虚拟目录：该方法推荐使用，比较简单。在%tomcat%\conf\Catalina\localhost(该目录可能需要手工创建)下新建一个文件abc.xml，注意文件名中的abc就表示虚拟目录的名称，所以不可随意命名，该文件的内容为:重启Tomcat即可。目录列表显示文件：web.xml中listings
系统 2019-08-12 01:33:13 2415
问题描述：比如我要下载的东西http://localhot:8080/aa/中文.doc将被解析为：http://localhot:8080/aa/％A%23B.doc解决办法tomcat配置文件server.xml<
系统 2019-08-12 01:32:41 2415
conf\web.xml3个接口修改：如改成conf\Catalina\localhost本地绝对路径项目名tomcat指定项目的配置--不用手动去加载
系统 2019-08-12 01:32:31 2415
zhoulf2013-02-04原创安装说明安装环境：CentOS-6.3安装方式：源码安装软件：apache-tomcat-7.0.29.tar.gz下载地址：http://tomcat.apache.org/download-70.cgi安装前提系统必须已经安装配置了JDK6+，如果不会安装请参考《CentOS-6.3安装配置JDK-7》。安装tomcat将apache-tomcat-7.0.29.tar.gz文件上传到/usr/local中执行以下操
系统 2019-08-12 01:32:23 2415
导语由于之前遇到过几次有关于参数类型的坑，以及经常容易把一些参数类型搞混淆，现在做一下有关参数类型的总结记录以及对之前踩坑经历的分析。参数类型首先我们列举一下有关于Python的参数类型，以及实际上的运用和原理。位置参数（必选参数）默认参数可变参数关键字参数位置参数（必选参数）首先是位置参数，同时也被称作必选参数，位置参数很好理解，只要记住这点：在函数定义时直接给定的此参数名称，调用时按照参数的位置顺序，依次赋予参数值。示例：defperson_info(
系统 2019-09-27 17:57:36 2414
原文链接：https://blog.csdn.net/asialee_bird/article/details/796738601、方法一：#python的标准库手册推荐在任何情况下尽量使用time.clock().#只计算了程序运行CPU的时间，返回值是浮点数importtimestart=time.clock()#中间写上代码块end=time.clock()print('Runningtime:%sSeconds'%(end-start))#运行结果
系统 2019-09-27 17:57:30 2414
查看依赖包及对应的版本号信息的方法有两种：方法1：piplist方法2：pipfreeze这两个同时适用于Windows和Linux系统当pip版本过低时，会出现list命令不存在，且freeze命令报错的情况。Eg：有些Linux系统自带的Python环境所对应的pip版本为1.0.2，如下图所示：在该环境下执行piplist，报pip:error:Nocommandbythenamepiplist错误，如下图所示：执行piphelp可以发现，可执行命令
系统 2019-09-27 17:57:17 2414
目录1、正则表达式语法¶2、Python正则表达式1>一般字符2>字符集合1、正则表达式语法¶先看图片，大概了解一下正则表达的整体规则2、Python正则表达式1>一般字符一般字符串，就是特殊制定，根据特殊的字符串进行识别PS：python进行正则表达的一般步骤指定好匹配的模式-pattern选择相应的方法-match,search等得到匹配结果-group设定一个输入：input,并导入需要的re包importreinput='python学习很重要，正
系统 2019-09-27 17:53:28 2414
常用的消息摘要算法有MD5和SHA，这些算法在python和go的库中都有，需要时候调用下就OK了，这里总结下python和go的实现。一、python消息摘要示例代码如下：复制代码代码如下:#!/usr/bin/python'''File:testHash.pyAuthor:MikeE-Mail:Mike_Zhang@live.com'''importhashlibsrc=raw_input("Inputstring:")funcNameList=["M
系统 2019-09-27 17:51:45 2414
NumPy是Python中众多科学软件包的基础。它提供了一个特殊的数据类型ndarray，其在向量计算上做了优化。这个对象是科学数值计算中大多数算法的核心。相比于原生的Python，利用NumPy数组可以获得显著的性能加速，尤其是当你的计算遵循单指令多数据流（SIMD）范式时。然而，利用NumPy也有可能有意无意地写出未优化的代码。在这篇文章中，我们将看到一些技巧，这些技巧可以帮助你编写高效的NumPy代码。我们首先看一下如何避免不必要的数组拷贝，以节省时
系统 2019-09-27 17:48:48 2414
