之前项目中需要在Windows XP上进行测试，使用VMware安装了Windows XP 虚拟机。很久没用之后再打开，出现了上面的画面。

以下是解决方法：

Step 1: 关闭Windows XP虚拟机

Step 2: 编辑Windows XP.vmx文件，增加行

1

bios.bootDelay = "8000"

Step 3: 启动Windows XP, 按F8进入安全模式，手速要快

Step 4: 进入安全模式后，cmd中执行命令：

1

$ rundll32.exe syssetup,SetupOobeBnk

此命令的目的是重置Windows操作系统的激活宽限期

Step 5: 再次重启Windows XP, 不再出现激活提示。

解决方案：

1
2
3

$ mv /usr/bin/systemctl /usr/bin/systemctl.old
$ curl https://raw.githubusercontent.com/gdraheim/docker-systemctl-replacement/master/files/docker/systemctl.py > /usr/bin/systemctl
$ chmod +x /usr/bin/systemctl

你也可以在这里获取systemctl.py

• clone pg_partman repo

  1	$ git clone git@github.com:pgpartman/pg_partman.git

• create a new file in pg_partman directory

  1 2	$ cd pg_partman $ touch make.sh

  edit content as below in make.sh

  1 2 3 4 5 6 7 8 9

  #!/bin/bash EXTENSION=pg_partman VERSION=$(grep default_version $EXTENSION.control | \ sed -e "s/default_version[[:space:]]*=[[:space:]]*'\([^']*\)'/\1/") cat sql/types/*.sql > "${EXTENSION}--${VERSION}.sql" cat sql/tables/*.sql >> "${EXTENSION}--${VERSION}.sql" cat sql/functions/*.sql >> "${EXTENSION}--${VERSION}.sql" cat sql/procedures/*.sql >> "${EXTENSION}--${VERSION}.sql"

• after exec make.sh, you will see two new files: pg_partman.control & pg_partman–5.1.0.sql

  1	$ ./make.sh

• copy pg_partman.control & pg_partman–5.1.0.sql to C:\Program Files\PostgreSQL\15\share\extension

• install pg_partman using sql:

  1 2 3 4 5 6 7 8 9 10 11 12 13 14

  C:\Program Files\PostgreSQL\15\bin>psql.exe -U postgres 用户 postgres 的口令： psql (15.7) 输入 "help" 来获取帮助信息. postgres=# CREATE SCHEMA IF NOT EXISTS partman; CREATE SCHEMA postgres=# create extension IF NOT EXISTS pg_partman SCHEMA partman; CREATE EXTENSION postgres=# select * from pg_available_extensions where name='pg_partman'; name | default_version | installed_version | comment ------------+-----------------+-------------------+------------------------------------------------------ pg_partman | 5.1.0 | 5.1.0 | Extension to manage partitioned tables by time or ID (1 行记录)

示例

示例一：每年1个分区

创建t1表：

1
2
3
4
5
6

CREATE TABLE public.t1 (
  id serial,
  data text,
  dt timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP
) PARTITION BY RANGE(dt);
CREATE INDEX ON public.t1 (dt);

创建t1_template表, 使用id 为主键：

1
2

CREATE TABLE public.t1_template ( LIKE public.t1);
ALTER TABLE public.t1_template ADD PRIMARY KEY (id);

使用pg_partman创建分区：

1
2
3
4
5
6
7

SELECT partman.create_parent(
    p_parent_table := 'public.t1'
    , p_control := 'dt'
    , p_interval := '1 year'
    , p_template_table := 'public.t1_template'
    , p_start_partition := to_char(date_trunc('year',CURRENT_TIMESTAMP), 'YYYY-MM-DD HH24:MI:SS'));
);

查看t1的详细信息：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

postgres=# \d+ public.t1
                                                      分区表 "public.t1"
 栏位 |            类型             | 校对规则 |  可空的  |              预设              |   存储   | 压缩 | 统计目标 | 描述
------+-----------------------------+----------+----------+--------------------------------+----------+------+----------+------
 id   | integer                     |          | not null | nextval('t1_id_seq'::regclass) | plain    |      |          |
 data | text                        |          |          |                                | extended |      |          |
 dt   | timestamp without time zone |          | not null | CURRENT_TIMESTAMP              | plain    |      |          |
分区键值: RANGE (dt)
索引：
    "t1_dt_idx" btree (dt)
分区: t1_p20240101 FOR VALUES FROM ('2024-01-01 00:00:00') TO ('2025-01-01 00:00:00'),
      t1_p20250101 FOR VALUES FROM ('2025-01-01 00:00:00') TO ('2026-01-01 00:00:00'),
      t1_p20260101 FOR VALUES FROM ('2026-01-01 00:00:00') TO ('2027-01-01 00:00:00'),
      t1_p20270101 FOR VALUES FROM ('2027-01-01 00:00:00') TO ('2028-01-01 00:00:00'),
      t1_p20280101 FOR VALUES FROM ('2028-01-01 00:00:00') TO ('2029-01-01 00:00:00'),
      t1_default DEFAULT

分区表信息：

1
2
3
4
5
6
7
8
9
10
11
12
13

postgres=# \d+ public.t1_p20240101
                                                 数据表 "public.t1_p20240101"
 栏位 |            类型             | 校对规则 |  可空的  |              预设              |   存储   | 压缩 | 统计目标 | 描述
------+-----------------------------+----------+----------+--------------------------------+----------+------+----------+------
 id   | integer                     |          | not null | nextval('t1_id_seq'::regclass) | plain    |      |          |
 data | text                        |          |          |                                | extended |      |          |
 dt   | timestamp without time zone |          | not null | CURRENT_TIMESTAMP              | plain    |      |          |
分区: t1 FOR VALUES FROM ('2024-01-01 00:00:00') TO ('2025-01-01 00:00:00')
分区约束: ((dt IS NOT NULL) AND (dt >= '2024-01-01 00:00:00'::timestamp without time zone) AND (dt < '2025-01-01 00:00:00'::timestamp without time zone))
索引：
    "t1_p20240101_pkey" PRIMARY KEY, btree (id)
    "t1_p20240101_dt_idx" btree (dt)
访问方法 heap

示例二：每 10 个 ID 值 1 个分区

创建t2表：

1
2
3
4
5

CREATE TABLE public.t2 (
id serial PRIMARY KEY,
  data text,
  dt timestamp DEFAULT CURRENT_TIMESTAMP
) PARTITION BY RANGE(id);

使用pg_partman创建分区：

1
2
3
4
5

SELECT partman.create_parent(
    p_parent_table := 'public.t2'
    , p_control := 'id'
    , p_interval := '10'
);

t2的详细信息：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

postgres=# \d+ public.t2
                                                      分区表 "public.t2"
 栏位 |            类型             | 校对规则 |  可空的  |              预设              |   存储   | 压缩 | 统计目标 | 描述
------+-----------------------------+----------+----------+--------------------------------+----------+------+----------+------
 id   | integer                     |          | not null | nextval('t2_id_seq'::regclass) | plain    |      |          |
 data | text                        |          |          |                                | extended |      |          |
 dt   | timestamp without time zone |          |          | CURRENT_TIMESTAMP              | plain    |      |          |
分区键值: RANGE (id)
索引：
    "t2_pkey" PRIMARY KEY, btree (id)
分区: t2_p0 FOR VALUES FROM (0) TO (10),
      t2_p10 FOR VALUES FROM (10) TO (20),
      t2_p20 FOR VALUES FROM (20) TO (30),
      t2_p30 FOR VALUES FROM (30) TO (40),
      t2_p40 FOR VALUES FROM (40) TO (50),
      t2_default DEFAULT

分区表信息：

1
2
3
4
5
6
7
8
9
10
11
12

postgres=# \d+ t2_p10
                                                    数据表 "public.t2_p10"
 栏位 |            类型             | 校对规则 |  可空的  |              预设              |   存储   | 压缩 | 统计目标 | 描述
------+-----------------------------+----------+----------+--------------------------------+----------+------+----------+------
 id   | integer                     |          | not null | nextval('t2_id_seq'::regclass) | plain    |      |          |
 data | text                        |          |          |                                | extended |      |          |
 dt   | timestamp without time zone |          |          | CURRENT_TIMESTAMP              | plain    |      |          |
分区: t2 FOR VALUES FROM (10) TO (20)
分区约束: ((id IS NOT NULL) AND (id >= 10) AND (id < 20))
索引：
    "t2_p10_pkey" PRIMARY KEY, btree (id)
访问方法 heap

后台自动创建分区

可手动调用run_maintenance_proc自动创建：

1

CALL partman.run_maintenance_proc();

可配合pg_cron或pg_partman_bgw定时进行分区的创建和删除。

Reference

• https://github.com/pgpartman/pg_partman/blob/master/doc/pg_partman_howto.md
• https://github.com/pgpartman/pg_partman/blob/master/doc/pg_partman.md

Row是一个基础的布局元素，它会将其子元素简单地排列在一行中。你可以使用spacing属性来控制子元素之间的间距，使用anchors来定位Row本身。然而，Row不会调整其子元素的大小，所有子元素都保持其原始大小。

1
2
3
4
5
6

Row {
    spacing: 2
    Rectangle { width: 50; height: 50; color: "red" }
    Rectangle { width: 50; height: 50; color: "green" }
    Rectangle { width: 50; height: 50; color: "blue" }
}

另一方面，RowLayout是一个更高级的布局元素，它是Qt Quick Layouts模块的一部分。RowLayout不仅可以将其子元素排列在一行中，还可以调整其子元素的大小以填充可用空间。你可以使用Layout.fillWidth和Layout.preferredWidth等属性来控制如何调整子元素的大小。

1
2
3
4
5
6

RowLayout {
    anchors.fill: parent
    Rectangle { Layout.fillWidth: true; height: 50; color: "red" }
    Rectangle { Layout.preferredWidth: 50; height: 50; color: "green" }
    Rectangle { Layout.fillWidth: true; height: 50; color: "blue" }
}

在这个例子中，红色和蓝色的矩形将填充剩余的空间，而绿色的矩形将保持50像素的宽度。

总的来说，如果你只需要简单地将一些元素排列在一行中，并且不需要调整它们的大小，那么Row可能就足够了。如果你需要更复杂的布局，例如需要调整子元素的大小以填充可用空间，那么RowLayout可能会更合适。

1. Clone RetinaNet repository

   1	$ git clone git@github.com:fizyr/keras-retinanet.git

2. 使用虚拟环境

   1 2	$ python -m venv .venv $ .venv\Scripts\activate.bat

3. 安装包

   1 2 3 4

   $ pip install numpy $ pip install tensorflow $ pip install matplotlib $ pip install .

   如果安装过程中出现错误，可能是墙的原因。可使用代理，例如：

   1	$ pip install --proxy=http://127.0.0.1:7890 .

4. 编译Cython代码

   1	$ python setup.py build_ext --inplace

运行例子

1. 下载RetinaNet模型 https://github.com/fizyr/keras-retinanet/releases ，选择 resnet50_coco_best_v2.1.0.h5

2. 将下载好的文件放到snapshots文件夹下

3. 运行examples目录下的例子

   1 2	$ cd examples $ python resnet50_retinanet.py

4. 如果正常运行，你将看到一个包含检测结果的窗口

   

训练自定义数据

• 步骤 1 ：准备数据
• 步骤 2： 标注
• 步骤 3 ：定义 classes
• 步骤 4 ：训练你自己的模型

准备数据

目录结构长这样：

1
2
3
4
5
6
7
8
9
10
11
12
13

└── dataset
    ├── Annotations
    │   ├── 1.xml
    │   ├── 2.xml
    │   └── ....
    ├── ImageSets
    │   └── Main
    │      ├── train.txt
    │       └── val.txt
    └── JPEGImages
        ├── 1.jpg
        ├── 2.jpg
        └── ...

将图片放在JPEGImages目录下

标注

使用LabelImg进行标注，保存格式选择 PASCAL VOC。

将生成的xml放在dataset\Annotations下。

定义Classes

修改 keras_retinanet/preprocessing/pascal_voc.py 文件中的voc_classes定义，例如

1
2
3
4
5
6

voc_classes = {
    'a': 0,
    'b': 1,
    'c': 2,
    'd': 3
}

训练

使用下面的脚本生成train.txt 和 val.txt。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29

from os import listdir
from os.path import isfile, join

dataset_directory = "./dataset/Annotations"

files = [join(dataset_directory,file) for file in listdir(dataset_directory) if isfile(join(dataset_directory,file))]

i = 0
with open("val.txt", "w") as test:
    for file in files:
        i += 1
        if (i % 5) == 0:
            name = file.split("\\")[-1]
            name = name.split(".")[0]
            test.write(name + "\n")
            print("test:    " + name)
            
i = 0
with open("train.txt", "w") as train:
    for file in files:
        i += 1
        if (i % 5) != 0:       
            name = file.split("\\")[-1]
            name = name.split(".")[0]
            train.write(name + "\n")   
            print("train:    " + name)

test.close()
train.close()

生成后，train.txt中包含80%的图像，val.txt中包含20%的图像。

然后就可以开始训练了

1
2
3
4
5
6
7

$ python keras_retinanet/bin/train.py
--imagenet-weights
--epoch <put your total epoch>
--steps <put your total steps>
--snapshot-path <path to store snapshots of models>
--tensorboard-dir <log directory for Tensorboard output>
pascal <path to dataset directory>

训练完成后在snapshots目录下会生成一个新的h5后缀的文件。

将它转换成inference model：

1

$ python keras_retinanet/bin/convert_model.py </path/to/training/model.h5> </path/to/save/inference/model.h5>

也可以不进行转换，在代码中进行转换。

1
2

model = models.load_model(model_path, backbone_name='resnet50')
model = models.convert_model(model)

然后再修改examples\resnet50_retinanet.py中的labels_to_names和model_path，再进行验证。

Reference

• https://medium.com/@van.evanfebrianto/how-to-train-custom-object-detection-models-using-retinanet-aeed72f5d701

人工标注

本文试验过程中使用了LabelImg进行人工标注。你可以在 https://github.com/tzutalin/labelImg 中找到编译好的可执行程序。

1. 准备至少200张样本图片

2. ImageAI使用YOLO的标注格式，因此在用LabelImg进行标注时，记得选择YOLO格式

   

3. 像下面这样创建目录结构

   1 2 3 4 5 6 7 8 9 10 11 12 13 14

   |--train\ | |--images\ | | |--1.png | | |--2.png | |--annotations\ | | |--1.txt | | |--2.txt |--validation\ | |--images\ | | |--1.png | | |--2.png | |--annotations\ | | |--1.txt | | |--2.txt

   将70-80%的图片放到train\images下，剩余的放到validation\images\下。

   将train\images的标注结果保存到train\annotations下，将validation\images的标注结果保存到validation\annotations下。

训练

1. 下载预训练模型yolov3.pt

2. 安装ImageAI, 本文试验是在Windows 10下使用venv进行安装的。

   1 2 3 4 5 6

   python -m venv .venv .venv\Scripts\activate.bat pip install -r requirements.txt pip install -r requirements_gpu.txt pip install -r requirements_extra.txt pip install imageai --upgrade

   requirements.txt、requirements_gpu.txt、requirements_extra.txt可以在ImageAI中找到。

3. 训练

   1 2 3 4 5 6 7 8 9

   from imageai.Detection.Custom import DetectionModelTrainer trainer = DetectionModelTrainer() trainer.setModelTypeAsYOLOv3() trainer.setDataDirectory(data_directory="answer-sheet") trainer.setTrainConfig(object_names_array=["t0", "t1", "t2", "t10"], batch_size=4, num_experiments=200, train_from_pretrained_model="yolov3.pt") # In the above,when training for detecting multiple objects, #set object_names_array=["object1", "object2", "object3",..."objectz"] trainer.trainModel()

   • setDataDirectory设置数据目录，即包含train和validation的父目录
   • object_names_array: 对象数组。
   • batch_size: 该参数用于指定批次数量。由于内存限制，需要分批训练，直到所有批次训练集都完成为止。
   • num_experiments: 该参数用于指定将对图像训练的次数，也称为epochs。

   执行训练脚本后，如果看到类似下面的输出，表示正在正常训练中

   1 2 3 4 5 6 7 8

   Epoch 96/200 ---------- Train: 40it [06:45, 10.13s/it] box loss-> 0.08312, object loss-> 0.03558, class loss-> 0.00509 Validation: 20it [00:40, 2.04s/it] recall: 0.691667 precision: 0.403712 mAP@0.5: 0.465307, mAP@0.5-0.95: 0.162056

4. 训练完成后会生成类似下面的结果

   

检测

1. 运行下面的脚本

   1 2 3 4 5 6 7 8 9 10

   from imageai.Detection.Custom import CustomObjectDetection detector = CustomObjectDetection() detector.setModelTypeAsYOLOv3() detector.setModelPath("answer-sheet/models/yolov3_answer-sheet_mAP-0.65715_epoch-191.pt") detector.setJsonPath("answer-sheet/json/answer-sheet_yolov3_detection_config.json") detector.loadModel() detections = detector.detectObjectsFromImage(input_image="1.png", output_image_path="1-detected.png") for detection in detections: print(detection["name"], " : ", detection["percentage_probability"], " : ", detection["box_points"])

   可以在1-detected.png中看到对1.png图片中的对象检测结果。

2. 也可以将各个检测到的对象单独裁剪出来

   1 2 3 4 5 6 7 8 9 10 11 12 13

   from imageai.Detection.Custom import CustomObjectDetection detector = CustomObjectDetection() detector.setModelTypeAsYOLOv3() detector.setModelPath("answer-sheet/models/yolov3_answer-sheet_mAP-0.65715_epoch-191.pt") detector.setJsonPath("answer-sheet/json/answer-sheet_yolov3_detection_config.json") detector.loadModel() detections, extracted_objects_array = detector.detectObjectsFromImage(input_image="1.png", output_image_path="1-detected.png", extract_detected_objects=True) for detection, object_path in zip(detections, extracted_objects_array): print(object_path) print(detection["name"], " : ", detection["percentage_probability"], " : ", detection["box_points"]) print("---------------")

   裁剪出来的子图片保存在1-detected-extracted子目录中。

Reference

• https://github.com/OlafenwaMoses/ImageAI/blob/master/imageai/Detection/Custom/CUSTOMDETECTIONTRAINING.md
• https://github.com/OlafenwaMoses/ImageAI/blob/master/imageai/Detection/Custom/CUSTOMDETECTION.md

In order to use Qt for Android, you need the following:

JDK

Java Development Kit (JDK) provided by AdoptOpenJDK for all platforms, is required to build Android apps. Other alternatives such as OpenJDK for Linux or Java SE Development Kit for Windows are also supported.

Note: As of Qt 5.15.8, JDK 11 or later is supported for Qt for Android.

Verify your installation

1
2
3
4

$ java -version
openjdk version "11.0.19" 2023-04-18
OpenJDK Runtime Environment Temurin-11.0.19+7 (build 11.0.19+7)
OpenJDK 64-Bit Server VM Temurin-11.0.19+7 (build 11.0.19+7, mixed mode)

Gradle

Gradle for building application packages (APK) and app bundles (AAB) for Android devices. Gradle is delivered with Qt 5.9, and later.

Note: Using Ant to build APKs is no longer supported.

*Step 1. *Download the latest Gradle distribution

*Step 2. *Unpack the distribution

Create a new directory C:\Gradle with File Explorer.

Open a second File Explorer window and go to the directory where the Gradle distribution was downloaded. Double-click the ZIP archive to expose the content. Drag the content folder gradle-8.1.1 to your newly created C:\Gradle folder.

Alternatively you can unpack the Gradle distribution ZIP into C:\Gradle using an archiver tool of your choice.

*Step 3. *Configure your system environment

In File Explorer right-click on the This PC (or Computer) icon, then click Properties -> Advanced System Settings -> Environmental Variables.

Under System Variables select Path, then click Edit. Add an entry for C:\Gradle\gradle-8.1.1\bin. Click OK to save.

*Step 4. *Verify your installation

Open a console (or a Windows command prompt) and run gradle -v to run gradle and display the version, e.g.:

1
2
3
4

$ gradle -v
------------------------------------------------------------
Gradle 8.1.1
------------------------------------------------------------

Android SDK

The Android Command-line SDK Tools to install the following packages that are required to compile Qt applications for Android:

• Platform tools
• Build tools
• At least one SDK platform
• The Android NDK, which contains toolchains and debuggers for Android.

Note: Qt Creator 4.12 or later can set up the SDK Tools, NDK, and essential packages automatically. For more information, see Qt Creator: Specifying Android Device Settings.

Note: If you are using the SDK Tools 26.x or below, the JDK 8 is required. Versions higher than 8 might cause issues for the Android SDK tools.

Note: If your Qt version is earlier than v5.9, use the SDK tools package v25.2.5 or earlier.

Installing the Android SDK Essentials

After downloading and unpacking the Commandline SDK Tools, use the sdkmanager command line tool to install the essential packages:

1
2

$ sdkmanager.bat --sdk_root="D:\Programs\android-sdk" --install "cmdline-tools;latest"
$ sdkmanager.bat --sdk_root="D:\Programs\android-sdk" --install "platform-tools" "platforms;android-29" "build-tools;29.0.2" "ndk;21.3.6528147"

Android Studio or the Qt Creator’s SDK Manager UI can also be used to install the essential SDK packages.

NDK

The Android NDK can be installed using the sdkmanager tool. Alternatively, you can download it and extract it manually to a path of your choosing.

Different Qt versions depend on different NDK versions, as listed below:

Host Specific Configuration

Windows

The default USB driver on Windows does not allow debugging using Android Debug Bridge (ADB) tool. You must install the additional USB driver provided by the extras Android SDK package. To install it, run the following:

1

$ sdkmanager.bat --sdk_root="D:\Programs\android-sdk" --install "extras;google;usb_driver"

After the package installation is complete, install the driver from <ANDROID_SDK_ROOT>/extras/google/usb_driver. Try running a few basic adb commands now and check whether your Android device responds to them.

Qt Creator

Reference

• https://doc.qt.io/qt-5/android-getting-started.html
• https://gradle.org/install/

nodepay

订阅海外服务充值，玩了一通下来，感觉nodepay操作上最傻瓜，更适合普通用户。以下是详细步骤：

1. 登录nodepay官网

2. 注册nodepay账号，邀请码可以google一个，我使用的是 CDFBE23

3. 注册过程中，需要进行人脸识别，进行实名认证

4. 注册成功后，登录nodepay

5. 在线充值，我是在普通账户中进行充值的。有个限制，最低充500RMB

6. 开通虚拟信用卡。在左侧导航选择“我的卡片”->“快速开卡”：

   

7. 给虚拟信用卡充值。在左侧导航选择“我的卡片”->“卡片列表”。对需要充值的卡片选择”管理”->“卡片充值”。

Midjourney

Midjourney需要订阅才能使用，我目前选择的是按月订阅，每月10刀。

1. 注册一个Discord账号

2. 进入Discord选择添加服务器

   

3. 点击加入服务器

   

4. 在邀请链接那里填入：https://discord.gg/midjourney 之后点击加入服务器

   

5. 进入midjourney频道社区后，找到newbies

   

6. 在对话框那里输入/imagine 比如“The frog and the elephant play mahjong together” 回车

   

7. 在那里就能生成你的图片了，U1-U2-U3-U4分别对应1-2-3-4的大图片，你想要第2张的大图，就点击U2，V1-V2-V3-V4分别对应1-2-3-4的拓展图，你想拓展一下第4张图，那你就点击V4，又会自动帮你生成4张V4风格拓展图。

   

8. 需要注意的是因为用的人比较多，你的消息可能会淹没在消息列表中，你可在http://midjourney.com官网上用discord号登录，然后在你的主页上就能看到你在discord里对AI下命令生成的图片了!

​

Steps

1. 获取你的OpenAI API Key：https://platform.openai.com/account/api-keys

2. 在开源项目中 https://github.com/Yidadaa/ChatGPT-Next-Web 的README中点击Deploy

3. 进入vercel页面后，使用Github账户登录，期间需要验证手机号，使用大陆手机号即可

4. 在Configure Project中，输入步骤1中的API Key，在CODE框中输入密码。多个密码用;分隔

   

5. 点击Deploy

6. 等待部署完成即可

绑定自己的域名

1. 在https://vercel.com/dashboard中找到chat-gpt-next-web项目，进入项目设置

2. 在Domains中添加自己的域名

   

3. 配置CNAME，在域名提供商处进行配置。下图是我的阿里云DNS解析设置

   

4. 现在可以使用自定义域名访问自己的ChatGPT网页服务啦。

换了另外一种方案，将WordPress网站转成全静态资源，再将这些资源上传到OSS。最终测试结果：毫秒级打开网站。

这相当于将静态网站托管到阿里云OSS的存储空间，并用OSS的域名访问这个网站。

全静态

1. 安装 Simply Static 插件
2. Simply Static -> Settings，Delivery Method选择ZIP Archive，保存设置
3. Simply Static -> Generate->GENERATE STATIC FILES，完成后下载打包好的压缩文件

OSS

1. 开通OSS(我使用的是阿里云OSS)

2. 将静态资源解压后，上传到OSS的bucket

3. OSS控制台 -> Bucket列表 -> 你创建的Bucket -> 数据管理 -> 静态页面 ->设置，如下图

   

4. OSS控制台 -> Bucket列表 -> 你创建的Bucket -> Bucket配置 -> 域名管理 -> 绑定域名，如下图

   

域名解析

1. 在域名解析中配置CNAME，如下图

   

SSL

1. 可以在阿里云中申请免费证书

​

2. 然后在OSS控制台中进行设置

   

Steps

1. 安装 Nginx Proxy Manager

   若未安装Docker Compose，先安装Docker Compose，参考官网文档

-
新建一个docker-compose.yml文件

1
2
3
4
5
6
7
8
9
10
11
12
13

version: "3"
services:
  app:
    image: 'jc21/nginx-proxy-manager:latest'
    restart: unless-stopped
    ports:
      # These ports are in format <host-port>:<container-port>
      - '80:80' # Public HTTP Port
      - '443:443' # Public HTTPS Port
      - '81:81' # Admin Web Port
    volumes:
      - ./data:/data
      - ./letsencrypt:/etc/letsencrypt

启动服务：

1

$ docker-compose up -d

2. 打开Nginx Proxy Manager后台管理页面。http://x.x.x.x:81。初始用户名是admin@example.com，密码是changeme。

   登录后，按要求修改初始密码。

3. 配置域名解析。

   

4. 配置云服务器的安全组规则。

   

   如果服务器配置了防火墙，需要再进行防火墙配置。

5. 配置反向代理。

   在Nginx Proxy Manager管理页面Hosts->Proxy Host->Add Proxy Host

   

   建议勾选上“Block Common Exploits”，阻止常见漏洞。

   配置二级域名也一样，如下图：

   

6. 添加SSL证书。

   在Nginx Proxy Manager管理页面SSL Certificates->Add SSL Certificate->Let’s Encrypt

   

   Credentials File Content中的access_key和access-key_secret需要替换成您自己的。

   可在阿里云管理端获取（阿里云控制台点最右侧的头像->Access Key管理）。

7. 配置HTTPS。

   在反向代理的配置页面的SSL选项卡中进行选择即可。

   

8. Done!

Steps

1. 停止当前容器。作为示例，wp是我要修改端口映射的容器名称。

   1	$ docker container stop wp

2. 停止Docker服务

   1	$ systemctl stop docker

3. 找到容器的HASH ID

   1 2 3 4 5 6 7 8 9 10

   $ docker inspect wp [root@l2m2 ~]# docker inspect wp [ { "Id": "547ecaa980a4be72120176fddc580c4fd3526a3c08831e016f996c01be36d846", "Created": "2022-12-06T06:49:30.380291936Z", "Path": "docker-entrypoint.sh", "Args": [ "apache2-foreground" ],

   HASH ID为547ecaa980a4be72120176fddc580c4fd3526a3c08831e016f996c01be36d846

4. 修改文件 /var/lib/docker/containers/[hash_of_the_container]/hostconfig.json

   找到PortBindings，修改映射端口。

5. 重启Docker服务

   1	$ systemctl restart docker

6. 启动容器

   1	$ docker start wp

系统兼容性

1

As specified in PEP 11, a Python release only supports a Windows platform while Microsoft considers the platform under extended support. This means that Python 3.11 supports Windows 8.1 and newer. If you require Windows 7 support, please install Python 3.8.

上面的文字引用自Using Python on Windows。

从Python for Windows Downloads页面也可以看出各个Windows系统可以安装的Python版本。

Windows 10 +

到目前为止，Windows 10/Windows 11仍然是微软在维护的版本，因此最新的Python版本都是支持的。根据需要选择即可。

Windows 7

要支持Windows 7, 必须安装Python 3.8或之前的版本。

1

According to the release calendar specified in PEP 569, Python 3.8 is now in security fixes only stage of its life cycle: 3.8 branch only accepts security fixes and releases of those are made irregularly in source-only form until October 2024. Python 3.8 isn't receiving regular bugfixes anymore, and binary installers are no longer provided for it. Python 3.8.10 was the last full bugfix release of Python 3.8 with binary installers.

目前官方提供的二进制安装包最新只到3.8.10。可在官网或者我的网盘中获取。

Windows XP

要支持Windows XP, 必须要安装 Python 3.4或之前的版本。

目前官方提供的二进制安装包只到3.4.4。可在官网或者我的网盘中获取。

命令行安装

1
2

$ python-3.4.3.msi /quiet /norestart
$ python-3.8.10-amd64.exe /quiet /norestart

Python 3.4默认安装的位置是%SystemDrive%\Python34。

Python3.8默认安装的位置是%LocalAppData%\Programs\Python\Python38。

NSIS脚本安装

1

Exec '"$INSTDIR\python-3.8.10-amd64.exe" /quiet /norestart'

virtualenv

venv

python3.6及更高版本中内置了venv，功能与virtualenv类似。无需额外安装。

1

$ python3 -m venv .venv

virtualenv

在有网环境中，使用pip安装

1
2

$ python -m pip install --user virtualenv
$ python -m virtualenv --help

创建

1

$ virtualenv .venv

删除

1

$ rm -rf .venv

启用

1

$ .venv\Scripts\activate.bat

禁用

1

$ .venv\Scripts\deactivate.bat

在无网环境中，使用zipapps。你可以在官网或者我的网盘获取virtualenv.pyz。

创建

1

$ python virtualenv.pyz .venv

无网环境中安装包

使用pip

1. 在相同环境(Windows, Python)的有网机器上执行download

   1	$ pip download -r requirements.txt -d wheelfiles --trusted-host mirrors.aliyun.com

   如果使用了阿里云的镜像，要加上–trusted-host mirrors.aliyun.com。

   如果是较老的pip版本，需要用pip install –download替代pip download。

2. 在无网机器上执行

   1	$ pip install -r requirements.txt --no-index --find-links path/to/wheels

使用virtualenv

1. 确保有网机器和无网机器的Python版本、操作系统、architecture一致。
2. 拷贝整个虚拟环境目录到目标机

1. 挂代理

2. 注册、登录(或用Google账户登录)

3. 搞一个虚拟国外手机号进行验证 http://sms-activate.org/cn，支付宝充值0.5刀，选择印度手机号收验证码激活

   

4. 访问 http://chat.openai.com开始玩

ChatGPT Plus

订阅ChatGPT Plus可用nodepay创建虚拟信用卡进行支付。

1. 登录nodepay官网

2. 注册nodepay账号，邀请码可以google一个，我使用的是 CDFBE23

3. 注册过程中，需要进行人脸识别，进行实名认证

4. 注册成功后，登录nodepay

5. 在线充值，我是在普通账户中进行充值的。有个限制，最低充500RMB

6. 开通虚拟信用卡。在左侧导航选择“我的卡片”->“快速开卡”：

   

7. 给虚拟信用卡充值。在左侧导航选择“我的卡片”->“卡片列表”。对需要充值的卡片选择”管理”->“卡片充值”。

我们使用npm来管理它们，可以使用npm的诸多功能，例如版本依赖、用户管理等。我们使用verdaccio搭建自己的npm镜像，可以方便在网页上查看目前公司已有的包。

搭建公司私有npm镜像

1
2

$ docker pull verdaccio/verdaccio
$ docker run -it --rm --name verdaccio -d -p 4873:4873 verdaccio/verdaccio

添加用户

1

$ npm adduser --registry http://x.x.x.x:4873

package.json

package.json中写入要打包的头文件和库文件。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

{
  "name": "@gw/liclib",
  "version": "1.0.0",
  "author": "leon.li",
  "files": [
    "include/gw/liclib/*",
    "dist/debug/gw-liclibd.dll",
    "dist/debug/gw-liclibd.lib",
    "dist/debug/gw-liclibd.pdb",
    "dist/debug/gw-hardware-key-getter.exe",
    "dist/release/gw-liclib.dll",
    "dist/release/gw-liclib.lib",
    "dist/release/gw-liclib.pdb",
    "dist/release/gw-hardware-key-getter.exe"
  ]
}

发布包

1

npm publish --registry http://x.x.x.x:4873/

若某个库需要在多个平台发布，可以使用多个package.json，目录结构：

1
2
3
4
5
6
7
8
9
10
11

|--@gw\
|  |--liclib\
|  |  |--dist\
|  |  |--include\
|  |  |--package.json
|  |  |--publish.bat
|  |--liclib-linux\
|  |  |--dist\
|  |  |--include\
|  |  |--package.json
|  |  |--publish.sh

在publish.bat/publish.sh脚本中，将需要的文件拷贝到当前目录，再使用npm publish发布

1
2
3
4
5
6
7
8
9
10

@echo off
set include_tmp_dir=%~dp0include\
set dist_tmp_dir=%~dp0dist\
set root_dir=%~dp0..\..\
if exist "%include_tmp_dir%" rmdir /S /Q "%include_tmp_dir%"
if exist "%dist_tmp_dir%" rmdir /S /Q "%dist_tmp_dir%"
xcopy "%root_dir%include\" "%include_tmp_dir%" /E /Y
xcopy "%root_dir%dist\" "%dist_tmp_dir%" /E /Y
xcopy "%root_dir%README.md" "%~dp0" /Y
npm publish --registry http://x.x.x.x:4873/

取消发布

1

$ npm unpublish @gw/liclib --registry http://x.x.x.x:4873/ --force

使用包

在使用项目的根目录下添加一个package.json，添加依赖项

1
2
3
4
5
6
7

{
  "name": "test",
  "version": "1.0.0",
  "dependencies": {
    "@gw/liclib": "^1.0.0"
  }
}

编写一个脚本执行npm包的下载，以及文件的拷贝，node_modules文件夹的删除。

1
2
3
4
5
6
7
8
9
10
11
12
13
14

@echo off
set gw_libs=liclib utillib

if exist "node_modules" rmdir /S /Q "node_modules"

call npm install --registry http://x.x.x.x:4873/

for %%a in (%gw_libs%) do ( 
 echo %%a
 xcopy node_modules\@gw\%%a\include\ include\ /E /Y
 xcopy node_modules\@gw\%%a\dist\ dist\ /E /Y
)

if exist "node_modules" rmdir /S /Q "node_modules"

Reference

• https://docs.npmjs.com/cli/v9/configuring-npm/package-json

测试环境：阿里云服务器，CentOS 7

如果仅仅是本地试玩，建议使用localwp。

1. 安装WordPress

本文演示使用Docker安装WordPress。如果购买的云服务器已经预装了WordPress，可跳过此步骤。

1.1 安装WordPress需要的MySQL

1
2
3
4

$ docker pull mysql
# 创建一个目录用于mount MySQL的数据
$ mkdir -p /home/data/mysqldata
$ docker run --name mysql -p 3306:3306 -v /home/data/mysqldata:/var/lib/mysql -e MYSQL_ROOT_PASSWORD=**** -d --restart always mysql

1.2 在MySQL上创建一个新的数据库

创建的新数据库用于存储WordPress相关的数据。

1
2
3
4
5
6
7
8
9

# 进入Docker容器
$ docker exec -it mysql bash 
# 登录MySQL
bash-4.4 # mysql -u root -p 
mysql> create database wordpress;
# 退出MySQL
mysql> \q 
# 退出Docker容器
bash-4.4# exit

1.3 安装WordPress

1
2
3

$ docker pull wordpress
$ mkdir -p /home/data/wordpressdata
$ docker run --name wp -p 8080:80  -d -v /home/data/wordpressdata:/var/www/html --restart always wordpress

1.4 配置WordPress

• 打开 http://8.144.66.95:8080/

• 选择语言，点击下一步，填写MySQL数据库配置,如下图

  

• 填写好标题、用户名等信息，点击安装WordPress

  

• 安装完成，登录即可使用WordPress来创建网站。

2. 安装插件Elementor

2.1 安装 Elementor

在WordPress导航中找到“插件”，然后再点击“安装插件”

在搜索框输入“Elementor”，在检索到的页面找到“Elementor Website Builder”，点击安装。

2.2 启用 Elementor

确保插件已被启用

3. 安装主题Astra

3.1 安装Astra

在WordPress导航中找到“外观”->“主题”，然后再点击“安装主题”

在搜索框中输入“Astra”，在检索到的页面中找到Astra主题，点击安装。

3.2 启用Astra

3.3 安装Astra导入插件

3.4 查看模板库，选取模板

选择中意的模板。然后在“Select Page Builder”页面选择Elementor。

3.5 设置模板的Logo、色系、字体

挑选好模板后，可以即刻对网站进行一些基础设置。

可以替换Logo。

选择色系，字体。

设置完成，等待安装完成。

4. 编辑页面

4.1 使用Elementor编辑页面

Astra模板设置好后，接下来就是对具体页面中的图片、文字进行替换、编辑的过程了。

4.2 改变菜单

5. 加速

• 如果是国内，安装插件wp-china-yes

• 安装缓存插件WP Super Cache并在设置中启用

  

• 如果上面的方法都无效，可以使用Simply Static插件将wordpress转成全静态页面，再重新玩一个静态网站服务

6. 常见问题

• 启用HTTPS后图片无法正常显示

  在wp-includes/functions.php的最后加上下面的代码

  1 2 3 4 5 6 7 8

  add_filter('script_loader_src', 'agnostic_script_loader_src', 20,2); function agnostic_script_loader_src($src, $handle){ return preg_replace('/^(http|https):/', '', $src); } add_filter('style_loader_src', 'agnostic_style_loader_src', 20,2); function agnostic_style_loader_src($src, $handle){ return preg_replace('/^(http|https):/', '', $src); }

7. Reference

• 梧桐小讲堂的Youtube频道

SikuliX是一个基于图像识别的GUI自动化测试工具。

它提供像下面的脚本进行GUI自动化。

1
2
3
4
5
6

openApp(someApp) # we use an application someApp
click(imageButton.png) # we click some button
wait(imageExpected.png) # we wait for the app to react and show the expected result on the screen
type(“some text”); type(Key.ENTER) # we fill in some text and press ENTER
wait(imageExpected1) # again we wait for some expected reaction or result
click(…) # we click …

SikuliX on Windows XP

安装

1. 最新的SikuliX版本(2.0.x)已不支持Windows XP，我们需要下载更老的支持Windows XP的版本(1.0.0)。

   SikuliX1.0.0的文档在这里。

2. 下载支持Windows XP的JDK 1.7。

3. 参考下面的图例设置JAVA环境变量

   

   

   

测试

安装完成之后，便可以打卡Sikuli IDE进行测试了。

上面的示例中，双击打开了我的电脑。

再写一个例子，创建一个文本文件，输入test，再另存到桌面上为test.txt，再关闭文件。

脚本如下：

1
2
3
4
5
6
7
8
9
10
11
12

notepad = App.open("notepad.exe")
wait(1)
notepad.focus()
type("test")
click("Screenshot_1.png")
wait(1)
click("Screenshot_2.png")
wait(1)
click("Screenshot_3.png")
type("test.txt")
click("Screenshot_4.png")
notepad.close()

效果：

注意：如果在Windows XP下Sikuli IDE的屏幕截图不可用，可下载lightshot，事先把所需要的图片截好，再在Sikuli IDE中导入图片。

命令行运行脚本

1

$ Sikuli-IDE.exe -r test.sikuli

test.sikuli是指包含图片和Python脚本的文件夹路径。