环境

python版本：python-3.9.1    操作系统：Windows10    想要安装的模块：numpy

前提

使用pip安装模块，需要保证pip为最新版本。如果使用pip时出现问题提示：

You should consider upgrading via the 'python -m pip install --upgrade pip' command.

则可以进行pip更新，在cmd下输入：

python -m pip install --upgrade pip

更新成功后会显示：successfully installed 版本号.

pip安装模块

方法一：直接使用 pip install + 要安装的模块名称 （pip install numpy）

因为此方法会Collection pillow收集有关 numpy 的信息，找到之后自动下载。在我的环境下安装未成功，尝试了几种方法之后都未能解决，决定尝试其他方法。

方法二：提前下载相应模块，手动安装

（1）在该网址的搜索框中搜索模块numpy：https://pypi.org/project/numpy/#files

（2）点击第一个结果后，选择左侧的download files，显示如下

（3）选择相应版本：numpy-1.19.4-cp39-cp39-win_amd64.whl  进行下载，

该文件为numpy的1.19.4版本，cp39表示适用于python3.9，win_amd64表示适用于Windows64位系统。

下载完成将其拷贝到python安装路径的Scripts文件夹下面。

（4）打开cmd，跳转到当前路径，具体为： (步骤a) 盘符:      (步骤b) cd  绝对路径。输入指令：

pip install numpy-1.19.4-cp39-cp39-win_amd64.whl

完成安装过程。

pycharm中import模块numpy

用如下代码验证即可：

from numpy import *
print(random.rand(4,4))

如果能够输出随机矩阵，即安装成功

注：此时上图红框中应该为python的安装路径中的python.exe可执行文件，如果不是需要修改虚拟运行环境。

pycharm修改虚拟运行环境

file  - settings  - project :pythonProject - python interpreter ，可以看到当前环境拥有的模块，可以看到numpy，代表已经安装成功。

如果未显示numpy，可能是python interpreter 错误。点击右侧绿色圆圈中的按钮可以重新设置运行环境。

点击左下角的➕，可以添加虚拟运行环境，其中的Base interpreter 需要选择python安装路径下的python.exe文件，确定保存即可。

摘要

python中最早支持HTTP/2的是hyper，但这个库近几年都不更新了。最近这批开发人员又出了一个新库，用来支持HTTP/2，hyper-h2，这个库看提交时间是最近才开始开发的，不过目前看来还没有支持异步的计划。

这里，我要介绍的是另一个HTTP/2的库httpx，也是新开发的，准确的来说还是beta版本。同时支持HTTP/1.1和HTTP/2。而且还支持发送异步请求。就笔者写这篇文章的时候，这个项目的star已经有5.3k了。
httpx官方文档地址，如果觉得笔者啰嗦，可以直接阅读官方文档，下面文章只是一篇简单的教程。

安装

# 只支持 python3.6 以上版本
pip install httpx

http/2 支持

客户端请求

更有效地利用网络资源

当您使用《快速入门》指南中记录的顶级API进行请求时，HTTPX必须为每个单个请求建立一个新的连接（连接不会被重用）。随着对主机的请求数量增加，这很快变得效率低下。

另一方面，Client实例使用HTTP连接池。这意味着当您向同一主机发出多个请求时，它们Client将重用基础的TCP连接，而不是为每个单个请求重新创建一个。

与使用顶级API相比，这可以带来显着的性能改进，包括：

1. 减少了请求之间的延迟（无握手）。
2. 减少CPU使用率和往返次数。
3. 减少网络拥塞。

额外功能

Client 实例还支持顶级API所不具备的功能，例如：

1. Cookie跨请求的持久性。
2. 在所有传出请求中应用配置。
3. 通过HTTP代理发送请求。
4. 使用HTTP / 2。

一般建议：建议使用a Client作为上下文管理器。这将确保离开with模块时正确清理连接：

同步

>>> headers = {'X-Auth': 'from-client'}
>>> params = {'client_id': 'client1'}
>>> with httpx.Client(headers=headers, params=params, http2=True) as client:
        # with 内部请求共用一个client，参数也共用
		# 替换client的参数
...     headers = {'X-Custom': 'from-request'}
...     params = {'request_id': 'request1'}
...     r = client.get('https://example.com', headers=headers, params=params)

异步

async with httpx.AsyncClient(http2=True) as client:
    ...

复杂示例，APNS异步推送到多用户

可参考完整实现代码

import httpx
import asyncio

async def http2conn(device_token, client, content):
    r = await client.post(f"/3/device/{device_token}", json=content)
    logger.info('ios push: ' + device_token)
    logger.info(r.status_code)

# 您可以参考apple apns官方文档，重组下面的推送参数
# 此函数可以在协程中直接调用
async def ios_push(title, text, product, product_id, device_tokens='', **kwargs):
    """
    kwargs={'product':'', 'product_id': '产品id', 'device_token': 'device_token'}
    """
    content = {
        "aps": {
            "alert": {
                "title": title,
                "body": text,
            },
        },
        "classify": product,
        "carousel_id": product_id,
    }
    path = 'dev_certificates.pem'
    device_tokens = device_tokens.split(',')
    number = len(device_tokens) // 1000
    async with httpx.AsyncClient(base_url=settings.IOS_URL, cert=path, http2=True) as client:
        http2conn_def = partial(http2conn, client=client, content=content)
        for i in range(number + 1):
            limit = i * 1000
            await asyncio.gather(*[http2conn_def(device_token) for device_token in device_tokens[limit:limit + 1000]])

http/1 支持

简单请求

>>> r = httpx.get('https://httpbin.org/get')
>>>> r = httpx.post('https://httpbin.org/post', data={'key': 'value'})
>>> r = httpx.put('https://httpbin.org/put', data={'key': 'value'})
>>> r = httpx.delete('https://httpbin.org/delete')
>>> r = httpx.head('https://httpbin.org/get')
>>> r = httpx.options('https://httpbin.org/get')

携带参数，文件，自定义请求头

>>> files = {'upload-file': ('report.xls', open('report.xls', 'rb'), 'application/vnd.ms-excel')}
>>>> headers = {'user-agent': 'my-app/0.0.1'}
>>> cookies = {"peanut": "butter"}
>>> r = httpx.post('https://httpbin.org/post', data={'key': 'value'}, headers=headers, files=files, cookies=cookies)

>>> r.headers
Headers({
    'content-encoding': 'gzip',
    'transfer-encoding': 'chunked',
    'connection': 'close',
    'server': 'nginx/1.0.4',
    'x-runtime': '148ms',
    'etag': '"e1ca502697e5c9317743dc078f67693f"',
    'content-type': 'application/json'
})
>>> r.status_code

同步

>>> headers = {'X-Auth': 'from-client'}
>>> params = {'client_id': 'client1'}
>>> proxies = {
...     "http": "http://127.0.0.1:3080",
...     "https": "http://127.0.0.1:3081"
... }
>>> with httpx.Client(headers=headers, params=params, proxies=proxies) as client:
...     headers = {'X-Custom': 'from-request'}
...     params = {'request_id': 'request1'}
...     r = client.get('https://example.com', headers=headers, params=params)

异步

HTTPX默认情况下提供标准的同步API，但是如果需要，还可以为您提供异步客户端的选项。
异步是一种并发模型，其效率远远高于多线程，并且可以提供显着的性能优势并支持使用长期存在的网络连接（例如WebSockets）。

import asyncio
import httpx

async def main():
    async with httpx.AsyncClient() as client:
        response = await client.get('https://www.example.com/')
        print(response)

asyncio.run(main())

总结

http/1 和 http/2 的API基本一致，可参靠上述实现http/1，另外http/2只支持客户端方式请求。
这里只是简单的介绍，如需要复杂的功能（流式传输，代理请求，SSL证书，.netrc支持等）还是仔细研读官方文档以及源码。

在使用Keras搭建验证码识别模型时，需要大量的验证码图片。在这里，使用captcha模块生成验证码图片，验证码图片名称为验证码上显示的字符串。

1 生成单张验证码图片并显示

生成一张验证码的代码如下：

from captcha.image import ImageCaptcha
import matplotlib.pyplot as plt
import numpy as np 
import random
import string

#characters为验证码上的字符集，10个数字加26个大写英文字母
#0123456789ABCDEFGHIJKLMNOPQRSTUVWXYZ str类型
characters=string.digits+string.ascii_uppercase

width,height,n_len,n_class=170,80,4,len(characters)

#设置验证码图片的宽度widht和高度height
#除此之外还可以设置字体fonts和字体大小font_sizes
generator=ImageCaptcha(width=width,height=height)

#生成随机的4个字符的字符串
random_str=''.join([random.choice(characters) for j in range(4)])

#生成验证码
img=generator.generate_image(random_str)

#显示验证码图片和验证码标题
plt.imshow(img)
plt.title(random_str)
plt.show()

程序运行结果为：

2 验证码图片的显示与保存

上面代码中生成的验证码是PIL图像格式，因此也可以直接使用PIL自带的show方法显示图片，save方法保存图片
如下：

#显示验证码
img.show()

#保存验证码
file_name=random_str+'.jpg'
img.save(file_name)

3 批量生成验证码样本集

当我们在深度学习中，进行验证码进行字符识别，需要大量的图片，因此我们可以批量生成大量的样本。这里以生成一万张样本为例。
代码如下：

from captcha.image import ImageCaptcha
import matplotlib.pyplot as plt
import numpy as np 
import random
import string
from PIL import Image

#characters为验证码上的字符集，10个数字加26个大写英文字母
#0123456789ABCDEFGHIJKLMNOPQRSTUVWXYZ str类型
characters=string.digits+string.ascii_uppercase

width,height,n_len,n_class=170,80,4,len(characters)

#生成一万张验证码
for i in range(10000):
    generator=ImageCaptcha(width=width,height=height)
    random_str=''.join([random.choice(characters) for j in range(4)])
    img=generator.generate_image(random_str)

    #将图片保存在目录yzm文件夹下
    file_name='./yzm/'+random_str+'_'+str(i)+'.jpg'
    img.save(file_name)

当程序执行完，会在文件夹yzm下生成一万张验证码图片