文章目录

引言urllib.parse.quote_plus判断指定路径的文件是否存在使用 os.path 模块使用 pathlib 模块

使用 imaplib 和 smtplib 实现邮件收发发送邮件接收邮件扩展和优化

使用 matplotlib 绘制人工神经网络拓扑图使用 `Keras` 构建卷积神经网络（CNN）模型构建

结语

引言

在 Python 编程中，有一些常用技巧和最佳实践可以帮助你编写更优雅、更高效的代码。本文将介绍的是 Python 中 <code>urllib.parse.quote_plus 的 URL 编码作用、判断指定路径的文件是否存在、使用 imaplib 与 smtplib 实现收发邮件、使用 matplotlib 绘制人工神经网络拓扑图、使用 Keras 构建卷积神经网络（CNN）等。

urllib.parse.quote_plus

在 Python 中连接 PostgreSQL、Redis 等时，可以使用 <code>urllib.parse.quote_plus 方法对密码进行 URL 编码，然后将其拼接到连接信息中。这样可以确保密码中的特殊字符被正确处理。

以下是一个示例代码，说明如何将密码进行编码并连接 Redis：

import redis

from urllib.parse import quote_plus

# 假设你有一个包含特殊字符的密码

password = "my#secret@password"

# 使用 quote_plus 对密码进行编码

encoded_password = quote_plus(password)

# 创建 Redis 连接

redis_url = f"redis://username:{ encoded_password}@localhost:6379/0"

redis_client = redis.from_url(redis_url)

# 现在可以使用 redis_client 进行操作

此方法将特殊字符（如 # 和 @）转换为可以安全地包含在 URL 中的格式，从而避免连接错误。

判断指定路径的文件是否存在

在 Python 中，可以使用 os.path 模块或 pathlib 模块来判断指定路径的文件是否存在。下面分别介绍这两种方法。

使用 os.path 模块

import os

# 指定要检查的文件路径

file_path = 'your_file_path.txt'

# 判断文件是否存在

if os.path.isfile(file_path):

print(f"文件 { file_path} 存在。")

else:

print(f"文件 { file_path} 不存在。")

os.path.isfile(file_path) 检查指定路径是否为一个文件，并且该文件存在。如果存在返回 True，否则返回 False。

使用 pathlib 模块

from pathlib import Path

# 指定要检查的文件路径

file_path = Path('your_file_path.txt')

# 判断文件是否存在

if file_path.is_file():

print(f"文件 { file_path} 存在。")

else:

print(f"文件 { file_path} 不存在。")

Path(file_path).is_file() 同样可以检查指定路径是否为一个文件，并且该文件存在。

无论你选择使用哪个模块，上述两种方法都能够有效地判断指定路径的文件是否存在。你可以根据实际需要和喜好选择其中一种。

os.path 传统方式，适用于较旧的 Python 版本（Python 2 和 3 均可使用）。pathlib 较新方法，推荐使用，因为它提供了更为面向对象的 API，使路径的操作更为直观和简洁。

使用 imaplib 和 smtplib 实现邮件收发

要在 Python 中实现使用 Google 邮箱（Gmail）进行邮件的收发，可以使用 smtplib 模块来发送邮件，以及 imaplib 模块来接收邮件。

发送邮件

依赖库

pip install secure-smtplib

发送邮件示例

import smtplib

from email.mime.text import MIMEText

from email.mime.multipart import MIMEMultipart

def send_email(subject, body, to_email):

from_email = "你的邮箱@gmail.com"

password = "你的应用专用密码"

# 创建邮件

msg = MIMEMultipart()

msg['From'] = from_email

msg['To'] = to_email

msg['Subject'] = subject

msg.attach(MIMEText(body, 'plain'))

try:

# 登录并发送邮件

server = smtplib.SMTP('smtp.gmail.com', 587)

server.starttls() # 开始TLS加密

server.login(from_email, password)

server.sendmail(from_email, to_email, msg.as_string())

print("邮件发送成功")

except Exception as e:

print(f"邮件发送失败: { e}")

finally:

server.quit()

# 示例调用

send_email("测试邮件", "这是邮件正文", "收件人邮箱@gmail.com")

接收邮件

依赖库

pip install imaplib2

接收邮件示例

import imaplib

import email

def read_email():

email_user = '你的邮箱@gmail.com'

password = '你的应用专用密码'

mail = imaplib.IMAP4_SSL('imap.gmail.com')

mail.login(email_user, password)

mail.select('inbox')

# 搜索所有邮件

result, data = mail.search(None, 'ALL')

mail_ids = data[0].split()

# 读取最新一封邮件

latest_email_id = mail_ids[-1]

# 获取邮件

result, msg_data = mail.fetch(latest_email_id, '(RFC822)')

raw_email = msg_data[0][1]

# 解码邮件

msg = email.message_from_bytes(raw_email)

subject = msg['subject']

from_ = msg['from']

print(f'发件人: { from_}')

print(f'主题: { subject}')

mail.logout()

# 示例调用

read_email()

扩展和优化

通过上述代码，可以实现 Gmail 邮箱的基本邮件收发功能。根据具体需求，还可以进一步扩展和优化。

启用两步验证：如果已经启用了 Gmail 的两步验证，需使用应用专用密码，而不是你的账户密码。权限设置：确保在 Gmail 设置中允许“低安全性应用访问”或使用 OAuth 2.0 进行身份验证。代码安全性：在生产环境中，切勿将密码硬编码在代码中，使用环境变量或密钥管理工具。

使用 matplotlib 绘制人工神经网络拓扑图

要用 Python 绘制一个简单的人工神经网络，可以使用 matplotlib 库。

依赖库

pip install matplotlib

以下是展示如何绘制一个包含输入层、隐藏层和输出层的简单神经网络的示例代码：

import matplotlib.pyplot as plt

def draw_neural_network():

# 设置图形和轴

plt.figure(figsize=(8, 6))

# 网络参数

layers = [3, 5, 2] # 输入层3个神经元，隐藏层5个神经元，输出层2个神经元

n_layers = len(layers)

# 绘制神经元

for n, layer in enumerate(layers):

for m in range(layer):

circle = plt.Circle((n, m * 1.5), 0.3, color='skyblue', ec='black')code>

plt.gca().add_artist(circle)

plt.text(n, m * 1.5, f'Neuron { m+1}', fontsize=9, ha='center', va='center')code>

# 绘制连接线

for n in range(n_layers - 1):

for m in range(layers[n]):

for k in range(layers[n + 1]):

plt.plot([n, n + 1], [m * 1.5, k * 1.5], color='gray', alpha=0.5)code>

# 设置坐标轴范围和隐藏坐标轴

plt.xlim(-0.5, n_layers - 0.5)

plt.ylim(-1, max(layers) * 1.5)

plt.axis('off')

plt.title('Simple Neural Network')

plt.show()

# 示例调用

draw_neural_network()

运行此代码后，会看到一个简单的人工神经网络的拓扑图形。

这可以帮助理解神经网络的结构。还可以根据需要调整输入、隐藏和输出层的神经元数量。

layers: 设定神经网络的层次结构，这里包括 3 个输入神经元、5 个隐藏神经元和 2 个输出神经元。绘制神经元: 使用<code>Circle绘制每个神经元，并在其中心标注。绘制连接线: 使用plot绘制神经元之间的连接，表示层与层之间的权重连接。设置坐标系: 隐藏坐标轴并设置合适的范围，使图形更加美观。

使用 Keras 构建卷积神经网络（CNN）