MoreRSS

site iconDusays | 杜朋修改

博客 编程
曾任某集团酒店高级网络工程师、某大型 IT 教育网站技术运营总监。
RSS: https://dusays.com/atom.xml
请复制 RSS 到你的阅读器，或快速订阅到 :

Inoreader Feedly Follow Feedbin Local Reader

Dusays | 杜朋的 RSS 预览

如何使用 PHP 脚本筛选去不图床已到期用户邮箱

2025-10-16 00:00:00

因为图床程序暂不支持套餐到期通知，需要杜老师定期统计到期的用户，再通过邮箱发通知。每次统计时操作较麻烦，为了方便统计用户，尝试用 PHP 编写一个页面，可以筛选去不图床到期用户邮箱。

公告

去不图床会在用户的容量套餐到期后，发送邮件通知「请确保注册邮箱可用性」

通知内容包含数据到期时间「一般为容量到期后七天」如 5 月 24 日到期的用户，我们会保留数据到 5 月 31 日。

超过保留期限的数据会从数据库清除，但数据依然会保留在备份节点中。

为了方便用户从备份节点中恢复数据，去不图床定期「每半小时」同步至 OneDrive，需要的小伙伴可以访问 共享链接 获取备份数据，页面密码为 7bu.top。

脚本

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
 
<?php
// 数据库配置
$host = 'localhost';       // 数据库主机
$username = 'your_username'; // 数据库用户名
$password = 'your_password'; // 数据库密码
$database = 'your_database'; // 数据库名称

// 创建数据库连接
$conn = new mysqli($host, $username, $password, $database);

// 检查连接是否成功
if ($conn->connect_error) {
    die("连接失败: " . $conn->connect_error);
}

// 执行查询
$sql = "SELECT * FROM `users` WHERE `capacity` = 0.00 AND `size` != 0.0000";
$result = $conn->query($sql);

// 检查是否有结果返回
if ($result->num_rows > 0) {
    // 打开文件准备写入
    $file = fopen("1.txt", "w");

    // 写入表头
    $headers = [];
    while ($fieldinfo = $result->fetch_field()) {
        $headers[] = $fieldinfo->name;
    }
    fwrite($file, implode("\t", $headers) . "\n");

    // 写入每一行数据
    while ($row = $result->fetch_assoc()) {
        fwrite($file, implode("\t", $row) . "\n");
    }

    // 关闭文件句柄
    fclose($file);
    
    echo "数据已成功写入 1.txt";
} else {
    echo "没有匹配的记录";
}

// 关闭数据库连接
$conn->close();
?>

注意：以上是一个完整 PHP 脚本，用于连接 MySQL 数据库、执行 SQL 查询并将结果写入到 1.txt 文件中。

使用说明

  1. 将上述的代码保存为一个.php 文件如 export_users.php；

  2. 替换脚本中的数据库信息 your_username/your_password/your_database 为您自己的实际数据库凭证；

  3. 确保运行该脚本的服务器支持 PHP 并且可以访问 MySQL 数据库；

  4. 当通过浏览器或命令行访问这个 PHP 页面时，它会执行查询并将结果写入到当前目录下的 1.txt 文件。

输出示例

1
2
3
4
 
email
[email protected]
[email protected]
[email protected]

注意：确保 PHP 环境有权限写入目标文件「如 1.txt」

Focalboard 开源项目管理的有力工具

2025-10-10 00:00:00

在当今数字化协作时代，高效的项目管理工具对于团队的成功至关重要。Focalboard 作为一款开源的项目管理软件，正在逐渐崭露头角，受到了众多团队和个人青睐。

简介

Focalboard 是由 Mattermost 开发的功能强大开源项目管理和协作工具，能够以看板形式灵活地组织任务，创建详细笔记，并方便地共享文件。它支持创建各种类型的笔记页面，记录数字、链接、文字等多种类型的信息，且内置多种模板供用户直接套用编辑：

Focalboard 具有以下的特点：一是开源免费，数据自行托管，用户可将其部署在自己本地服务器上，确保数据安全可靠；二是支持多种平台，包括 Windows/macOS/Linux/iOS 和 Android 等，方便用户随时随地接入项目；三是具备丰富功能，如拖放卡、进出口板、按状态或着截止日期等过滤板和任务，以及支持多人协作、文件共享、团队和直接消息等；四是界面简洁易用，操作便捷，易于上手：

安装

使用 Docker 安装 Focalboard。

输入命令 docker run -it -p 80:8000 mattermost/focalboard 后，等待安装完成。安装成功后在浏览器输入 localhost:8000 即可进入 Focalboard 的登录界面。

或直接下载安装包安装。

可前往 Focalboard 官方网站，下载适用于不同操作系统的个人桌面版安装包，按照提示完成安装。

使用

在 Focalboard 的欢迎屏幕上，用户可选择创建新的团队并设置团队名称。

进入团队页面，点击创建看板按钮，根据需要选择看板类型，例如项目任务、内容日历、公司目标与 OKR、路线图等模板创建看板，也可创建空白看板自行设计。

还可设置看板名称、描述以及背景色等信息。

在看板上，通过点击添加卡片按钮来创建新任务卡片。

可以在卡片中输入任务描述，并为卡片添加标签、截止日期、优先级等属性，以便更好对任务进行分类和管理。

同时，可以将任务卡片分配给团队中的不同成员，明确责任分工。

团队成员可在看板上实时查看和编辑任务卡片，共同推进项目进度。

在卡片添加评论和讨论，提及队友以引起他们的注意，分享想法意见，实现高效协作沟通。

此外，还可以通过 Focalboard 的团队和直接消息功能，进一步加强团队成员之间的交流。

Focalboard 还支持文件共享，用户可以在任务卡片中上传相关文件，方便团队的成员查阅和下载。

可对看板进行筛选、分组、排序，快速找到所需的任务和信息。

还能查看历史记录、备份快照等等，确保数据安全性和可恢复性。

总结

Focalboard 作为一款开源的项目管理工具，凭借其丰富的功能、简洁易用的操作界面及数据自托管等优势，为个人和团队提供一个高效、可靠的项目管理和协作平台。

无论小型团队还是大型企业，都可利用 Focalboard 来规划项目、分配任务、跟踪进度并实现顺畅的协作，从而提高工作效率和项目成功率。

NodePass 开源的隧道工具重新定义内网穿透

2025-10-04 00:00:00

NodePass 是一个开源网络隧道工具，其基于 Go 语言开发，目标是让两台机器之间的通信变得简单又安全。想象一下，您有一台内网 Web 服务器，想让远在千里之外同事访问，NodePass 就能搭一座隐形的桥，把数据安全送过去。

简介

它的工作方式非常巧妙，用一个未加密 TCP 通道来传递信号，然后通过另一个支持加密的数据通道把实际内容传过去。

您可以把它跑在服务器模式，接受外来连接，也可跑客户端模式，去连别人的服务器。

整个过程配置简单，资源占用较低，还支持 Docker 部署。

作为 GitHub 上开源项目，NodePass 用 MIT 许可证，代码全部公开，社区也挺活跃。

官网

项目官网地址：

https://github.com/yosebyte/nodepasshttps://github.com/yosebyte/nodepass

特色

开源免费：代码全在 Github 上，透明并且省钱。

简单易用：不用编写配置文件，命令行一敲就能跑。

轻量省心：从树莓派到服务器，在哪里都能跑。

功能硬核：支持 TCP 以及 UDP，多种加密。

安装

NodePass 提供 Docker 镜像，可以使用下面命令部署，以服务器模式运行：

1
2
 
docker run -d --name nodepass-server -p 10101:10101 -p 8080:8080 \
  ghcr.io/yosebyte/nodepass server://0.0.0.0:10101/0.0.0.0:8080

以客户端模式运行：

1
2
3
4
5
 
docker run -d --name nodepass-client \
  -e MIN_POOL_CAPACITY=32 \
  -e MAX_POOL_CAPACITY=512 \
  -p 8080:8080 \
  ghcr.io/yosebyte/nodepass client://nodepass-server:10101/127.0.0.1:8080

探索网络实验的神器 Mininet

2025-09-28 00:00:00

在计算机网络的学习与研究领域，Mininet 是款极具价值的工具。它就像是一个迷您网络世界的构建者，为我们提供便捷的网络实验环境。本文将带您深入了解 Mininet 魅力所在，并手把手教您安装与使用它。

简介

Mininet 是一个用于创建虚拟化网络环境的平台。

它能够在一台计算机上快速构建出包含多个交换机、主机、路由器等网络设备拓扑结构。

对于网络研究人员、开发者以及网络课程的学生来说，Mininet 是一个理想实验平台。

通过它可以模拟大规模网络环境，进行各种网络协议研究、网络应用的开发测试以及网络教学演示等。

例如，如果您想研究一种新的网络路由算法，借助 Mininet 就可以轻松搭建出实验所需的网络场景，无需搭建实体网络设备，大大节省了成本和时间。

它的核心优势在于轻量级以及灵活性。Mininet 是基于 Linux 的用户模式 Linux 网络命名空间技术实现的，这使得它能很方便地在各种 Linux 系统上运行。

而且，Mininet 的网络拓扑结构可以灵活定制，无论是简单的链式拓扑、树形拓扑，还是复杂的自定义拓扑，都能通过简单的配置文件或命令行参数来实现。

同时，Mininet 还支持多种网络仿真工具集成，例如 Wireshark 等，方便针对网络流量进行分析。

安装

安装 Mininet 的过程相对简便，但需要确保您的系统满足一定的前提条件。以下是基于 Ubuntu 系统安装步骤。

首先，需要更新系统的软件包列表。在终端输入命令 sudo apt update，让系统获取最新软件包信息。

然后安装必要的依赖库。可通过运行 sudo apt -y install build-essential autoconf automake libtool pkg-config gawk git python python-pip python-dev tcpdump wireshark sqlite3 curl bzip2 openvswitch-datapath-dkms openvswitch-switch openvswitch-common 命令，可一次性安装这些依赖，它们是 Mininet 正常运行和后续功能扩展的基础。

接下来就是安装 Mininet 本身。可从 Mininet 的官方仓库克隆代码，可使用命令 git clone git://github.com/mininet/mininet，然后进入 Mininet 目录中，再运行 mininet/util/install.sh -a 命令进行安装。这个安装脚本会自动完成编译和安装过程，在安装完成后，系统会提示安装成功的相关信息。

使用

安装 Mininet 后，就可以开始体验它强大的功能了。最基本的使用方式是通过命令行来创建和操作网络拓扑。

创建网络拓扑。Mininet 提供了简单的命令行参数来快速创建常见的网络拓扑。

如运行命令 sudo mn，就会自动创建一个包含两个主机、一个交换机和一个控制器的简单网络拓扑。

主机间通过交换机进行通信，控制器用于管理交换机行为。

如果想要创建更复杂的拓扑，可使用--topo 参数。如使用命令 sudo mn --topo linear,4，就会创建四个主机呈线性连接的拓扑，主机 1 连接到交换机 1，交换机 1 连接到主机 2，依此类推，形成一条链式结构。

操作网络设备。创建好网络拓扑后，Mininet 会进入交互式命令行界面。在这个界面中，可对网络设备进行各种操作。

例如，可以通过 h1 命令进入主机 1 的命令行界面，在主机 1 上执行网络相关的命令，如 ping h2 来测试主机 1 和主机 2 之间的连通性。如果网络配置正确，应该可以看到主机 1 向主机 2 发送 ICMP 请求并收到回复的信息，这就表明网络通信是正常的。

对于交换机可以使用 ovs-vsctl 命令来查看和配置交换机的端口信息、流表等等。例如，ovs-vsctl show 命令可显示交换机的详细信息，包括交换机的名称、连接主机、端口号等。

可自定义脚本。当然，Mininet 也支持使用 Python 脚本来自定义更复杂的网络行为和实验场景。您可以编写自己的 Python 脚本来定义网络拓扑、配置网络设备参数及实现特定的网络功能。

例如，您可以通过继承 Mininet 的拓扑类，创建个包含多个子网络、不同带宽和延迟设置的复杂拓扑，并在脚本中对交换机的流表进行编程，实现特定流量转发策略，例如负载均衡、流量过滤等等。这种方式为用户提供了极大的自由度，能够满足各种个性化的网络实验需求。

总结

总之，Mininet 可作为一款网络实验工具，凭借简单易用、功能强大特点，在网络领域有着广泛的应用。

无论是初学者入门网络知识，还是专业研究人员进行深度网络研究，Mininet 都是一个不可或缺的得力助手。通过掌握 Mininet 安装与使用方法，就可以开启一段精彩的网络实验之旅，探索网络世界无限奥秘。

Ubuntu 系统无法通过 pip 命令安装 Python 库问题解决

2025-09-22 00:00:00

为了更好的执行 Python 脚本，杜老师习惯使用 Ubuntu 系统，不过在安装 Python 库时经常报错。收集了安装 Python 库的报错信息，并整理了解决办法，供需要的小伙伴们参考。

问题提示

这里以上一篇《使用 Python 脚本实现图片相似度匹配》文中代码为例，首次执行时的报错信息如下：

1
2
3
4
5
 
penn@penn-VMware-Virtual-Platform:~/图片$ python3 1.py
Traceback (most recent call last):
  File "/home/penn/图片/1.py", line 4, in <module>
    import imagehash
ModuleNotFoundError: No module named 'imagehash'

根据报错信息，提醒找不到 imagehash 模块，使用 pip3 命令安装需要的模块，结果又出现了错误信息。这个信息表明正在尝试在一个由操作系统管理的 Python 环境中直接安装 Python 相关的包，为了保证系统 Python 环境的稳定性和安全性而采取限制措施：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
 
penn@penn-VMware-Virtual-Platform:~/图片$ pip3 install imagehash
error: externally-managed-environment

× This environment is externally managed
╰─> To install Python packages system-wide, try apt install
    python3-xyz, where xyz is the package you are trying to
    install.
    
    If you wish to install a non-Debian-packaged Python package,
    create a virtual environment using python3 -m venv path/to/venv.
    Then use path/to/venv/bin/python and path/to/venv/bin/pip. Make
    sure you have python3-full installed.
    
    If you wish to install a non-Debian packaged Python application,
    it may be easiest to use pipx install xyz, which will manage a
    virtual environment for you. Make sure you have pipx installed.
    
    See /usr/share/doc/python3.13/README.venv for more information.

note: If you believe this is a mistake, please contact your Python installation or OS distribution provider. You can override this, at the risk of breaking your Python installation or OS, by passing --break-system-packages.
hint: See PEP 668 for the detailed specification.

解决方法

解决的方法有很多，这里推荐使用虚拟环境。因为使用虚拟环境可以避免直接修改系统的 Python 环境，同时方便管理依赖。按照提示创建一个虚拟环境，使用 python3 -m venv myenv 来创建虚拟环境，使用 source myenv/bin/activate 激活虚拟环境：

1
2
 
penn@penn-VMware-Virtual-Platform:~/图片$ python3 -m venv myenv
penn@penn-VMware-Virtual-Platform:~/图片$ source myenv/bin/activate

在激活虚拟环境后，使用以下命令安装所需的包。安装完成后运行命令 deactivate，退出虚拟环境：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
 
(myenv) penn@penn-VMware-Virtual-Platform:~/图片$ pip install imagehash
Collecting imagehash
  Downloading ImageHash-4.3.2-py2.py3-none-any.whl.metadata (8.4 kB)
Collecting PyWavelets (from imagehash)
  Downloading pywavelets-1.8.0-cp313-cp313-manylinux_2_17_x86_64.manylinux2014_x86_64.whl.metadata (9.0 kB)
Collecting numpy (from imagehash)
  Downloading numpy-2.2.5-cp313-cp313-manylinux_2_17_x86_64.manylinux2014_x86_64.whl.metadata (62 kB)
Collecting pillow (from imagehash)
  Downloading pillow-11.2.1-cp313-cp313-manylinux_2_28_x86_64.whl.metadata (8.9 kB)
Collecting scipy (from imagehash)
  Downloading scipy-1.15.2-cp313-cp313-manylinux_2_17_x86_64.manylinux2014_x86_64.whl.metadata (61 kB)
Downloading ImageHash-4.3.2-py2.py3-none-any.whl (296 kB)
Downloading numpy-2.2.5-cp313-cp313-manylinux_2_17_x86_64.manylinux2014_x86_64.whl (16.1 MB)
   ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 16.1/16.1 MB 21.3 MB/s eta 0:00:00
Downloading pillow-11.2.1-cp313-cp313-manylinux_2_28_x86_64.whl (4.6 MB)
   ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 4.6/4.6 MB 38.6 MB/s eta 0:00:00
Downloading pywavelets-1.8.0-cp313-cp313-manylinux_2_17_x86_64.manylinux2014_x86_64.whl (4.5 MB)
   ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 4.5/4.5 MB 38.6 MB/s eta 0:00:00
Downloading scipy-1.15.2-cp313-cp313-manylinux_2_17_x86_64.manylinux2014_x86_64.whl (37.3 MB)
   ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ 37.3/37.3 MB 41.4 MB/s eta 0:00:00
Installing collected packages: pillow, numpy, scipy, PyWavelets, imagehash
Successfully installed PyWavelets-1.8.0 imagehash-4.3.2 numpy-2.2.5 pillow-11.2.1 scipy-1.15.2

使用 Python 脚本实现图片相似度匹配

2025-09-16 00:00:00

随着相机像素越来越大，图片体积也变大了。在图片处理中，较大的文件体积会影响性能，因此杜老师会先生成缩略图，筛选完成后再通过 Python 脚本实现图片相似度匹配。这里是一个简单的示例，供需要的小伙伴们参考。

脚本说明

以下是个基于 Python 的脚本，使用 PIL 以及 imagehash 库来实现。

遍历目录 A 中所有图片。

在目录 B 中查找相似的图片「通过感知哈希算法判断」

如找到匹配项，则将图片复制到目录 C，并以目录 A 图片的名字命名。

安装依赖

1
 
pip install pillow imagehash

注意：在运行脚本前，需安装所需的 Python 库。

脚本示例

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
 
import os
import shutil
from PIL import Image
import imagehash

# 定义目录路径
dir_a = 'path/to/dirA'
dir_b = 'path/to/dirB'
dir_c = 'path/to/dirC'

# 设置相似度阈值（越小越严格）
threshold = 5

# 获取图片的感知哈希值
def get_image_hash(filepath):
    try:
        return imagehash.phash(Image.open(filepath))
    except Exception as e:
        print(f"无法处理文件 {filepath}: {e}")
        return None

# 判断两个哈希值是否相似
def is_similar(hash1, hash2):
    return hash1 - hash2 <= threshold

# 确保目标目录存在
os.makedirs(dir_c, exist_ok=True)

# 遍历目录 A
for filename in os.listdir(dir_a):
    file_a_path = os.path.join(dir_a, filename)
    
    # 检查是否为图片
    if not filename.lower().endswith(('.png', '.jpg', '.jpeg', '.gif', '.bmp')):
        continue
    
    hash_a = get_image_hash(file_a_path)
    if hash_a is None:
        continue

    # 遍历目录 B 寻找相似图片
    for b_filename in os.listdir(dir_b):
        file_b_path = os.path.join(dir_b, b_filename)
        
        # 检查是否为图片
        if not b_filename.lower().endswith(('.png', '.jpg', '.jpeg', '.gif', '.bmp')):
            continue
        
        hash_b = get_image_hash(file_b_path)
        if hash_b is None:
            continue

        if is_similar(hash_a, hash_b):
            # 构建目标路径
            file_c_path = os.path.join(dir_c, filename)
            # 复制并重命名文件
            shutil.copy(file_b_path, file_c_path)
            print(f"已找到匹配: {filename} -> {b_filename}, 已复制到 {file_c_path}")

注意：将 dir_a, dir_b 和 dir_c 替换为实际路径；threshold 控制图像相似度阈值，可以根据需要调整；支持多种常见格式图片文件；使用 imagehash.phash 进行感知哈希的比较，适合用于识别视觉上接近的图片。

运行效果

1
2
3
4
5
 
(myenv) penn@penn-VMware-Virtual-Platform:~/图片$ python3 1.py
已找到匹配: image105.jpg -> 1745928332994.jpg, 已复制到 c/image105.jpg
已找到匹配: image001.jpg -> 1745736425856.jpg, 已复制到 c/image001.jpg
已找到匹配: image017.jpg -> 1745736425221.jpg, 已复制到 c/image017.jpg
已找到匹配: image085.jpg -> 1745928334851.jpg, 已复制到 c/image085.jpg

注意：脚本运行过程可能会有错误提示，需要根据提示进行修复。