目录
 
一、前言
 
二、Postman安装和使用
 
三、请求方式
 
四、资金记录接口实例演示
 

一、前言
 

     在前后端分离开发时，后端工作人员完成系统接口开发后，需要与前端人员对接，测试调试接口，验证接口的正确性可用性。而这要求前端开发进度和后端进度保持基本一致，任何一方的进度跟不上，都无法及时完成功能模块的测试。
 
     做为后端开发人员，要求独立开发完成某个接口后，开发人员自己需要先测试通过后再提交给测试人员进行测试，否则会出现到测试人员哪里业务流程根本就走不通，或者BUG会过多的情况等。
 
     市场上有很多优秀的，完善的接口测试工具，比如SoapUI，Postman等，能够高效的帮助后端开发人员独立进行接口测试。这里使用Postman接口测试工具，此处以请求方式为POST的userLogin登录接口为例。
 
二、Postman安装和使用
 

     1、这个直接去官网下载即可，我们使用免费版即可满足基本接口测试，根据个人或者公司的项目实际情况考虑是否需要专业版或者其他。
 
 

 免费版官网链接：
 Postman
 

 下载好的安装程序Postman-Win64-xxx-Setup.exe，双击安装即可。建议安装在非系统盘，即C盘在外的其他盘，另建议使用全英文路径，避免使用中文路径。
 
 
 
 

      2、打开Postman如下图2-1，可以关闭该页面跳过注册账户，非登陆状态下该工具可以直接使用。接下来出现引导页面，类似IDEA，Android Studio等开发工具的引导页。此处关闭即可。
 
 
 
 
  
 
   

    
    
   
  
 
 
 
 
 
 
 
  
 
   

    
    
   
  
 
 
 
 
3、进入Postman主页面并创建项目接口集合
 
 
    这里是我之前用过，所以左侧文件栏存在几个已有的文件夹。
     选择功能菜单New下的Collection创建项目接口集合。新建一个亿的项目A hundred million，可在Description部分写一下项目描述。
 
 
 
  
 
   

    
    
   
  
 
 
 
 
 
 
 
  
 
   

    
    
   
  
 
 
 
 
4、创建项目模块文件夹
 
 
    一般项目会分多个管理模块或者功能模块进行开发。这里可根据项目具体情况创建子文件夹方便接口管理。此处在A hundred million项目右键创建资产管理assets文件夹、user用户管理文件夹。可将测试的接口实例保存在对于管理模块下。
 
 
 
  
 
   

    
    
   
  
 
 
 
 
 
  
5、后台登录接口演示
 
  
    开发完成后台接口，编写正确严谨的逻辑代码处理前端请求。此处登录接口代码如下，运行后台开发项目，使该接口能够访问。接口请求路径为：http://localhost:8080/manage/app/user/login
 
 
 
 
@Controller
@RequestMapping("/manage/app/")
@Scope("prototype")
public class AppUserController {

   /**
    * 日志
    */
public static Logger customFile = LoggerFactory.getLogger("manageCustomFile");

@Resource
private AppUserService appUserService;

    /**
     * 用户登录
     * @param baseResult
     * @return
     */
    @RequestMapping(value = "user/login" , produces = "application/json;charset=UTF-8", method = RequestMethod.POST)
    @ResponseBody
    public BaseResult loginUser(@RequestBody BaseResult baseResult) {
        customFile.info("appId:"+ baseResult.getTreasureID()+ "用户登陆访问:" + baseResult.toString());
        return appUserService.loginUser(baseResult);
    }
}
 
 
6、新建接口测试
 
 
    在Postman主页面Content部分点击'+'按钮，新增一个接口测试。在图2-6所示第一部分填写接口请求路径，左侧下拉列表可选择请求方式，此处选择POST请求方式。接口请求路径为http://localhost:8080/manage/app/user/login。第二部分是请求体，即包含接口所需请求参数的Body，此处选择原始数据RAW，数据类型使用JSON数据作为请求数据。点击蓝色Send按钮发送请求，后台项目接口接收请求并响应返回执行结果。此处后台处理数据返回结果仍是JSON数据，这个看实际项目而定，此处仅做演示。第三部分是接口响应体，即接口响应请求处理并返回的数据。点击Pretty自动匹配接口返回的数据格式并对数据美化显示，使数据看起来更加直观。如果接口测试出现异常，则可以通过PreView视图查看浏览器响应接口的页面信息，也可以通过Header了解请求状态等参数。一般出现异常还是直接去后台看控制台的异常信息及项目日志来处理解决异常，再进行接口测试。
 
 
 
  
 
   

    
    
   
  
 
 
 
 
 
  
    接口测试通过后，可Ctrl+S保存接口测试实例，填写接口测试名称和接口描述信息，选择要保存的路径，此处保存在user用户管理模块文件夹。当项目的接口全部测试通过后，可在A hundred million项目右键Export导出接口文档，保存为JSON接口测试文件，该文件可通过Postman导入查看。
 
 
 
 
 
  
三、请求方式
 
 
 
 
 
  
    对于后台开发的接口，请求方式肯定不止POST一种，Postman也支持多种请求方式。在新建接口测试实例时可选择接口的请求方式，如图3-1。
 
 
 
 
 
  
 
   

    
    
   
  
 
 
 
 
 
  
    请求类型可以模拟Form表单文本提交，Form表单文件提交，raw原始数据提交，二进制文件提交。对于原始数据类型raw还支持不同文件格式，包括JSON，TXT，HTML等多种文件格式。
 
 
 
 
 
  
 
   

    
    
   
  
 
 
 
 
 
  
 
 
 
 
 
  
四、资金记录接口实例演示
 
 
 
 
 
  
    后台开发接口如下，服务器部署运行后台项目。接口请求路径为：http://localhost:8080/manage/app/user/asset/withdrawRecord
 
 
 
 
@Controller
@RequestMapping("/manage/app/")
@Scope("prototype")
public class AppUserAssetController {
 
    /**
     * 日志
     */
    public static Logger customFile = LoggerFactory.getLogger("manageCustomFile");

    @Resource
    private AppUserAssetService appUserAssetService;
    
    /**
     * 获取提现记录
     * 即我的页面中的资金记录
     * @param baseResult
     * @return
     */
    @RequestMapping(value = "user/asset/withdrawRecord" , produces = "application/json;charset=UTF-8", method = RequestMethod.POST)
    @ResponseBody
    public BaseResult getUserWithdrawRecord(@RequestBody BaseResult baseResult){
        customFile.info( "appId:"+ baseResult.getTreasureID() + "用户提现记录获取"+baseResult.toString());
        return appUserAssetService.getUserWithdrawRecord(baseResult);
    }
}
 
 
新建资金接口测试
 请求方式为POST，
 请求URL为http://localhost:8080/manage/app/user/asset/withdrawRecord
 请求体为JSON类型的原始数据
 点击Send请求接口，接口响应请求处理返回结果如图3-3所示
 
 
 
  
 
   

    
    
   
  
 
 
 
 
 
 

  扩展阅读: 
  自动化接口测试之Postman
 
 
 
 
 
 
  

   Powered By niaonao
  
 
  
 
 
 

 
 ArcGIS Desktop 自带有大量的工具，可以执行各种各样的地理处理任务。通过  Python 我们可以灵活地调用这些工具，把工具组织成自己的工作流，甚至创建一些新的工具。今天就说说在 ArcGIS 中创建  python工具这个话题。
 
 在 ArcGIS 中我们可以通过两种方式来创建python工具：
 
 一种是在标准工具箱下创建 脚本工具:
 
 
 
 一种是创建 脚本工具箱：
 
 
 
 到这里，可能你会有和我一样的疑问，二者有什么 区别？
 
 第一种脚本工具需要我们首先在 ArcGIS 环境中创建一个工具箱，然后添加 Python脚本文件（*.py），并通过向导来精确配置参数。这种工具很适合脚本工具的初学者，通过前面说的三步就可以搭建出一个自定义工具。但是这种模式也有一些缺点，工具箱和源脚本是分离的，我们很难集中的去管理和维护它们。
 
 相比于前者的难以集中管理的缺点，第二种的Python工具箱就体现出了它的优势。在 Python 工具箱中，参数定义、代码验证和源代码都在同一位置进行处理，因此Python 工具的创建和维护更加容易。此外，Python 工具箱支持脚本工具不支持的功能，例如值表、复合数据类型和自定义许可检查。
 
 Python 工具箱是在 ArcGIS 10.1 之后的版本出现的。如果你熟悉 Python，就可以充分利用所掌握的 Python 技能来创建 Python 工具箱。
 
 
 
 
下面是一些更加具体的对比列表：
 
  
 自定义工具箱
 Python 工具箱
 
组织
 
 
自定义工具箱中的脚本工具被组织成以下三个部分：
 
    
通过向导定义的工具和参数定义。
对参数行为提供额外控制的可选验证代码，其位于工具箱中。
在单独的文件中为每个工具维护的源代码，通常作为 Python 脚本 (.py)。
 
 
Python 工具箱是一个具有 .pyt 扩展名的 Python 脚本，其包含工具箱及其工具的所有方面：参数、验证和执行。通过以下 Python 类实现：一个类用于工具箱，一个类用于各工具。
 
 
编辑
 
 
可在任何编辑器中编辑源代码。
 
通过脚本工具向导编辑参数。
 
如果使用了验证代码，可在编辑器中通过向导编辑验证代码。
 
 
可在任何编辑器中编辑 Python 工具箱文件 (.pyt)，而且可在同一位置编辑工具的所有部分（参数定义、验证代码和源代码）。
 
由于只能在编辑器中编辑 Python 工具箱，它们不支持在工具箱内或工具箱之间进行复制/粘贴。
 
 
使用其他工具
 
 
自定义工具箱支持各种工具类型，包括 Python 脚本工具、模型工具和内置工具（使用 ArcObjects 和 .NET 等编译型语言构建）。
 
 
Python 工具箱不直接支持其他工具类型；即，无法将模型工具或内置工具添加到 Python 工具箱中。但是，可在 Python 工具箱代码中调用其他工具箱的工具。
 
 
附加功能
 
 
n/a
 
 
Python 工具箱支持 isLicensed 方法，您可以根据设定的条件来控制工具的打开。
 
 
附加安全性
 
 
自定义工具箱中的脚本工具可以将其源代码嵌入工具箱中并使用密码锁定。
 
 
n/a
 
 
ArcGIS Help 中脚本工具的帮助过于枯燥，在这里，我以一个具体的实例来总结构建脚本工具的过程，我要实现的需求是做个快速实现羽化边界效果的小工具，预期得到如下的效果：
 
 
上面效果在ArcMap中完全可以手工运行几个工具实现，但是过程稍微繁琐，那么需求来了，如何做个自定的一键生成羽化边界的小工具？
 

 
 

 
 
1 准备Python脚本文件
 
第一步，先写好脚本工具的核心 ——  python脚本文件。
 

 
 
 
 
脚本中我希望根据指定环间距自动生成一个9环的缓冲面，然后添加一个字段，用于存储给各个缓冲面的透明度百分比。
 
 
看下图就知道我想做什么了：
 
 
 
 

 
 
写一个py文件，将要用到的工具串联起来实现自己的需求，大致是下面的样子。这不是最终要做成脚本工具的版本，只是为了预先了解要如何实现，后面还要修改。
 
__author__ = 'kikita'

# FileName: EasyFeathering.py

import arcpy
# arcpy.env.workspace = "D:\something\Data.gdb"

# Script Tool Parameters
InputFeature = "InterestArea"
OutputFeature = "OutFeathering"
SingleRingWidth = 10000

# Some Predefined Parameters
distances = []
level = 9
bufferUnit = "meters"
NewField = "Percent"


# My Easy Feathering function
for i in range(level):
    distances.append(SingleRingWidth*(i+1))
    i = i+1

print  str(distances)
print  "Distance Complete!"

arcpy.MultipleRingBuffer_analysis(InputFeature, OutputFeature, distances, bufferUnit, "", "ALL","OUTSIDE_ONLY")
print  "Success to execute Multi Ring Buffer."

arcpy.AddField_management(OutputFeature,NewField,"double")
print "Success to add Transparency Percent Field."

arcpy.CalculateField_management(OutputFeature, NewField, "!OBJECTID! *10", "PYTHON", "")
print "Success to Calculate Transparency Percent Field."
 
1
17
 
2 脚本工具参数配置
 
有了py文件之后，如何把它塞进工具箱里呢？
 
在ArcMap的Catalog窗口中，找一个自己喜欢的任意文件夹，新建一个Toolbox，然后右键 Add –> Script，进入向导，这些操作如果不了解，可以点这里 查查帮助，照着做即可，不赘述。
 
 
这里我主要说说参数传递。
 
我希望做好的工具中，我只去指定三个参数，分别是：输入的兴趣区域面（input Feature ），多环缓冲的环间距（Single Ring width ），输出结果（output Feature ）。预览下工具界面：
 
 

 
 
那么问题又来了，这三个参数如何从工具界面传给真正执行工具的 python 脚本？我们需要对前面的脚本参数定义部分做个修改，使用 arcpy 提供的  GetParameterAsText()函数即可在工具界面和脚本之间传递参数。用下面的代码替换前面对这三个参数的替换：
 
# Script Tool Parameters
InputFeature = arcpy.GetParameterAsText(0)
SingleRingWidth = arcpy.GetParameterAsText(1)
OutputFeature = arcpy.GetParameterAsText(2)
 
对应的脚本工具参数配置：
 
 
 
 
为工具配置参数的时候，有2个原则需要遵守：
 
 
工具对话框中的参数顺序必须与脚本中的参数顺序一致。
每个脚本工具参数都有关联的数据类型。ArcGIS的地理处理不会将值发送给数据类型不正确的脚本，从这点上看，脚本工具比下一篇要说到的脚本工具箱多了一个优势，就是，在参数值发送给脚本之前会有数据类型检验。
 
 

 
 
修改Python脚本文件后，现在就运行工具，发现可以得到预期的结果：
 
 

 
 
但是有点不完美，就是在工具的运行过程中，工具给我返回的信息并不充足，我只知道 “Running Script EasyFeathering …”，而不了解工具在做什么，执行到了哪个步骤。这不是好的体验。
 
 
3 消息
 
工具和用户之间的所有沟通均通过消息来实现。接着上一步提出的问题，如何在工具进度窗口中传递消息给用户？
 
虽然在开始调试脚本的时候，如开头代码所示，我加了些 Print 语句，方便我了解自己的脚本独立执行时的状态，但是如果运行脚本工具，这些print语句是看不到的。可以使用 ArcPy中提供的有关消息的函数，AddMessage、AddWarning、AddError等向工具进度条界面发送消息。这里我做了个简单的步骤的消息性提示，以及，如果结果没有记录输出，会提示警告。
 
__author__ = 'kikita'

# FileName: EasyFeathering.py

import arcpy

#arcpy.env.workspace = "D:\IncidentSupport2015\something\Data.gdb"

# Get the input values from tool UI
InputFeature = arcpy.GetParameterAsText(0)
SingleRingWidth = arcpy.GetParameterAsText(1)
OutputFeature = arcpy.GetParameterAsText(2)


# Some Predefined Parameters
distances = []
level = 9
bufferUnit = "meters"
NewField = "Percent"


# My Easy Feathering function
for i in range(level):
    distances.append(int(SingleRingWidth)*(i+1))
    i = i+1
arcpy.AddMessage("Step1 Distance list Complete!")


arcpy.MultipleRingBuffer_analysis(InputFeature, OutputFeature, distances, bufferUnit, "", "ALL","OUTSIDE_ONLY")
arcpy.AddMessage("Step2 Success to execute Multi Ring Buffer.")

arcpy.AddField_management(OutputFeature,NewField,"double")
arcpy.AddMessage("Step3 Success to add Transparency Percent Field.")

arcpy.CalculateField_management(OutputFeature, NewField, "!OBJECTID! *10", "PYTHON", "")

InputFeatureCount = int(arcpy.GetCount_management(OutputFeature).getOutput(0))
if InputFeatureCount == 0:
    arcpy.AddWarning("{0} has no features.".format(OutputFeature))
else:
    arcpy.AddMessage("Step4 Success to Calculate Transparency Percent Field.")

 
2
 
这样在工具的执行过程中，我就收到了消息：
 
 
到这里，工具的功能部分就完成了。
 
4 显示结果图层
 
我进一步希望脚本工具运行之后，自动显示在当前的地图文档中，从而避免重复设置透明度的操作。
 

 
 
为输出参数配置模板图层。
 
 
在处理设置中，激活设置
 
 
这样在运行工具之后，结果即自动添加显示。
 
 
5 配置路径
 
如果是在本机使用脚本工具，一般我们会使用绝对路径，但是如果希望分享自己的工具给别人，就要考虑路径问题，也就是新用户运行脚本工具时，相关的脚本文件和其他用到的资源能否访问到。我的工具按照如下的结构组织：
 
 

 
 
在脚本工具的属性中，可以配置存储相对路径引用 py 文件：
 
PS：但是不要想太多，这个设置仅仅会将脚本文件所在位置按照相对路径存储，而不会将脚本内部的路径进行转换。
 
 

 
 
这个示例中我还需要用到一个图层文件作为模板，如果希望使用相对路径使用，就建议将符号化信息写在脚本内部，而不是在参数窗口中配置。所以，要继续修改下Python脚本文件。
 
在脚本文件的最后追加两行代码，我这里将获取与Python脚本文件在相同目录下的lyr文件：
 
# Layer files are located in same folder as the .py file
PythonFilePath = os.path.dirname(__file__)
params = arcpy.GetParameterInfo()
params[2].symbology = os.path.join(PythonFilePath, "FeatheringEffectTemplate.lyr")

# Pass message 
arcpy.AddMessage("Finding Feathering Effect Template Layer ..." +"/n"+ os.path.join(PythonFilePath, "FeatheringEffectTemplate.lyr"))
 
OK，路径的问题就解决了。
 

 
 

 
 
6 帮助文档
 
还可以进一步为工具添加帮助文档，让更多的人了解如何使用这个工具。
 
在ArcCatalog 或者ArcMap的Catalog 中，在脚本工具上右键，点击 Item Description 菜单，点击 Edit 就可以对工具的帮助文档进行编辑。
 
 
这样当别人打开你的工具时，就看到帮助喽。
 
 

 
 
好啦，关于ArcGIS 中使用脚本工具的过程就说到这里。
 

 

第二版已经在知乎更新，可直接看第二版
 
目录
 
1. Anaconda简介
 
2. Anaconda安装情况的选择
 
2.1 情况一
 
2.1.1 Anaconda的下载
 
2.1.2 测试安装
 
2.1.3 更改源
 
2.1.4 更新包
 
2.1.5 创建和管理虚拟环境
 
2.2 情况二
 
2.2.1 方法一：通过更改python.exe文件名
 
2.2.2 方法二：通过切换虚拟环境
 
3. 结束语
 
 
1. Anaconda简介
 
Anaconda包括Conda、Python以及一大堆安装好的工具包，比如：numpy、pandas等
 
因此安装Anaconda的好处主要为以下几点：
 
1）包含conda：conda是一个环境管理器，其功能依靠conda包来实现，该环境管理器与pip类似，那有童鞋会问了：我能通过pip装conda包达到conda环境管理器一样的功能吗？答案是不能，conda包的实现离不开conda环境管理器。想详细知道两者异同可以去知乎遛一遛https://www.zhihu.com/question/279152320
 
2）安装大量工具包：Anaconda会自动安装一个基本的python，该python的版本Anaconda的版本有关。该python下已经装好了一大堆工具包，这对于科学分析计算是一大便利，你愿意费时耗力使用pip一个个包去装吗？
 
3）可以创建使用和管理多个不同的Python版本：比如想要新建一个新框架或者使用不同于Anoconda装的基本Python版本，Anoconda就可以实现同时多个python版本的管理
 
2. Anaconda安装情况的选择
 
Anaconda的安装分两种情况：
 
情况一：电脑现在没有装python或者现在装的可以卸载掉（装Anaconda时先卸python）；
 
情况二：电脑目前装了python，但想保留它；
 
2.1 情况一
 
2.1.1 Anaconda的下载
 
你可以根据你的操作系统是32位还是64位选择对应的版本到官网下载，但是官网下载龟速，建议到清华大学镜像站下载，多快又好省，博主使用的版本是：
 
Anaconda3-5.2.0-Windows-x86_64.exe
 
为什么不用最新版的
 
Anaconda3-5.3.1-Windows-x86_64.exe
 
不知是版本原因还是什么原因，包括博主在内的一大堆使用这个最新版本在构建虚拟环境或者安装包时出现了这样蛋疼的错误
 
 
 
无法定位程序输入点 OPENSSL_sk_new_reserve 于动态链接库 E：\ProgramData\Anaconda3\Library\bin\libssl-1_1-x64.dll上
 
 
最后有博文指出回退3-5.2.0版本毛事木有
 
下载好Anaconda3后直接双击安装包即可，有几个地方需要注意
 
 
 
 
 
 
 
 
Finish后安装完毕
 
2.1.2 测试安装
 
cmd输入
 
conda --version
 
若出现像这样的conda版本号即安装成功
 
 
2.1.3 更改源
 
使用
 
conda install 包名
 
安装需要的Python包非常方便，但是官方服务器在国外，下载龟速，国内清华大学提供了Anaconda的镜像仓库，我们把源改为清华大学镜像源
 
更改方法一：cmd后依次输入下面命令
 
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
 
打开C盘用户目录，我这里是
 
C:\Users\User
 
找到.condarc文件，里面长这样就成了
 
 
 
ssl_verify: true
 channels:
   - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
   - defaults
 show_channel_urls: true
 
 
更改方法二：打开 .condarc文件，直接简单粗暴的把上面的内容复制进去
 
2.1.4 更新包
 
更新时间较长，建议找个空余时间更新,不更新也可以，但为避免后续安装其他东西出错最好更一下，这里我就不更了，把命令贴出来
 
先更新conda
 
conda update conda
 
再更新第三方所有包
 
conda upgrade --all
 
2.1.5 创建和管理虚拟环境
 
第一种情况下Anaconda的安装到这里基本就结束了，后面关于虚拟环境部分属于Anaconda的使用了，这里会在第二种情况下再做介绍
 
2.2 情况二
 
情况二Anaconda的安装和情况一相同，但为保留自己安装的Python需要在安装Anaconda完成后进行操作
 
进行操作有2个方法，这里更加推荐方法二
 
2.2.1 方法一：通过更改python.exe文件名
 
Anaconda安装时会自带一个Python，没装之前我们先看看电脑里Python的版本（姑且称为原生python），cmd后输入：
 
python --version 或者 python -V
 
 
这里显示原生python版本是3.7.4，我们到环境变量去看是这样的
 
C:\ProgramFiles\Python37\Scripts\;
C:\ProgramFiles\Python37\;
%SystemRoot%\system32;
%SystemRoot%;
%SystemRoot%\System32\Wbem;
%SYSTEMROOT%\System32\WindowsPowerShell\v1.0\;
C:\Program Files\PuTTY\
 
按照第一种情况安装Anoconda后再输入
 
python --version
 
 
这时显示的是3.6.5，这里的版本就是Anaconda自带的python版本，我们再打开环境变量
 
C:\ProgramData\Anaconda3;
C:\ProgramData\Anaconda3\Library\mingww64\bin;
C:\ProgramData\Anaconda3\Library\usr\bin;
C:\ProgramData\Anaconda3\Library\bin;
C:\ProgramData\Anaconda3\Scripts;
C:\ProgramFiles\Python37\Scripts\;
C:\ProgramFiles\Python37\;
%SystemRoot%\system32;
%SystemRoot%;
%SystemRoot%\System32\Wbem;
%SYSTEMROOT%\System32\WindowsPowerShell\v1.0\;
C:\Program Files\PuTTY\
 
发现原生Python路径还在，同时在原生Python路径之前多了与Anaconda相关的路径，因此Anaconda自带安装的Python并不会覆盖掉原生Python，但为什么输python --version显示的是Anaconda的版本而不是原生的呢？这是因为环境变量优先级的缘故，这里Anaconda在前，原生在后，更改他们的顺序后输入python --version可以得到原生的版本号，有兴趣的童鞋可以自己尝试。
 
C:\Program Files\Python37;
C:\ProgramFiles\Python37\Scripts\;
C:\ProgramData\Anaconda3;C:\ProgramData\Anaconda3\Library\mingww64\bin;
C:\ProgramData\Anaconda3\Library\usr\bin;
C:\ProgramData\Anaconda3\Library\bin;
C:\ProgramData\Anaconda3\Scripts;
%SystemRoot%\system32;
%SystemRoot%;
%SystemRoot%\System32\Wbem;
%SYSTEMROOT%\System32\WindowsPowerShell\v1.0\;
C:\Program Files\PuTTY\
 
 
因此方法一来了，把原生python安装路径下的python.exe改为python_ori.exe
 
 
再把Anaconda安装路径下的python.exe改为python_ana.exe
 
 
查看版本：
 
 
使用时要注意区分，如进行pip安装时
 
python_ori –m pip install 包名
 
python_ano –m pip install 包名
 
2.2.2 方法二：通过切换虚拟环境
 
输入
 
conda info -e  或者  conda-env list
 
查看Anaconda中当前存在的环境
 
 
可以看到当前只存在一个叫做base的环境，这个环境即是Anaconda安装的Python版本
 
Anaconda装的版本是3.6.5的，假如我们想使用2.7版本的，这时可以通过创建虚拟环境来实现，输入
 
conda create -n python27 python=2.7
 
不用管是输入2.7.x，还是2.7，conda会为我们自动寻找2.7.x中的最新版本，再次查看Anaconda中存在的环境
 
 
发现较之前多了一个python27，我们到Anaconda安装目录查看envs文件夹下的python27
 
 
点进去看发现这不就是一个python安装过后的文件吗，说是创建虚拟环境，其实是真实的安装了Python2.7，我们切换至2.7版本的，输入
 
activate python27
 
切换成功后前面多一个python27
 
 
这时我们保留原生python就有了思路：
 
1）在Anaconda安装目录下的envi文件内新建一个名为python_ori的文件（没有envs文件夹就自己新建）
 
2）将原生python整个安装目录复制python_ori
 
 
3）全部复制后粘贴到python_ori
 
 
4）cmd后激活切换至原生的python
 
 
查询版本号
 
 
没问题，3.7.4是原生版本，那是那个味哈哈。
 
3. 结束语
 
关于python自带IDLE的问题：如果想用Python自带的ILDE只需在找到idel.bat文件，双击运行即可
 
Anaconda自带的python的idel.bat路径这里我把我的路径贴出来，同理其他版本的可在envs中找到
 
C:\ProgramData\Anaconda3\Lib\idlelib
 
关于配置其他集成开发环境的问题：如果使用pycharm开发，找到设置解释器的地方，可以选择Anaconda自带的python.exe，也可以选择envs下不同版本的python.exe,具体看个人需要。
 
注：因水平有限，有错误之处还请不吝指教。

 
文章目录
 
工件坐标的创建
运行路径的创建
仿真与录像
   
  
 


 本文在一个已经
搭建好机械模型，同时
完成机器人系统的创建后的机器人运行路径的创建过程。初始时的界面如下：

 

 
 
 
工程文件已上传到网盘
 包括：初始工程文件（03Practice_init.rspag）、完成后的工程文件（03Practice.rspag）、模型文件
 链接：https://pan.baidu.com/s/1f0RL-iLBm2Kxd0NbLduv0Q
 提取码：rs03
 
 
工件坐标的创建
 

 
 
运行路径的创建
 
首先创建一个空路径
 
改变机器人的姿态，使工具移动到目标点进行示教。
 
 
 
 
 
动作类型 
  
Joint：机器人以点到点的形式到此点（不走直线，各轴自由运动）
Linear：机器人以直线运行方式从上一点运行到下一点
 
Conc 
  
禁用：机器人会精确到达此点
启用：机器人会依据Zone的参数，略过此点
 
Speed：机器人的运动速度
Zone：启用Conc时，机器人掠过目标点所经过圆弧轨迹的半径
 
测试到达能力并进行模拟运行
 
 
仿真与录像
 
将工作站同步到Rapid代码
 
 
进行仿真设定
 
播放并录制保存仿真视频。（录制的视频默认保存在 我的电脑/视频 目录下）