtype'] = 'translang'
data['simple_means_flag'] = '3'

data = urllib.parse.urlencode(data).encode('utf-8')

headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.81 Safari/537.36'
}

req = urllib.request.Request(url, data, headers)
req.add_header('Referer', 'http://fanyi..com/')
response = urllib.request.urlopen(req)
html = response.read().decode('utf-8')
js = json.loads(html)
# print(html)
# print(js)
print(js['trans_result']['data'][0]['dst'])
time.sleep(1)

⑦ 如何將自己的Python代碼打包發布到pypi上

什麼是pypi

簡單的說pypi是一個python包的倉庫，裡面有很多別人寫好的python庫，你可以通過easy_install或者pip進行安裝,方便用戶更方面的使用你的代碼模塊。


將代碼打包並上傳到pypi上，大體上分為以下幾步：

1、整理代碼的目錄結構，方便打包和python的import，為了方便引用，需要將代碼模塊變成一個包，所以需要將功能代碼用目錄來整合方便引用，並且需要創建__init__文件，__init__中可以沒有內容，也可以在__init__文件中進行import（from .extractor import Document）操作，以減少整體模塊引用時import的層數，避免錯誤。

[html]viewplain
├──./tidypage
│├──./tidypage/cleaners.py
│├──./tidypage/extractor.py
│├──./tidypage/__init__.py
│└──./tidypage/titles.py

2、功能模塊的目錄整理好後，就可以開始整理和添加發布到pypi上所使用的文件了

tidy_page
├──LICENSE
├──README.rst
├──requirements.txt
├──setup.py
├──tidypage
│├──cleaners.py
│├──extractor.py
│├──__init__.py
│└──titles.py

就是將原來的目錄深移一層，文件夾名稱可以根據自己意願。然後在到第一層的目錄下創建些特殊文件，具體你可以看看下面這個文件結構你就明白了



LICENSE文件是授權文件，比如：MIT license， APACHElicense


README.rst 文件想必大家都不陌生，其實就是項目介紹和使用說明


setup文件才是重點，是python模塊安裝所需要的文件，它的格式如下：

#!/usr/bin/envpython
from__future__importprint_function
fromsetuptoolsimportsetup,find_packages
importsys

setup(
name="tidy-page",
version="0.1.1",
author="DesionWang",
author_email="[email protected]",
description="htmltextparser,getthecontentformhtmlpage",
long_description=open("README.rst").read(),
license="MIT",
url="https://github.com/desion/tidy_page",
packages=['tidypage'],
install_requires=[
"beautifulsoup4",
lxml_requirement
],
classifiers=[
"Environment::WebEnvironment",
"IntendedAudience::Developers",
"OperatingSystem::OSIndependent",
"Topic::TextProcessing::Indexing",
"Topic::Utilities",
"Topic::Internet",
"Topic::SoftwareDevelopment::Libraries::PythonMoles",
"ProgrammingLanguage::Python",
"ProgrammingLanguage::Python::2",
"ProgrammingLanguage::Python::2.6",
"ProgrammingLanguage::Python::2.7",
],
)

• NAME名字，一般放你包的名字即可PACKAGES包含的包，可以多個，這是一個列表DESCRIPTION關於這個包的描述LONG_DESCRIPTION參見read方法說明KEYWORDS關於當前包的一些關鍵字，方便PyPI進行分類。AUTHOR誰是這個包的作者，寫誰的名字吧AUTHOR_EMAIL作者的郵件地址URL你這個包的項目地址，如果有，給一個吧，沒有你直接填寫在PyPI你這個包的地址也是可以的VERSION當前包的版本，這個按你自己需要的版本控制方式來LICENSE授權方式INSTALL_REQUIRES模塊所依賴的python模塊

文中的classifiers的內容並不是隨便填寫的，你需要參照本文參考文檔中的PyPI Classifiers來寫

3、開始使用Distutils進行打包

為了保證效果，在打包之前我們可以驗證setup.py的正確性，執行下面的代碼

python setup.py check

• 輸出一般是running check如果有錯誤或者警告，就會在此之後顯示沒有任何顯示表示Distutils認可你這個setup.py文件。




• 如果沒有問題，那麼就可以正式打包，執行下面的代碼：




• python setup.py sdist





• 執行完成後，會在頂層目錄下生成dist目錄和egg目錄

tidy_page
├──tidy_page/dist
│├──tidy_page/dist/tidy-page-0.1.0.tar.gz
│└──tidy_page/dist/tidy-page-0.1.1.tar.gz
├──tidy_page/LICENSE
├──tidy_page/README.rst
├──tidy_page/setup.py
├──tidy_page/tidypage
│├──tidy_page/tidypage/cleaners.py
│├──tidy_page/tidypage/extractor.py
│├──tidy_page/tidypage/__init__.py
│└──tidy_page/tidypage/titles.py
├──tidy_page/tidy_page.egg-info
│├──tidy_page/tidy_page.egg-info/dependency_links.txt
│├──tidy_page/tidy_page.egg-info/PKG-INFO
│├──tidy_page/tidy_page.egg-info/requires.txt
│├──tidy_page/tidy_page.egg-info/SOURCES.txt
│└──tidy_page/tidy_page.egg-info/top_level.txt

4、打包完成後就可以准備將打包好的模塊上傳到pypi了，首先你需要在pypi上進行注冊gotoPyPI Live

注冊完成後，你需要在本地創建好pypi的配置文件，不然有可能會出現使用http無法上傳到pypi的問題

Create a.pypircconfiguration file，在用戶的home目錄下創建.pypirc文件，文件的內容如下

• [distutils]index-servers=pypi[pypi]repository=https://pypi.python.org/pypiusername=your_usernamepassword=your_passwor

chmod600~/.pypirc
pythonsetup.pyregister-rpypi

在pypi上注冊模塊

• python setup.py sdist upload -r pypi

上傳python文件包，沒有問題你就可以在pypi上看到你上傳的包了並且可以使用pip搜索和install你的python包了

⑧ python 神經網路庫有哪些

學習人工智慧時，我給自己定了一個目標－－用Python寫一個簡單的神經網路。為了確保真得理解它，我要求自己不使用任何神經網路庫，從頭寫起。多虧了Andrew Trask寫得一篇精彩的博客，我做到了！下面貼出那九行代碼：

在這篇文章中，我將解釋我是如何做得，以便你可以寫出你自己的。我將會提供一個長點的但是更完美的源代碼。
首先，神經網路是什麼？人腦由幾千億由突觸相互連接的細胞（神經元）組成。突觸傳入足夠的興奮就會引起神經元的興奮。這個過程被稱為「思考」。

我們可以在計算機上寫一個神經網路來模擬這個過程。不需要在生物分子水平模擬人腦，只需模擬更高層級的規則。我們使用矩陣（二維數據表格）這一數學工具，並且為了簡單明了，只模擬一個有3個輸入和一個輸出的神經元。

我們將訓練神經元解決下面的問題。前四個例子被稱作訓練集。你發現規律了嗎？『？』是0還是1？

你可能發現了，輸出總是等於輸入中最左列的值。所以『？』應該是1。
訓練過程
但是如何使我們的神經元回答正確呢？賦予每個輸入一個權重，可以是一個正的或負的數字。擁有較大正（或負）權重的輸入將決定神經元的輸出。首先設置每個權重的初始值為一個隨機數字，然後開始訓練過程：
取一個訓練樣本的輸入，使用權重調整它們，通過一個特殊的公式計算神經元的輸出。
計算誤差，即神經元的輸出與訓練樣本中的期待輸出之間的差值。
根據誤差略微地調整權重。
重復這個過程1萬次。

最終權重將會變為符合訓練集的一個最優解。如果使用神經元考慮這種規律的一個新情形，它將會給出一個很棒的預測。
這個過程就是back propagation。

計算神經元輸出的公式
你可能會想，計算神經元輸出的公式是什麼？首先，計算神經元輸入的加權和，即

接著使之規范化，結果在0，1之間。為此使用一個數學函數－－Sigmoid函數：

Sigmoid函數的圖形是一條「S」狀的曲線。

把第一個方程代入第二個，計算神經元輸出的最終公式為：

你可能注意到了，為了簡單，我們沒有引入最低興奮閾值。
調整權重的公式
我們在訓練時不斷調整權重。但是怎麼調整呢？可以使用「Error Weighted Derivative」公式：

為什麼使用這個公式？首先，我們想使調整和誤差的大小成比例。其次，乘以輸入（0或1），如果輸入是0，權重就不會調整。最後，乘以Sigmoid曲線的斜率（圖4）。為了理解最後一條，考慮這些：
我們使用Sigmoid曲線計算神經元的輸出
如果輸出是一個大的正（或負）數，這意味著神經元採用這種（或另一種）方式
從圖四可以看出，在較大數值處，Sigmoid曲線斜率小
如果神經元認為當前權重是正確的，就不會對它進行很大調整。乘以Sigmoid曲線斜率便可以實現這一點
Sigmoid曲線的斜率可以通過求導得到：

把第二個等式代入第一個等式里，得到調整權重的最終公式：

當然有其他公式，它們可以使神經元學習得更快，但是這個公式的優點是非常簡單。
構造Python代碼
雖然我們沒有使用神經網路庫，但是將導入Python數學庫numpy里的4個方法。分別是：
exp－－自然指數
array－－創建矩陣
dot－－進行矩陣乘法
random－－產生隨機數
比如， 我們可以使用array()方法表示前面展示的訓練集：

「.T」方法用於矩陣轉置（行變列）。所以，計算機這樣存儲數字：

我覺得我們可以開始構建更優美的源代碼了。給出這個源代碼後，我會做一個總結。
我對每一行源代碼都添加了注釋來解釋所有內容。注意在每次迭代時，我們同時處理所有訓練集數據。所以變數都是矩陣（二維數據表格）。下面是一個用Python寫地完整的示例代碼。

結語
試著在命令行運行神經網路：

你應該看到這樣的結果：

我們做到了！我們用Python構建了一個簡單的神經網路！
首先神經網路對自己賦予隨機權重，然後使用訓練集訓練自己。接著，它考慮一種新的情形[1, 0, 0]並且預測了0.99993704。正確答案是1。非常接近！
傳統計算機程序通常不會學習。而神經網路卻能自己學習，適應並對新情形做出反應，這是多麼神奇，就像人類一樣。

⑨ 怎麼用python和原始套接字發送一tcp數據包

TCP的首部格式：
0 1 2 3
0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
| Source Port | Destination Port |
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
| Sequence Number |
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
| Acknowledgment Number |
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
| Data | |U|A|P|R|S|F| |
| Offset| Reserved |R|C|S|S|Y|I| Window |
| | |G|K|H|T|N|N| |
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
| Checksum | Urgent Pointer |
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
| Options | Padding |
+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+
| data |
-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-

—Source Port是源埠，16位。
—Destination Port是目的埠，16位。
—Sequence Number是發送數據包中的第一個位元組的序列號，32位。
—Acknowledgment Number是確認序列號，32位。
—Data Offset是數據偏移，4位，該欄位的值是TCP首部（包括選項）長度乘以4。
—標志位： 6位，URG表示Urgent Pointer欄位有意義：
ACK表示Acknowledgment Number欄位有意義
PSH表示Push功能，RST表示復位TCP連接
SYN表示SYN報文（在建立TCP連接的時候使用）
FIN表示沒有數據需要發送了（在關閉TCP連接的時候使用）
Window表示接收緩沖區的空閑空間，16位，用來告訴TCP連接對端自己能夠接收的最大數據長度。
—Checksum是校驗和，16位。
—Urgent Pointers是緊急指針，16位，只有URG標志位被設置時該欄位才有意義，表示緊急數據相對序列號（Sequence Number欄位的值）的偏移。
更多TCP協議的詳細信息可以在網上輕易找到，在這里不再贅述。
為了建立一個可以自己構造數據的包，我們使用"SOCK_RAW"這種socket格式，使用"IPPROTO_RAW"協議，它會告訴系統我們將提供網路層和傳輸層。

s = socket.socket(socket.AF_INET,socket.SOCK_RAW,)
通過這個簡單的類，我們可以進行IP頭部信息構造
class ip(object):
def __init__(self, source, destination):
self.version = 4