# 第 31 期：路在何方

> @Author : Lewis Tian (<taseikyo@gmail.com>)
>
> @Link : github.com/taseikyo
>
> @Range : 2021-05-30 - 2021-06-05

## Weekly #31

[readme](https://taseikyo.gitbook.io/arts/readme) | [previous](https://taseikyo.gitbook.io/arts/wu-yue-1/202105w4) | [next](https://github.com/taseikyo/arts/tree/4148a52f9d0cb8fcc97459433cd019701bf206c9/weekly/202106W2.md)

本文总字数 4054 个，阅读时长约：8 分 0 秒，统计数据来自：[算筹字数统计](http://www.xiqei.com/tools?p=tj)。

![](https://3093055548-files.gitbook.io/~/files/v0/b/gitbook-legacy-files/o/assets%2F-MMdedjHJjq-FX7CAnHy%2Fsync%2Fce7c235d73a4692da29afc2f8c8100a8642bb070.jpg?generation=1623598909903468\&alt=media)

\**Photo by* [*Aron Yigin*](https://unsplash.com/@aronyigin) *on* [*Unsplash*](https://unsplash.com/photos/Hnvvtshep3k)

敢问路在何方？

### Table of Contents

* [algorithm](#algorithm-)
* [review](#review-)
  * Github Action stuck at queue
  * 每个 Python 程序员都应该知道的 8 种数据结构
  * 用 Docker 把你的 Python 脚本变成一个真正的程序
* [tip](#tip-)
  * ffmpeg 常用操作手册
  * Scoop 安装 MySQL
  * 使用 Python 将原图的地理位置抠出来
* [share](#share-)
  * 路在何方

### algorithm [🔝](#weekly-31)

### review [🔝](#weekly-31)

#### 1. [Github Action stuck at queue](https://github.community/t/github-action-stuck-at-queue/16869/141)

在 2021/05/16 晚上我将最新一期的 Weekly push 之后发现并没有正常触发 GitHub Action，状态变成了 *Queen*

随后我发现 `taseikyo/taseikyo` 库的 EveOneCat 表情包也没有更新，点进去看对应的 Action 的状态也是 *Queen*，然后搜到这个

下面很多留言都说是遇到卡住的问题，下面我看到一个留言给出了问题原因，说是 GitHub 出问题了：[Incident with GitHub Actions, API Requests, and GitHub Pages](https://www.githubstatus.com/incidents/zbpwygxwb3gw)

然后我推迟了推送新 tag，毕竟也触发不了对应的 Action (;;)

我在取消的卡住的几个 Action 时把几个之前运行过的 Action 给莫名其妙删了，真烦。

#### 2. [每个 Python 程序员都应该知道的 8 种数据结构](https://python.plainenglish.io/8-data-structures-every-python-programmer-should-know-acafd46f479b)

Python 有 4 个内置的数据结构：列表、字典、元组和集合

1、数组（列表）

常见的面试问题：

* 从列表中删除偶数
* 合并两个排序的列表
* 查找列表中的最小值
* 最大和子列表
* 所有元素的乘机（products）

2、队列

Deque 允许创建双端队列，它可以通过 `popleft()` 和 `popright()` 方法访问队列的两端

```python
from collections import deque
# Initializing a queue
q = deque()
# Adding elements to a queue
q.append('a')
q.append('b')
q.append('c')
print("Initial queue")
print(q)
# Removing elements from a queue
print("\nElements dequeued from the queue")
print(q.popleft())
print(q.popleft())
print(q.popleft())
print("\nQueue after removing elements")
print(q)
# Uncommenting q.popleft()
# will raise an IndexError
# as queue is now empty
```

常见的面试问题：

* 反转队列的前 k 个元素
* 使用链表实现队列
* 使用队列实现栈

3、栈

用 list 实现，push 操作使用 `append()` 方法，pop 操作使用 `pop()`

```python
stack = []
# append() function to push
# element in the stack
stack.append('a')
stack.append('b')
stack.append('c')
print('Initial stack')
print(stack)
# pop() function to pop
# element from stack in
# LIFO order
print('\nElements popped from stack:')
print(stack.pop())
print(stack.pop())
print(stack.pop())
print('\nStack after elements are popped:')
print(stack)
# uncommenting print(stack.pop())
# will cause an IndexError
# as the stack is now empty
```

常见的面试问题：

* 使用栈实现一个队列
* 使用栈计算后缀表达式
* 使用栈的获取第二大元素
* 使用栈创建 main 函数

4、链表

链表主要用于创建高级数据结构，如图和树，或者用于需要经常在整个结构中添加/删除元素的任务。

```python
class Node:
    def __init__(self, dataval=None):
        self.dataval = dataval
        self.nextval = None

class SLinkedList:
    def __init__(self):
        self.headval = None

list1 = SLinkedList()
list1.headval = Node("Mon")
e2 = Node("Tue")
e3 = Node("Wed")
# Link first Node to second node
list1.headval.nextval = e2
# Link second Node to third node
e2.nextval = e3
```

常见的面试问题：

* 打印给定链表的中间元素
* 从排序的链表中删除重复的元素
* 检查单链表是否为回文
* 合并 k 排序链表
* 查找两个链表的交点

5、循环链表

标准链表的主要缺点是必须始终从 Head 节点开始。循环链表通过将 Tail 节点的空指针替换为指向 Head 节点的指针来修复这个问题。

这种设置的优点是可以从任何节点开始遍历整个列表。

常见的面试问题：

* 检测链表中的循环
* 反转循环链表
* 以给定大小的组来反转循环链表（Reverse circular linked list in groups of a given size）

6、树

与链表一样，它们由 Node 对象填充，这些对象包含一个数据值和一个或多个指针，用于定义其与直接节点的关系。

二叉树最常见的应用是二叉查找树（BST）

```python
class Node:
    def __init__(self, data):
        self.left = None
        self.right = None
        self.data = data
    def insert(self, data):
# Compare the new value with the parent node
        if self.data:
            if data < self.data:
                if self.left is None:
                    self.left = Node(data)
                else:
                    self.left.insert(data)
            elif data > self.data:
                if self.right is None:
                    self.right = Node(data)
                else:
                    self.right.insert(data)
        else:
            self.data = data
# Print the tree
    def PrintTree(self):
        if self.left:
            self.left.PrintTree()
        print( self.data),
        if self.right:
            self.right.PrintTree()
# Use the insert method to add nodes
root = Node(12)
root.insert(6)
root.insert(14)
root.insert(3)
root.PrintTree()
```

常见的面试问题：

* 检查两个二叉树是否相同
* 实现二叉树的层次序遍历
* 打印二叉查找树的周长
* 沿着一条路径求所有节点的和
* 连接一个二叉树的所有兄弟节点

7、图

有向图 & 无向图

当用纯文本编写时，图有一个顶点和边的列表：

```python
V = {a, b, c, d, e}
E = {ab, ac, bd, cd, de}
```

在 Python 中，图最好使用字典来实现，每个顶点的名称作为键，边列表作为值。

```python
# Create the dictionary with graph elements
graph = {"a": ["b", "c"],
         "b": ["a", "d"],
         "c": ["a", "d"],
         "d": ["e"],
         "e": ["d"]
         }
# Print the graph
print(graph)
```

常见的面试问题：

* 检测有向图中的循环
* 在有向图中查找父节点
* 计算无向图中的边数
* 检查两个顶点之间是否存在路径
* 求两个顶点之间的最短路径

8、哈希表

![](https://3093055548-files.gitbook.io/~/files/v0/b/gitbook-legacy-files/o/assets%2F-MMdedjHJjq-FX7CAnHy%2Fsync%2F7fb49219afeab750212e0e641398de3aae495f1e.png?generation=1622272314334732\&alt=media)

（这个图画的很棒，于是偷过来了）

```python
import pprint

class Hashtable:
    def __init__(self, elements):
        self.bucket_size = len(elements)
        self.buckets = [[] for i in range(self.bucket_size)]
        self._assign_buckets(elements)

    def _assign_buckets(self, elements):
        for key, value in elements:  # calculates the hash of each key
            hashed_value = hash(key)
            # positions the element in the bucket using hash
            index = hashed_value % self.bucket_size
            # adds a tuple in the bucket
            self.buckets[index].append((key, value))

    def get_value(self, input_key):
        hashed_value = hash(input_key)
        index = hashed_value % self.bucket_size
        bucket = self.buckets[index]
        for key, value in bucket:
            if key == input_key:
                return(value)
        return None

    def __str__(self):
        # pformat returns a printable representation of the object
        return pprint.pformat(self.buckets)


if __name__ == "__main__":
    capitals = [
        ('France', 'Paris'),
        ('United States', 'Washington D.C.'),
        ('Italy', 'Rome'),
        ('Canada', 'Ottawa')
    ]
    hashtable = Hashtable(capitals)
    print(hashtable)
    print(f"The capital of Italy is {hashtable.get_value('Italy')}")
```

常见的面试问题：

* 不使用内置函数从头构建一个哈希表
* Word formation using a hash table
* 找出两个加起来等于 K 的数字
* 实现冲突处理的开放寻址
* 使用哈希表检测列表是否具有周期性

不错的一篇文章，说是 Python 中的八种数据结构，实际上就是将八种数据结构讲了一遍，然后用 Python 实现，然后每个数据结构讲解完还附带有优缺点（我没贴过来）和面试问题，很不错，比之前那些没营养的会员文章强多了 :)

#### 3. [用 Docker 把你的 Python 脚本变成一个真正的程序](https://python.plainenglish.io/turn-your-python-script-into-a-real-program-with-docker-c200e15d5265)

这篇文章教你怎么将一个 Python 脚本 Docker 化，并将 Dockerfile 上传至 DockerHub 以实现分享

看上去是挺简单的，主要就是编写好 Dockerfile，然后运行即可

> src/main.py

```python
#!/usr/bin/env python3
import logging
import os
import time
import sys
from watchdog.observers import Observer
from watchdog.events import LoggingEventHandler

# load variables from environment variables
verbose = int(os.environ.get('VERBOSE', 1))
directory = os.environ.get('DIRECTORY',  os.path.join('tmp'))

if __name__ == "__main__":
    if verbose:
        logging.basicConfig(stream=sys.stdout, level=logging.INFO)

    event_handler = LoggingEventHandler()

    observer = Observer()
    observer.schedule(event_handler, directory, recursive=True)
    observer.start()

    try:
        while True:
            time.sleep(1)
    finally:
        observer.stop()
        observer.join()
```

> requirements.txt

```
watchdog==2.0.2
```

> Dockerfile

```
# first stage
FROM python:3.8 AS builder
COPY requirements.txt .

# install dependencies to the local user directory (eg. /root/.local)
RUN pip install --user -r requirements.txt

# second stage
FROM python:3.8-slim
WORKDIR /code

# copy only the dependencies that are needed for our application and the source files
COPY --from=builder /root/.local /root/.local
COPY ./src .

# update PATH
ENV PATH=/root/.local:$PATH

# make sure you include the -u flag to have our stdout logged
CMD [ "python", "-u", "./main.py" ]
```

### tip [🔝](#weekly-31)

#### 1. [ffmpeg 常用操作手册](https://gist.github.com/steven2358/ba153c642fe2bb1e47485962df07c730)

这个网页收集了 ffmpeg 一些常见操作的命令行，可能初衷跟我之前做的 [FFmpeg Helper](https://github.com/taseikyo/PyQt5-Apps#ffmpeg-helper) 工具相同，只不过我把我常用的命令包装成 GUI 了

#### 2. Scoop 安装 MySQL

安装完成之后，root 密码为空，如果不为空可以去安装目录下的 `data/<computer name>.err` 查看（`$SCOOP/apps/mysql/current/data/taseikyo.err`）

至于修改密码则使用命令：

```bash
mysqladmin -uroot -p<old passwd> password <new passwd>
# 如没有密码，且要设置为 root
mysqladmin -uroot -p password root
```

#### 3. 使用 Python 将原图的地理位置抠出来

刷到这篇 UC 文章（[女友加班发自拍，男友用几行代码发现惊天秘密...](https://mp.weixin.qq.com/s/d9lMLp7iJp3cLsrFo1xU4A)）很有意思，于是拿一张图片试了下。

首先需要安装 exifread 库

```bash
pip3 install exifread
```

然后使用 exifread 从原图中提取出经纬度，之后利用百度地图的 API 获取详细位置

话说该公众号给的代码挺垃圾的，需要修改才能使用

从原图抠出来的经纬度是一个列表需要将其转化为常规的度数表示才能使用

> [extract\_gps\_info.py](https://github.com/taseikyo/arts/tree/4148a52f9d0cb8fcc97459433cd019701bf206c9/code/extract_gps_info.py)

```python
def process_num(x):
    """
    将 [26, 5, 10243/2000] 转化为 26°5'5.125"
    """
    x_last = eval(str(x[-1]))
    new_x = x[0].num + x[1].num / 60 + x_last / 3600

    return "{:.13f}".format(new_x)


def extract_image(pic_path):
    GPS = {}
    date = ""
    with open(pic_path, "rb") as f:
        tags = exifread.process_file(f)
        date = tags.get("Image DateTime", "0").values
        # 纬度标志
        GPS["GPSLatitudeRef"] = tags.get("GPS GPSLatitudeRef", "0").values
        # 纬度
        GPS["GPSLatitude"] = process_num(tags.get("GPS GPSLatitude", "0").values)
        # 经度标志
        GPS["GPSLongitudeRef"] = tags.get("GPS GPSLongitudeRef", "0").values
        # 经度
        GPS["GPSLongitude"] = process_num(tags.get("GPS GPSLongitude", "0").values)

    return {"GPS_information": GPS, "date_information": date}


def find_address_from_bd(GPS):
    secret_key = "wLyevcXk5QY36hTKmvV5350F"
    if not GPS:
        return "该照片无GPS信息"
    lat, lng = (
        GPS["GPSLatitude"],
        GPS["GPSLongitude"],
    )
    baidu_map_api = (
        f"http://api.map.baidu.com/geocoder/v2/?ak={secret_key}&"
        f"callback=&location={lat},{lng}s&output=json&pois=0"
    )
    r = requests.get(baidu_map_api)
    info = r.json()["result"]

    formatted_address = info["formatted_address"]
    province = info["addressComponent"]["province"]
    city = info["addressComponent"]["city"]
    district = info["addressComponent"]["district"]
    location = info["sematic_description"]
    return formatted_address, province, city, district, location


if __name__ == "__main__":
    data = extract_image("a.jpg")
    info = find_address_from_bd(data)
    print(f"拍摄时间：{data['date_information']}\n照片拍摄地址：{info}")
```

找了张原图，确实拿到了信息：

```
拍摄时间：2021:05:23 18:24:43
照片拍摄地址：('湖北省武汉市洪山区珞喻路933', '湖北省', '武汉市', '洪山区', '华中科技大学内')
```

### share [🔝](#weekly-31)

#### 1. 路在何方

《敢问路在何方》是许镜清谱曲，阎肃作词的一首歌曲，由张暴默首唱，是1986年电视连续剧《西游记》插曲和主题歌。

> 一番番春秋冬夏，
>
> 一场场酸甜苦辣；
>
> 敢问路在何方？
>
> 路在脚下。

世上没有后悔药，人也不可能提前预知后事，能做的不过是根据已有的知识和积累以及别人的建议进行综合判断，然后做出选择。

**选择比努力更重要。**

如果做出选择的时候一不小心出错，选择一条死路，那么即使你再努力，也不过是往死路上更进了一步罢了。

但是，当错误的选择已经做出，我们能做什么？自怨自艾？怨天尤人？

这些都于事无补。

谁说死路旁边没有小岔路呢？

上帝不是说过，如果走不了正门，那就翻窗吧（大雾）

人生不可能一帆风顺，总得让你经历些破事，让你遭受毒打，让你成长。

遭遇这些，我们能做的就是能及时止损就及时止损，然后总结经验重新出发，毕竟路在脚下，前方是风和日丽还是风雨如磐，都得自己走过去才知道。

[readme](https://taseikyo.gitbook.io/arts/readme) | [previous](https://taseikyo.gitbook.io/arts/wu-yue-1/202105w4) | [next](https://github.com/taseikyo/arts/tree/4148a52f9d0cb8fcc97459433cd019701bf206c9/weekly/202106W2.md)


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://taseikyo.gitbook.io/arts/liu-yue-1/202106w1.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.