软件开发

使用 Node.js 构建一个根据询问创建文件的命令行工具。

要在三天内打造一个可玩的游戏，你需要一些快速而稳定的好工具。

gorilla/mux 包以直观的 API 提供了 HTTP 请求路由、验证和其它服务。

除了 pandas、scikit-learn 和 matplotlib，还要学习一些用 Python 进行数据科学的新技巧。

R 还是 Python ? Python 脚本模仿易使用的 R 风格函数，使得数据统计变得简单易行。

谁会拒绝蝙蝠侠的请求呢，对吧？所以让我们用 HTML 来写一封蝙蝠侠的情书。

Selenium 是浏览器自动化的绝佳工具。使用 Selenium IDE，你可以录制命令序列（如单击、拖动和输入），验证结果并最终存储此自动化测试供日后使用。

在这个比较 Python 框架的最后一篇中，让我们看看 Django。

本文介绍如何构建一个基于 Grails 的数据浏览器来可视化复杂的表格数据。

Python 测试工具最好的一方面是其强大的生态系统。这里列出了八个最好的插件。

用这个简单的工具生成带有多表的大型数据库，让你更好地用 SQL 研究数据科学。

toolz 库允许你操作函数，使其更容易理解，更容易测试代码。

学习如何使用 Redis 和 Python 构建一个位置感知的应用程序。

通过不断分析代码以了解潜在的质量问题，开源的 SonarQube 项目支持了 DevOps 的“尽早发布和经常发布” 的思维模式。

不可变性可以帮助我们更好地理解我们的代码。下面我将讲述如何在不牺牲性能的条件下来实现它。

尝试使用 Python 掌握机器学习、人工智能和深度学习。

不需要昂贵的工具即可领略数据科学的力量，从这些开源工具起步即可。

在本实验中，你将为你的操作系统写内存管理方面的代码。

我们将会在本篇文章中看到从零开始实现的编译器，将简单的类 LISP 计算语言编译成 JavaScript。

这个系列的文章介绍了如何使用 Fedora 提供的工具来给网页“瘦身”。

这篇文章针对的是那些希望理论与实践完美结合的观众。我会告诉你一些理论，以便你了解幕后发生的事情，然后我会向你展示如何编写一些 React.js 代码。

Argbash 是一个代码生成器，它为你的脚本生成一个量身定制的解析库。与其他 bash 模块的通用代码不同，它生成你的脚本所需的最少代码。

我来介绍一下我是如何使用 Python 来节省成本的。

使用 Python behave 框架的行为驱动开发模式可以帮助你的团队更好的协作和测试自动化。

灵活多样的 Python 库为数据分析和数据挖掘提供了强力的机器学习工具。

在今天的演讲中，我想讨论五个有助于提高 Go 性能的特性。我还将与大家分享 Go 如何实现这些特性的细节。

Linux 上的开发工具如此之多，以至于会担心找不到恰好适合你需要的。

React 组件可以通过多种方式决定渲染内容。你可以使用传统的 if 语句或 switch 语句。在本文中，我们将探讨一些替代方案。但要注意，如果你不小心，有些方案会带来自己的陷阱。

这个月的 Python 专栏将介绍一些 Django 包，它们有益于你的工作，以及你的个人或业余项目。

使用这些库把 Python 变成一个科学数据分析和建模工具。

检查你的代码的质量，通过这些外部库使其更易维护。

在这篇文章中，我将讨论为什么你需要尝试一下 Go 语言，以及应该从哪里学起。

我将向你介绍让 Git 的启动、运行，并和 GitHub 一起使用的基础知识。

五分钟创建定制 GUI。

通过学习这些关键的术语和概念来理解 Python 应用监测。

这些库可以使你更容易构架个人项目。

这篇文章介绍差异文件（diff）和补丁文件（patch），以及它们如何在开源项目中使用的例子。

用这个方便的工具来更有效的运行和编译你的程序。

安装启用 Python 扩展后，VS Code 可以配置成理想的 Python 开发工作环境。本文将介绍一些有用的 VS Code 扩展，并配置它们以充分提高 Python 开发效率。

为了在 Python 中快速构建 API，我主要依赖于 Flask。最近我遇到了一个名为 “API Star” 的基于 Python 3 的新 API 框架。

Python 标准库提供了一个名为 pdb 的调试器。此调试器提供了调试所需的大多数功能，如断点、单行步进、堆栈帧的检查等等。

今天，我会试着让你感受下关于 Twitter 的简单 情感分析，判断这个 Twitter 是正能量、负能量还是中性的。这不会像专业人士所用的那么复杂，但至少，它会让你知道挖掘观念的想法。

如果你正在阅读本文，那么你已经意识到了 Python 3.7 以及它所包含的新特性。就我个人而言，我对 Dataclasses 感到非常兴奋，因为我等了它一段时间了。

有些时候，混用响应式和非响应式代码似乎很有用。然后大家就开始热衷流的创造。不论是在编写异步代码或者是数据处理时，流都是一个不错的方案。

得到我的 awk 秘籍。

我使用一些代码来将 outlook 配置中的所有邮件写入一个临时文件中，现在让我来尝试解释一下这些代码。

在这篇文章中，我将尽可能客观的通过提供一些最小化的例子来比较这三个框架，以展示它们的能力。

这篇文章受到了我与同事讨论使用切片slice作为栈stack的一次聊天的启发。后来话题聊到了 Go 语言中的切片是如何工作的。我认为这些信息对别人也有用，所以就把它记录了下来。

在这个示例中，我将数据的保存和 MongoDB 分离，并创建另一个微服务去处理它。我还添加了 Kafka 为消息层服务，这样微服务就可以异步处理它自己关心的东西了。

从开源数据到开源事件流，了解一下 MQTT 发布/订阅（pubsub）线路协议。