Flutter 三方库 web_scraper 轻量级网页抓取核心适配进阶：精通跨端选择器表达式无头浏览器代理、极限提取残缺数据接口网格实现鸿蒙万物互联泛信息-适配鸿蒙 HarmonyOS ohos

Flutter 三方库 web_scraper 轻量级网页抓取核心适配进阶：精通跨端选择器表达式无头浏览器代理、极限提取残缺数据接口网格实现鸿蒙万物互联泛信息-适配鸿蒙 HarmonyOS ohos

欢迎加入开源鸿蒙跨平台社区：https://openharmonycrossplatform.ZEEKLOG.net Flutter 三方库 web_scraper 轻量级网页抓取核心适配进阶：精通跨端选择器表达式无头浏览器代理、极限提取残缺数据接口网格实现鸿蒙万物互联泛信息即时采集 前言 在 OpenHarmony 应用开发中，我们并非总能获得完美的后端 API。当我们希望在鸿蒙应用中聚合一些公开的技术资讯、天气指数或是论坛热帖，但对方并未提供标准化 JSON 接口时，通过抓取网页（Web Scraping）获取结构化数据成了唯一的出路。web_scraper 库为 Flutter 开发者提供了一套基于 CSS 选择器的极简网页爬虫方案。本文将实战介绍如何在鸿蒙端利用该库构建一个高效的信息采集底座。 一、原直线性 / 概念介绍 1.1 基础原理/概念介绍 web_scraper 的核心逻辑是基于 HTTP 内容请求与 HTML DOM 树的解析映射。
Flutter for OpenHarmony: Flutter 三方库 fixnum 解决鸿蒙 Web 与原生端 64 位大整数精度失真难题（精准计算护卫）

Flutter for OpenHarmony: Flutter 三方库 fixnum 解决鸿蒙 Web 与原生端 64 位大整数精度失真难题（精准计算护卫）

欢迎加入开源鸿蒙跨平台社区：https://openharmonycrossplatform.ZEEKLOG.net 前言 在进行 OpenHarmony 的跨平台开发时，你可能会遇到一个诡异的 Bug：同样的 64 位长整数（如 Int64），在鸿蒙原生（Native）模式下运行正常，但编译为 Flutter Web 模式在浏览器运行时，数值却发生了精度漂移或溢出。 1. 产生原因：JavaScript 原生的数字类型实质上是 64 位浮点数，它能安全表示的最大整数只有 53 位（ 2 53 − 1 2^{53}-1 253−1）。 2. 后果：大额订单 ID、高精度的金融分位值、或是底层硬件的 64 位地址位，在

Web 服务与 I/O 模型

一、Web 服务介绍 1.1.1 Apache prefork 模型（预派生模式） * 核心机制：主控制进程派生多个独立子进程，使用select模型，最大并发 1024；每个子进程单线程响应用户请求 * 资源特性：占用内存较多，但稳定性极高 * 配置特点：可设置进程数的最大值和最小值 * 适用场景：访问量中等的场景 * 优缺点 * ✅ 优点：极致稳定，故障隔离性好 * ❌ 缺点：每个请求对应一个进程，资源占用高，并发能力弱，不适合高并发场景 1.1.2 Apache worker 模型（多进程 + 多线程混合模式） * 核心机制：主进程启动多个子进程，每个子进程包含固定线程数；线程处理请求，线程不足时新建子进程补充 * 资源特性：相比 prefork 内存占用更少，支持更高并发

AHP-LLM 在 AI 辅助开发中的实践：从算法选择到工程落地

快速体验 在开始今天关于 AHP-LLM 在 AI 辅助开发中的实践：从算法选择到工程落地 的探讨之前，我想先分享一个最近让我觉得很有意思的全栈技术挑战。 我们常说 AI 是未来，但作为开发者，如何将大模型（LLM）真正落地为一个低延迟、可交互的实时系统，而不仅仅是调个 API？ 这里有一个非常硬核的动手实验：基于火山引擎豆包大模型，从零搭建一个实时语音通话应用。它不是简单的问答，而是需要你亲手打通 ASR（语音识别）→ LLM（大脑思考）→ TTS（语音合成）的完整 WebSocket 链路。对于想要掌握 AI 原生应用架构的同学来说，这是个绝佳的练手项目。 从0到1构建生产级别应用，脱离Demo，点击打开 从0打造个人豆包实时通话AI动手实验 AHP-LLM 在 AI 辅助开发中的实践：从算法选择到工程落地 背景与痛点 在 AI 辅助开发过程中，

Featured

13 万人收藏的 Openclaw 登顶GitHub No.1！附上超绝性价比部署指南！(保姆级)

13 万人收藏的 Openclaw 登顶GitHub No.1！附上超绝性价比部署指南！(保姆级)

所以哪怕一周过去了，我每天还是能够刷到各种各样的 openclaw（原clawdbot）搭配各种服务器、各种应用的部署教程。 看了这么多部署方案，我发现 GitHub Codespaces 这个方案是性价比最高的，可以说几乎不用花一分钱就能体验到 clawdbot 的快乐。 只要你有一个 GitHub 账号即可，即使没有也可以很轻松的注册一个。 **GitHub Codespaces **就相当于一个 GitHub 的云端环境，每个账号都会有，而且配置还不低，因为我们之前用轻量云服务或VPS大都选择2核2G内存的，而 **Codespaces **直接送你2核8G内存、32G硬盘的云服务器。 接下来就带大家一步步通过 **GitHub Codespaces **搭建一个完全零成本的 OpenClaw（clawdbot）服务。 其中主模型使用最新的国产 Kimi K2.5，即时聊天应用这次选择 Discord。 创建 GitHub Codespaces 新建项目仓库 我们需要在 GitHub 上新建一个项目仓库。
【2026最新】OpenClaw保姆级教程：打造你的24小时AI全能助理

【2026最新】OpenClaw保姆级教程：打造你的24小时AI全能助理

最近AI圈被一个叫OpenClaw的工具刷爆了，圈内人都喊它**“小龙虾”**。 有人靠它卧床14天搭建8个AI智能体替自己办公，除夕夜自动给611人发个性化拜年文案，还产出6篇公众号内容、做了播放量30万+的短视频；有人用它处理工作邮件，每天直接省出25分钟，效率翻了20倍。 这哪里是简单的AI工具——分明是能24小时替你干活、越用越懂你的全能个人助理！ 关键是它开源免费，最低7.9元就能起步体验。不管你是职场打工人想提升效率，还是创业者想打造“一人公司”，甚至是纯新手不懂技术，看完这篇保姆级教程，都能轻松拿捏“养龙虾”的秘诀，让AI成为你的生产力杠杆！ 官网地址：https://github.com/openclaw/openclaw 官网文档：https://docs.openclaw.ai/zh-CN/gateway 一、先搞懂：OpenClaw到底牛在哪？为什么全网都在养“龙虾”？ 提起AI个人助理，很多人都踩过坑——看似功能多，实际笨手笨脚，连简单的网页操作都做不好。 但OpenClaw能火遍全球，

GitHub 国内加速完全指南（最新）：镜像、代理与优化技巧

常用GitHub镜像站点 GHProxy代理下载（推荐） * 地址：https://mirror.ghproxy.com/ * 特点：支持通过代理加速GitHub文件下载和克隆，无需修改仓库地址。 * 使用示例： * 克隆仓库：在git clone命令中直接使用代理地址：bash复制1git clone https://mirror.ghproxy.com/https://github.com/user/repo.git 下载文件：在原GitHub文件链接前添加https://mirror.ghproxy.com/，例如： 原下载链接：https://github.com/user/repo/releases/download/v1.0/file.zip 代理链接：https://mirror.ghproxy.com/
GitHub Actions下载工件终极指南：5分钟快速上手download-artifact插件

GitHub Actions下载工件终极指南：5分钟快速上手download-artifact插件

GitHub Actions下载工件终极指南：5分钟快速上手download-artifact插件 【免费下载链接】download-artifact 项目地址: https://gitcode.com/gh_mirrors/do/download-artifact GitHub Actions的download-artifact插件是CI/CD流程中管理构建产物的核心工具。本指南将详细介绍如何高效使用这个强大的下载工件功能，帮助您在自动化工作流中轻松获取所需的构建文件。 什么是download-artifact？ download-artifact是GitHub Actions官方提供的下载插件，专门用于从工作流运行中下载之前上传的构建产物。无论是单个应用构建、多平台编译结果，还是测试报告文档，都能通过这个插件快速获取。 快速开始：5分钟上手 环境准备 首先克隆项目仓库到本地： git clone https://gitcode.com/gh_mirrors/do/download-artifact cd download-artifact 基础用法：下载单个

极客日志

程序员进阶一站式社区

Latest

高精度加法，高精度乘法，高精度除法，高精度减法，链表相加

高精度加法，高精度乘法，高精度除法，高精度减法，链表相加

文章目录 * 高精度加法 * 大数相加 * 题解 * 代码 * 高精度乘法 * 大数乘法 * 题解 * 代码 * 高精度除法 * 题解 * 代码 * 高精度减法 * 题解 * 代码 * 链表相加（二） * 题解 * 代码 * 总结 高精度加法 大数相加 题目链接 题解 1. 可以将字符串转换为一个一个的字符相加，注意进位，从后向前加，就是你小学的计算 2. 只要存在进位，就继续加，字符串长度不同，加到长的字符串结束为止 代码 // 解法一:classSolution{ public: string solve(string s, string t){ int a[100000]={ 0},b[100000]
【数据结构】链表详解：数据节点的链接原理

【数据结构】链表详解：数据节点的链接原理

链表（Linked List）是一种基础的数据结构，是程序设计中用来存储数据的典型方法之一。链表特别适合插入和删除操作频繁的场景，是了解数据结构和算法的基础。本文将从零开始，带大家了解链表的底层原理、类型（单链表、双链表、循环链表等）、头指针的作用，以及链表和顺序表的对比分析，助你快速掌握链表的核心概念。 1. 链表的底层原理 链表是一种线性结构，类似于顺序表（即数组），但与顺序表不同的是，链表中的元素存储位置不一定连续。链表由若干个节点（Node）组成，每个节点包含两个部分： * 数据域（Data Field）： 用于存储数据。 * 指针域（Pointer Field）： 用于存储指向下一个节点的地址。 链表的结构使得它在需要频繁增删操作时，能比顺序表更高效。因为链表的元素不必是连续的，这也避免了在内存中进行大规模的搬移。 2. 单链表 单链表（Singly Linked List）是链表中最简单的一种形式，每个节点仅包含一个指向下一个节点的指针。单链表具有以下特点： * 链表的头节点（Head
《数据结构初阶》【顺序表/链表 精选15道OJ练习】

《数据结构初阶》【顺序表/链表 精选15道OJ练习】

《数据结构初阶》【顺序表/链表 精选15道OJ练习】 * 前言： * ---------------顺序表OJ练习--------------- * [26. 删除有序数组中的重复项](https://leetcode.cn/problems/remove-duplicates-from-sorted-array/) * 题目介绍 * 方法一： * [27. 移除元素](https://leetcode.cn/problems/remove-element/) * 题目介绍 * 方法一： * [88. 合并两个有序数组](https://leetcode.cn/problems/merge-sorted-array/) * 题目介绍 * 方法一： * 方法二： * ---------------链表OJ练习--------------- * [面试题 02.02. 返回倒数第 k 个节点](https://leetcode.cn/problems/kth-node-from-end-of-list-lcci/) * 题目介
【优选算法必刷100题】第038题（位运算）：消失的两个数字

【优选算法必刷100题】第038题（位运算）：消失的两个数字

🔥个人主页：Cx330🌸 ❄️个人专栏：《C语言》《LeetCode刷题集》《数据结构-初阶》《C++知识分享》 《优选算法指南-必刷经典100题》《Linux操作系统》:从入门到入魔 🌟心向往之行必能至 🎥Cx330🌸的简介： 目录 前言： 38. 消失的两个数字 算法原理（位运算）： 思路： 位运算解法代码（C++）： 代码一:位图 代码二:异或 博主手记（字体还请见谅哈）： 总结: 前言： 聚焦算法题实战，系统讲解三大核心板块：“精准定位最优解”——优选算法，“简化逻辑表达，系统性探索与剪枝优化”——递归与回溯，“以局部最优换全局高效”——贪心算法，讲解思路与代码实现，帮助大家快速提升代码能力 位运算专题 38. 消失的两个数字 题目链接： 面试题 17.19. 消失的两个数字
Transformer模型全面详解（计算机视觉领域原理、算法、应用场景）

Transformer模型全面详解（计算机视觉领域原理、算法、应用场景）

Transformer模型在计算机视觉（CV）领域的核心价值，在于将图像视为“空间序列数据”，通过自注意力机制打破传统CNN的局部特征依赖，实现对图像全局关联的精准捕捉。以下从“CV场景下的核心痛点”到“Transformer的底层逻辑”，用通俗语言拆解其原理，兼顾理论与工程实践。 原理 一、先搞懂：CV领域为什么需要Transformer？ 传统CNN（如ResNet、EfficientNet）是CV的“基石”，但它的核心缺陷在工业视觉等复杂场景中被放大： 1. 局部特征局限：CNN通过“卷积核”提取局部特征（如边缘、纹理），但要理解“整体与局部的关系”（如“电路板上的焊点与线路的关联”），需要多次卷积叠加，长距离依赖捕捉能力弱； 2. 高分辨率处理低效：面对高分辨率图像（如工业质检的4K相机画面），CNN的“串行计算”（从左到右、从上到下）速度慢，且内存占用大； 3. 小目标/密集目标检测难：传统方法依赖“

手把手教你禁用不安全的SSH密钥交换算法（附CVE-2002-20001修复指南）

从CVE-2002-20001看现代SSH安全加固：不只是禁用几个算法那么简单 最近在给几台生产服务器做安全加固时，又遇到了那个老面孔——CVE-2002-20001。这个漏洞虽然编号显示是2002年的，但直到现在还在各种安全扫描报告中频繁出现。很多运维同事的第一反应是“按照网上的教程，把diffie-hellman相关算法禁掉就行了”，但事情真的这么简单吗？ 我在实际处理这个问题的过程中发现，很多团队只是机械地执行了禁用操作，却没有真正理解背后的原理，更没有考虑到这种操作可能带来的兼容性问题。更糟糕的是，有些团队甚至不知道如何验证修复是否真正生效，只是看到漏洞扫描工具不再报警就以为万事大吉了。 这篇文章我想从一个资深运维工程师的角度，和大家深入聊聊CVE-2002-20001这个漏洞的本质，以及在现代环境下如何系统性地加固SSH服务。我会分享一些我在实际工作中总结的经验，包括如何平衡安全与兼容性，如何验证修复效果，以及如何建立长效的SSH安全监控机制。 1. 深入理解CVE-2002-20001：不只是资源耗尽那么简单 1.1 漏洞的技术本质 CVE-2002-2000
HDFS核心组件深度解析：分布式文件系统的架构基石

HDFS核心组件深度解析：分布式文件系统的架构基石

HDFS核心组件深度解析：分布式文件系统的架构基石 * 引言：HDFS——大数据的存储基石 * 一、HDFS架构全景 * 1.1 主从架构设计 * 1.2 核心组件概览 * 二、NameNode：HDFS的"大脑" * 2.1 核心职责 * 2.2 元数据存储结构 * 2.3 内存与持久化 * 2.4 单点故障问题 * 三、DataNode：HDFS的"数据仓库" * 3.1 核心职责 * 3.2 工作流程 * 3.3 数据存储结构 * 四、Secondary NameNode：NameNode的&
【数据结构】跳表

【数据结构】跳表

目录 1.什么是跳表-skiplist 2.skiplist的效率如何保证？ 3.skiplist的实现 3.1节点和成员设计 3.2查找实现 3.3前置节点查找 3.4插入实现 3.5删除实现 3.6随机层数 3.7完整代码 4.skiplist跟平衡搜索树和哈希表的对比 1.什么是跳表-skiplist skiplist是由William Pugh发明的，最早出现于他在1990年发表的论文《Skip Lists: A Probabilistic Alternative to Balanced Trees》。 skiplist，顾名思义，首先它是一个list。实际上，它是在有序链表的基础上发展起来的。如果是一个有序的链表，查找数据的时间复杂度是O(N)。 William Pugh开始的优化思路： 1. 假如我们每相邻两个节点升高一层，增加一个指针，让指针指向下下个节点，
❿⁄₁₄ ⟦ OSCP ⬖ 研记 ⟧ 密码攻击实践 ➱ 传递Net-NTLMv2哈希

❿⁄₁₄ ⟦ OSCP ⬖ 研记 ⟧ 密码攻击实践 ➱ 传递Net-NTLMv2哈希

郑重声明：本文所涉安全技术仅限用于合法研究与学习目的，严禁任何形式的非法利用。因不当使用所导致的一切法律与经济责任，本人概不负责。任何形式的转载均须明确标注原文出处，且不得用于商业目的。 🔋 点赞 | 能量注入 ❤️ 关注 | 信号锁定 🔔 收藏 | 数据归档 ⭐️ 评论 | 保持连接💬 🌌 立即前往 👉晖度丨安全视界🚀 ▶ 信息收集  ▶ 漏洞检测 ▶ 初始立足点  ▶ 权限提升 ▶ 横向移动 ➢ 密码攻击 ➢ 传递Net-NTLMv2哈希🔥🔥🔥 ▶ 报告/分析 ▶ 教训/修复 目录 1.密码破解 1.1 破解Windows哈希实践 1.1.4 传递Net-NTLMv2哈希概述 1.1.4.1 攻击背景 1.1.4.2 攻击流程 1.1.
深度解析算法之模拟

深度解析算法之模拟

39.替换所有的问号 题目链接 给你一个仅包含小写英文字母和 '?' 字符的字符串 s，请你将所有的 '?' 转换为若干小写字母，使最终的字符串不包含任何 连续重复 的字符。 注意：你 不能 修改非 '?' 字符。 题目测试用例保证 除 '?' 字符 之外，不存在连续重复的字符。 在完成所有转换（可能无需转换）后返回最终的字符串。如果有多个解决方案，请返回其中任何一个。可以证明，在给定的约束条件下，答案总是存在的。 示例 1： 输入： s = “?zs” 输出：“azs” 解释： 该示例共有 25 种解决方案，从 “azs”
详解数据结构之跳表

详解数据结构之跳表

目录 跳表的定义 跳表的演化过程 跳表的优化思路 跳表如何保证效率 跳表的时间复杂度 跳表的空间复杂度 跳表的查找 跳表的插入 跳表的删除 跳表的模拟实现 跳表与平衡搜索树及哈希表的对比 跳表的定义 跳表是由William Pugh(音译为威廉·普)发明的，最早出现于他在1990年发表的论文《Skip Lists: A Probabilistic Alternative to Balanced Trees》，跳表全称为跳跃列表，它允许快速查询，插入和删除一个有序连续元素的数据链表。 跳表的演化过程 对于单链表来说，即使数据是已经排好序的，想要查询其中的一个数据，只能从头开始遍历链表，这样效率很低，时间复杂度很高，是 O(n)，如下图所示。 那我们有没有什么办法来提高查询的效率呢？我们可以为链表建立一个“索引”，这样查找起来就会更快，如下图所示，我们在原始链表的基础上，每两个结点提取一个结点建立索引，我们把抽取出来的结点叫作索引层或者索引，down
See all
券 阿里云全品类 8 折券限时领，建站 / AI / 存储通用 立即领取