Ⅰ 我為什麼說 python 是大數據全棧式開發語言 怎樣成為數據分析師
就像只要會javaScript就可以寫出完整的Web應用，只要會Python，就可以實現一個完整的大數據處理平台。
雲基礎設施
這年頭，不支持雲平台，不支持海量數據，不支持動態伸縮，根本不敢說自己是做大數據的，頂多也就敢跟人說是做商業智能（BI）。
雲平台分為私有雲和公有雲。私有雲平台如日中天的 OpenStack
，就是Python寫的。曾經的追趕者CloudStack，在剛推出時大肆強調自己是Java寫的，比Python有優勢。結果，搬石砸腳，2015年
初，CloudStack的發起人Citrix宣布加入OpenStack基金會，CloudStack眼看著就要壽終正寢。
如果嫌麻煩不想自己搭建私有雲，用公有雲，不論是AWS，GCE，Azure，還是阿里雲，青雲，在都提供了Python SDK，其中GCE只提供Python和JavaScript的SDK，而青雲只提供Python SDK。可見各家雲平台對Python的重視。
提到基礎設施搭建，不得不提Hadoop，在今天，Hadoop因為其MapRece數據處理速度不夠快，已經不再作為大數據處理的首選，但
是HDFS和Yarn——Hadoop的兩個組件——倒是越來越受歡迎。Hadoop的開發語言是Java，沒有官方提供Python支持，不過有很多第
三方庫封裝了Hadoop的API介面（pydoop，hadoopy等等）。
Hadoop MapRece的替代者，是號稱快上100倍的 Spark ，其開發語言是Scala，但是提供了Scala，Java，Python的開發介面，想要討好那麼多用Python開發的數據科學家，不支持Python，真是說不過去。HDFS的替代品，比如GlusterFS， Ceph 等，都是直接提供Python支持。Yarn的替代者， Mesos 是C++實現，除C++外，提供了Java和Python的支持包。
DevOps
DevOps有個中文名字，叫做 開發自運維 。互聯網時代，只有能夠快速試驗新想法，並在第一時間，安全、可靠的交付業務價值，才能保持競爭力。DevOps推崇的自動化構建/測試/部署，以及系統度量等技術實踐，是互聯網時代必不可少的。
自動化構建是因應用而易的，如果是Python應用，因為有setuptools, pip, virtualenv, tox,
flake8等工具的存在，自動化構建非常簡單。而且，因為幾乎所有Linux系統都內置Python解釋器，所以用Python做自動化，不需要系統預
安裝什麼軟體。
自動化測試方面，基於Python的 Robot Framework 企業級應用最喜歡的自動化測試框架，而且和語言無關。Cucumber也有很多支持者，Python對應的Lettuce可以做到完全一樣的事情。 Locust 在自動化性能測試方面也開始受到越來越多的關注。
自動化配置管理工具，老牌的如Chef和Puppet，是Ruby開發，目前仍保持著強勁的勢頭。不過，新生代 Ansible 和 SaltStack ——均為Python開發——因為較前兩者設計更為輕量化，受到越來越多開發這的歡迎，已經開始給前輩們製造了不少的壓力。
在系統監控與度量方面，傳統的Nagios逐漸沒落，新貴如 Sensu 大受好評，雲服務形式的New Relic已經成為創業公司的標配，這些都不是直接通過Python實現的，不過Python要接入這些工具，並不困難。
除了上述這些工具，基於Python，提供完整DevOps功能的PaaS平台，如 Cloudify 和 Deis ，雖未成氣候，但已經得到大量關注。
網路爬蟲
大數據的數據從哪裡來？除了部分企業有能力自己產生大量的數據，大部分時候，是需要靠爬蟲來抓取互聯網數據來做分析。
網路爬蟲是Python的傳統強勢領域，最流行的爬蟲框架Scrapy，HTTP工具包urlib2，HTML解析工具beautifulsoup，XML解析器lxml，等等，都是能夠獨當一面的類庫。
不過，網路爬蟲並不僅僅是打開網頁，解析HTML這么簡單。高效的爬蟲要能夠支持大量靈活的並發操作，常常要能夠同時幾千甚至上萬個網頁同時抓取，傳統的
線程池方式資源浪費比較大，線程數上千之後系統資源基本上就全浪費在線程調度上了。Python由於能夠很好的支持協程（ Coroutine ）操作，基於此發展起來很多並發庫，如Gevent，Eventlet，還有Celery之類的分布式任務框架。被認為是比AMQP更高效的ZeroMQ也是最早就提供了Python版本。有了對高並發的支持，網路爬蟲才真正可以達到大數據規模。
抓取下來的數據，需要做分詞處理，Python在這方面也不遜色，著名的自然語言處理程序包NLTK，還有專門做中文分詞的Jieba，都是做分詞的利器。
數據處理
萬事俱備，只欠東風。這東風，就是數據處理演算法。從統計理論，到數據挖掘，機器學習，再到最近幾年提出來的深度學習理論，數據科學正處於百花齊放的時代。數據科學家們都用什麼編程？
如果是在理論研究領域，R語言也許是最受數據科學家歡迎的，但是R語言的問題也很明顯，因為是統計學家們創建了R語言，所以其語法略顯怪異。而且
R語言要想實現大規模分布式系統，還需要很長一段時間的工程之路要走。所以很多公司使用R語言做原型試驗，演算法確定之後，再翻譯成工程語言。
Python也是數據科學家最喜歡的語言之一。和R語言不同，Python本身就是一門工程性語言，數據科學家用Python實現的演算法，可以直
接用在產品中，這對於大數據初創公司節省成本是非常有幫助的。正式因為數據科學家對Python和R的熱愛，Spark為了討好數據科學家，對這兩種語言
提供了非常好的支持。
Python的數據處理相關類庫非常多。高性能的科學計算類庫NumPy和SciPy，給其他高級演算法打了非常好的基礎，matploglib讓
Python畫圖變得像Matlab一樣簡單。Scikit-learn和Milk實現了很多機器學習演算法，基於這兩個庫實現的 Pylearn2 ，是深度學習領域的重要成員。 Theano 利用GPU加速，實現了高性能數學符號計算和多維矩陣計算。當然，還有 Pandas ，一個在工程領域已經廣泛使用的大數據處理類庫，其DataFrame的設計借鑒自R語言，後來又啟發了Spark項目實現了類似機制。
對了，還有 iPython ，這個工具如此有用，以至於我差點把他當成標准庫而忘了介紹。iPython是一個互動式Python運行環境，能夠實時看到每一段Python代碼的結果。默認情況下，iPython運行在命令行，可以執行 ipython notebook 在網頁中運行。用matplotlib繪制的圖可以直接嵌入式的顯示在iPython Notebook中。
iPython Notebook的筆記本文件可以共享給其他人，這樣其他人就可以在自己的環境中重現你的工作成果；如果對方沒有運行環境，還可以直接轉換成HTML或者PDF。
為什麼是Python
正是因為應用開發工程師、運維工程師、數據科學家都喜歡Python，才使得Python成為大數據系統的全棧式開發語言。
對於開發工程師而言，Python的優雅和簡潔無疑是最大的吸引力，在Python互動式環境中，執行 import this
，讀一讀Python之禪，你就明白Python為什麼如此吸引人。Python社區一直非常有活力，和NodeJS社區軟體包爆炸式增長不
同，Python的軟體包增長速度一直比較穩定，同時軟體包的質量也相對較高。有很多人詬病Python對於空格的要求過於苛刻，但正是因為這個要求，才
使得Python在做大型項目時比其他語言有優勢。OpenStack項目總共超過200萬行代碼，證明了這一點。
對於運維工程師而言，Python的最大優勢在於，幾乎所有Linux發行版都內置了Python解釋器。Shell雖然功能強大，但畢竟語法不夠優雅，寫比較復雜的任務會很痛苦。用Python替代Shell，做一些復雜的任務，對運維人員來說，是一次解放。
對於數據科學家而言，Python簡單又不失強大。和C/C++相比，不用做很多的底層工作，可以快速進行模型驗證；和Java相比，Python語法簡
潔，表達能力強，同樣的工作只需要1/3代碼；和Matlab，Octave相比，Python的工程成熟度更高。不止一個編程大牛表達過，Python
是最適合作為大學計算機科學編程課程使用的語言——MIT的計算機入門課程就是使用的Python——因為Python能夠讓人學到編程最重要的東西——
如何解決問題。
Ⅱ php用explode字元串後用一個符號鏈接，多出了一個符號
這樣更簡單：
<?php
function gostrsplit($str) {
$str_array = explode(",",$str);
return implode('→', $str_array);
}
echo gostrsplit("1,2,3");
?>
Ⅲ php和go語言哪個好
前言
最近工作中遇到的一個場景，php項目中需要使用一個第三方的功能，而恰好有一個用Golang寫好的類庫。那麼問題就來了，要如何實現不同語言之間的通信呢？下面就來一起看看吧。
常規的方案
1、 用Golang寫一個http/TCP服務，php通過http/TCP與Golang通信
2、將Golang經過較多封裝，做為php擴展。
3、PHP通過系統命令，調取Golang的可執行文件
存在的問題
1、http請求，網路I/O將會消耗大量時間
2、需要封裝大量代碼
3、PHP每調取一次Golang程序，就需要一次初始化，時間消耗很多
優化目標
1、Golang程序只初始化一次（因為初始化很耗時）
2、所有請求不需要走網路
3、盡量不大量修改代碼
解決方案
1、簡單的Golang封裝，將第三方類庫編譯生成為一個可執行文件
2、PHP與Golang通過雙向管道通信
使用雙向管道通信優勢
1：只需要對原有Golang類庫進行很少的封裝
2：性能最佳 （IPC通信是進程間通信的最佳途徑）
3：不需要走網路請求，節約大量時間
4：程序只需初始化一次，並一直保持在內存中
具體實現步驟
1：類庫中的原始調取demo
package main
import (
"fmt"
"github.com/yanyiwu/gojieba"
"strings"
)
func main() {
x := gojieba.NewJieba()
defer x.Free()
s := "小明碩士畢業於中國科學院計算所，後在日本京都大學深造"
words := x.CutForSearch(s, true)
fmt.Println(strings.Join(words, "/"))
}
保存文件為main.go，就可以運行
2：調整後代碼為：
package main
import (
"bufio"
"fmt"
"github.com/yanyiwu/gojieba"
"io"
"os"
"strings"
)
func main() {
x := gojieba.NewJieba(
"/data/tmp/jiebaDict/jieba.dict.utf8",
"/data/tmp/jiebaDict/hmm_model.utf8",
"/data/tmp/jiebaDict/user.dict.utf8"
)
defer x.Free()
inputReader := bufio.NewReader(os.Stdin)
for {
s, err := inputReader.ReadString('\n')
if err != nil && err == io.EOF {
break
}
s = strings.TrimSpace(s)
if s != "" {
words := x.CutForSearch(s, true)
fmt.Println(strings.Join(words, " "))
} else {
fmt.Println("get empty \n")
}
}
}
只需要簡單的幾行調整，即可實現：從標准輸入接收字元串，經過分詞再輸出
測試：
# go build test
# ./test
# //等待用戶輸入，輸入」這是一個測試「
# 這是 一個 測試 //程序
3：使用cat與Golang通信做簡單測試
//准備一個title.txt，每行是一句文本
# cat title.txt | ./test
正常輸出，表示cat已經可以和Golang正常交互了
4：PHP與Golang通信
以上所示的cat與Golang通信，使用的是單向管道。即：只能從cat向Golang傳入數據，Golang輸出的數據並沒有傳回給cat，而是直接輸出到屏幕。但文中的需求是：php與Golang通信。即php要傳數據給Golang，同時Golang也必須把執行結果返回給php。因此，需要引入雙向管道。
在PHP中管道的使用：popen("/path/test") ，具體就不展開說了，因為此方法解決不了文中的問題。
雙向管道：
$descriptorspec = array(
0 => array("pipe", "r"),
1 => array("pipe", "w")
);
$handle = proc_open(
'/webroot/go/src/test/test',
$descriptorspec,
$pipes
);
fwrite($pipes['0'], "這是一個測試文本\n");
echo fgets($pipes[1]);
解釋：使用proc_open打開一個進程，調用Golang程序。同時返回一個雙向管道pipes數組，php向$pipe['0']中寫數據，從$pipe['1']中讀數據。
好吧，也許你已經發現，我是標題檔，這里重點要講的並不只是PHP與Golang如何通信。而是在介紹一種方法： 通過雙向管道讓任意語言通信。（所有語言都會實現管道相關內容）
測試：
通過對比測試，計算出各個流程佔用的時間。下面提到的title.txt文件，包含100萬行文本，每行文本是從b2b平台取的商品標題
1: 整體流程耗時
time cat title.txt | ./test > /dev/null
耗時：14.819秒，消耗時間包含：
進程cat讀出文本
通過管道將數據傳入Golang
Golang處理數據，將結果返回到屏幕
2：計算分詞函數耗時。方案：去除分詞函數的調取，即：注釋掉Golang源代碼中的調取分詞那行的代碼
time cat title.txt | ./test > /dev/null
耗時：1.817秒時間，消耗時間包含：
進程cat讀出文本
通過管道將數據傳入Golang
Golang處理數據，將結果返回到屏幕
分詞耗時 = (第一步耗時) - (以上命令所耗時)
分詞耗時 : 14.819 - 1.817 = 13.002秒
3：測試cat進程與Golang進程之間通信所佔時間
time cat title.txt > /dev/null
耗時：0.015秒，消耗時間包含：
進程cat讀出文本
通過管道將數據傳入Golang
go處理數據，將結果返回到屏幕
管道通信耗時：（第二步耗時） - （第三步耗時）
管道通信耗時： 1.817 - 0.015 = 1.802秒
4：PHP與Golang通信的時間消耗
編寫簡單的php文件：
<?php
$descriptorspec = array(
0 => array("pipe", "r"),
1 => array("pipe", "w")
);
$handle = proc_open(
'/webroot/go/src/test/test',
$descriptorspec,
$pipes
);
$fp = fopen("title.txt", "rb");
while (!feof($fp)) {
fwrite($pipes['0'], trim(fgets($fp))."\n");
echo fgets($pipes[1]);
}
fclose($pipes['0']);
fclose($pipes['1']);
proc_close($handle);
流程與上面基本一致，讀出title.txt內容，通過雙向管道傳入Golang進程分詞後，再返回給php （比上面的測試多一步：數據再通過管道返回）
time php popen.php > /dev/null
耗時：24.037秒，消耗時間包含：
進程PHP讀出文本
通過管道將數據傳入Golang
Golang處理數據
Golang將返回結果再寫入管道，PHP通過管道接收數據
將結果返回到屏幕
結論：
1 ：整個分詞過程中的耗時分布
使用cat控制邏輯耗時： 14.819 秒
使用PHP控制邏輯耗時: 24.037 秒（比cat多一次管道通信）
單向管道通信耗時： 1.8 秒
Golang中的分詞函數耗時： 13.002 秒
2：分詞函數的性能： 單進程，100萬商品標題分詞，耗時13秒
以上時間只包括分詞時間，不包括詞典載入時間。但在本方案中，詞典只載入一次，所以載入詞典時間可以忽略（1秒左右）
3：PHP比cat慢 (這結論有點多餘了，呵呵）
語言層面慢: (24.037 - 1.8 - 14.819) / 14.819 = 50%
單進程對比測試的話，應該不會有哪個語言比cat更快。
相關問題：
1：以上Golang源碼中寫的是一個循環，也就是會一直從管道中讀數據。那麼存在一個問題：是不是php進程結束後，Golang的進程還會一直存在？
管道機制自身可解決此問題。管道提供兩個介面：讀、寫。當寫進程結束或者意外掛掉時，讀進程也會報錯，以上Golang源代碼中的err邏輯就會執行，Golang進程結束。
但如果PHP進程沒有結束，只是暫時沒有數據傳入，此時Golang進程會一直等待。直到php結束後，Golang進程才會自動結束。
2：能否多個php進程並行讀寫同一個管道，Golang進程同時為其服務？
不可以。管道是單向的，如果多個進程同時向管道中寫，那Golang的返回值就會錯亂。
可以多開幾個Golang進程實現，每個php進程對應一個Golang進程。
最後，上面都是瞎扯的。如果你了解管道、雙向管道，上面的解釋對你基本沒啥用。但如果你不了解管道，調試上面的代碼沒問題，但稍有修改就有可能掉坑裡。
Ⅳ 在oc、java或者php中漢語的語法檢測如何實現
首先需要對句子分詞，分詞的時候可以查看詞性，然後根據語法規則（如：主謂賓等）進行檢查判斷。