Showing Posts From
Python
EIP-1559 交易脚本的六个 Gas 坑：baseFee 突变到 nonce 冲突
写一个"清仓转账"的脚本——把地址里所有余额扫到目标地址，用 EIP-1559。核心代码大致这样： base_fee = w3.eth.get_block("latest")["baseFeePerGas"] priority_fee = w3.to_wei(0.1, "gwei") max_fee_per_gas = base_fee + priority_feegas_limit = 30000 fee = gas_limit * max_fee_per_gas amount = balance - feetx = { "to": w3.to_checksum_address(dst), "value": amount, "gas": gas_limit, "maxFeePerGas": max_fee_per_gas, "maxPriorityFeePerGas": priority_fee, "nonce": w3.eth.get_transaction_count(from_address), "chainId": CHAIN_ID, "type": 2, }跑起来经常报： insufficient funds for gas * price + value问题不是一处，是好几个细节叠加。 坑 1：maxFeePerGas 写死等于 baseFee + priority 节点校验时： balance >= value + gasLimit × maxFeePerGasbaseFee 每个区块都会浮动（EIP-1559 每次可变 ±12.5%）。你算完刚好够，几秒后新块 baseFee 涨了： max_fee < new_base_fee + priority要么交易过不了、要么"钱不够"。MetaMask 的做法是： max_fee_per_gas = base_fee * 2 + priority_feebase_fee * 2 是常规冗余系数——baseFee 一个区块最多涨 12.5%，2x 完全够缓冲。多花的部分节点会退还给你，只按 effectiveGasPrice 收。 坑 2：gasLimit 硬编码 普通转账 21000 够，Gravity 这类链要 30000。合约调用差别就更大了。别写死，先估算再加冗余： gas_limit = w3.eth.estimate_gas({ "from": from_address, "to": dst, "value": 1, }) gas_limit = int(gas_limit * 1.2)* 1.2 是通用的 20% 余量，避免 estimation 边缘 case。 坑 3：priority fee 硬编码 0.1 gwei 网络拥堵时 0.1 gwei 的小费根本进不了下一个块。用节点建议值： priority_fee = w3.eth.max_priority_fee或者查 feeHistory 取近期百分位： history = w3.eth.fee_history(5, "latest", [50]) priority_fee = max(history["reward"][-1][0], w3.to_wei(1, "gwei"))坑 4：nonce 用了 latest 默认： w3.eth.get_transaction_count(from_address) # 等价于 "latest"如果地址有未确认的 pending 交易，latest 会返回过时的 nonce，新交易和旧的撞车，两个都卡住。改成： nonce = w3.eth.get_transaction_count(from_address, "pending")坑 5：清仓转账没留冗余 amount = balance - fee 是理论极限。实际因为 baseFee 突变或 estimation 偏差，几乎必然凑不够。留一点小额缓冲： reserve = w3.to_wei(0.0001, "ether") amount = balance - fee - reserve坑 6：chainId 抄错 "chainId": 127001,链 ID 不匹配的交易节点直接拒。跟节点确认一次： print(w3.eth.chain_id)修正后的样板 base_fee = w3.eth.get_block("latest")["baseFeePerGas"] priority_fee = w3.eth.max_priority_fee max_fee_per_gas = base_fee * 2 + priority_feegas_limit = w3.eth.estimate_gas({ "from": from_address, "to": dst, "value": 1, }) gas_limit = int(gas_limit * 1.2)fee_ceiling = gas_limit * max_fee_per_gas reserve = w3.to_wei(0.0001, "ether") amount = balance - fee_ceiling - reserve if amount <= 0: raise RuntimeError("余额不足以支付 Gas + 冗余")tx = { "to": w3.to_checksum_address(dst), "value": amount, "gas": gas_limit, "maxFeePerGas": max_fee_per_gas, "maxPriorityFeePerGas": priority_fee, "nonce": w3.eth.get_transaction_count(from_address, "pending"), "chainId": w3.eth.chain_id, "type": 2, }一句话总结 EIP-1559 参数不是"算准就行"，是"抗突变才稳"。maxFee = baseFee * 2 + priority、gas = estimate * 1.2、nonce = pending，三件事一起做，出问题的概率会低一个数量级。
BIP39 助记词生成 Solana 地址：SLIP-10 + Ed25519 全流程
BIP39 助记词生成 ETH 地址靠 secp256k1 + keccak256，走 Solana 就完全换了一套——Ed25519 + SLIP-0010，最后不做 hash，直接 Base58 编码公钥。 全流程 助记词 (Mnemonic) │ PBKDF2-HMAC-SHA512 ▼ Seed (64 字节) │ SLIP-0010 (Ed25519) ▼ Master Key │ 按路径 m/44'/501'/0'/0' 派生 ▼ Ed25519 私钥 (32 字节) │ Ed25519 公钥算法 ▼ 公钥 (32 字节) │ Base58 编码 ▼ Solana 地址和 BTC/ETH 唯一相同的只有第一步"助记词转 seed"，之后全变了。 第一步：助记词 → seed 标准 BIP39，PBKDF2-HMAC-SHA512： password = 助记词字符串 salt = "mnemonic" + passphrase iters = 2048 output = 64 字节Python： from mnemonic import Mnemonicmnemo = Mnemonic("english") seed = mnemo.to_seed( "abandon abandon abandon abandon abandon abandon " "abandon abandon abandon abandon abandon about", passphrase="", ) print(seed.hex())第二步：seed → Master Key（SLIP-10 Ed25519） Solana 用 SLIP-0010（Ed25519 版本），和 BIP32 的 secp256k1 分道扬镳： I = HMAC-SHA512(key="ed25519 seed", data=seed) IL = master private key (32 字节) IR = master chain code (32 字节)第三步：派生路径 Solana 默认路径： m/44'/501'/0'/0'44'：BIP44 501'：Solana 的 coin type 0'：account 0'：change每一级都是 hardened derivation（' 表示 + 2³¹）。Ed25519 只支持 hardened 派生，非 hardened 会直接报错。 第四步：公钥 & 地址 私钥经 Ed25519 算出 32 字节公钥。地址 = Base58(公钥)，就这么简单：没有 SHA-256 double hash 没有 RIPEMD-160 没有 keccak 没有 checksum（Base58 本身没自带校验，也没有像 BTC 那样附 4 字节 hash）Python 一把梭 bip_utils 把上面所有细节封好了： from bip_utils import Bip39SeedGenerator, Bip44, Bip44Coinsmnemonic = ("abandon abandon abandon abandon abandon abandon " "abandon abandon abandon abandon abandon about")seed = Bip39SeedGenerator(mnemonic).Generate()bip44 = Bip44.FromSeed(seed, Bip44Coins.SOLANA) account = bip44.Purpose().Coin().Account(0).Change(Bip44Changes.CHAIN_EXT).AddressIndex(0)print("地址:", account.PublicKey().ToAddress()) print("私钥:", account.PrivateKey().Raw().ToHex())Phantom / Solflare 里的第一个账号导出出来应该跟上面一样。 常见误区 Solana 地址和 ETH 地址长得像 其实完全不同：ETH 地址：40 字符 hex + 0x 前缀，checksum 在 EIP-55 里靠大小写实现 Solana 地址：Base58 编码的 32 字节公钥，长度 32~44 字符，无固定前缀Solana 私钥文件是 64 字节而不是 32 Solana 的钱包 JSON（Phantom 导出）通常是 64 字节：前 32 是私钥 seed、后 32 是公钥。生成时： priv32 = account.PrivateKey().Raw().ToBytes() pub32 = account.PublicKey().RawUncompressed().ToBytes()[-32:] keypair_bytes = priv32 + pub32 # 64 字节导入 solana-cli 或 Phantom 时用这个格式。 Ed25519 派生路径可以省略部分层级 Phantom 早期用 m/44'/501'/0'（只三层）而非 m/44'/501'/0'/0'——同一助记词在这两种路径下算出来的地址不同。发现"钱包地址对不上"时先检查是不是路径差异，试试：m/44'/501'/0' — Phantom "legacy" m/44'/501'/0'/0' — 现在的默认一句话总结 Solana 地址生成 = BIP39 seed → SLIP-10 Ed25519 派生 → Base58(公钥)。和 EVM 完全两套加密路径，别拿 ETH 的经验类比。用 bip_utils 三行搞定，别自己实现 Ed25519。
Python 模拟键盘输入：中文乱码和 Citrix 场景的应对
自动化脚本里想模拟键盘输入——听着简单，一遇到中文、遇到 Citrix / RDP / 游戏窗口，坑就一个接一个来。列一下常用方案和各自适用场景。 方案对比库 优点 缺点pyautogui 跨平台、简单 中文经常挂、后台窗口不响应keyboard 全局事件、监听热键 Windows 常需管理员、后台无效pywin32 支持后台 WM_CHAR 某些程序（浏览器、游戏）不响应 WM_CHARctypes + WinAPI 无依赖、最底层 需要处理 scan code、代码稍长剪贴板 + Ctrl+V 中文、长文本最稳 会覆盖用户剪贴板最简单：pyautogui import pyautogui, time time.sleep(3) # 3 秒切窗口 pyautogui.write("hello world") # 输入英文 pyautogui.press("enter") # 按键 pyautogui.hotkey("ctrl", "c") # 组合键interval 参数控制打字间隔： pyautogui.write("hello", interval=0.05)中文乱码怎么办 pyautogui.write("你好") 本质是把字符串拆成一个个按键事件。中文没有对应的物理按键，很多环境（尤其 Citrix、RDP、游戏、浏览器某些输入框）会输入乱码或干脆吞掉。 最稳的做法是 走系统剪贴板 + Ctrl+V： import pyperclip, pyautogui, timepyperclip.copy("你好世界，长文本也行") time.sleep(2) # 切窗口 pyautogui.hotkey("ctrl", "v")优点：支持中文 / emoji / 特殊字符 支持超长文本（比逐字模拟快百倍） 兼容大多数远程桌面 / Citrix缺点：会覆盖用户当前剪贴板（可以备份再还原） 需要目标窗口支持 Ctrl+V带备份还原的完整版本： import pyperclip, pyautogui, timedef paste_text(text): backup = pyperclip.paste() pyperclip.copy(text) time.sleep(0.1) pyautogui.hotkey("ctrl", "v") time.sleep(0.1) pyperclip.copy(backup)后台发送到指定窗口 前台切换太打扰人，想在不抢焦点的情况下往某个窗口发内容： import win32gui, win32api, win32conhwnd = win32gui.FindWindow(None, "记事本") for ch in "hello": win32api.SendMessage(hwnd, win32con.WM_CHAR, ord(ch), 0)局限：浏览器 / 游戏 / Citrix / 远程桌面通常不响应 WM_CHAR（安全考虑） 只对纯 Win32 原生窗口有效不响应的目标只能回到"抢焦点 + 真实按键"路线。 Citrix 里传大数据 场景：本机 → Citrix → 内网服务器，想把一个几 MB 的文件传过去，只能靠键盘输入。 技巧：本机 base64 编码文件（比 hex 省一半体积） 分块用 pyautogui.write 发（每块 4 KB 左右） 内网服务器上再解码import pyautogui, base64, timewith open("payload.bin", "rb") as f: data = base64.b64encode(f.read()).decode()time.sleep(3) # 切到 Citrix 窗口 CHUNK = 4096 for i in range(0, len(data), CHUNK): pyautogui.write(data[i:i + CHUNK], interval=0.001) time.sleep(0.1) pyautogui.press("enter")内网服务器上有 Python / Bash 就 base64 -d 还原。 监听全局热键 想按 F8 触发某个动作： import keyboard keyboard.wait("f8") print("触发")Windows 上需要管理员运行才能读到全局键盘事件。 一句话总结 英文短文本用 pyautogui.write；中文和长文本用剪贴板 + Ctrl+V；Citrix/RDP 传大数据用 base64 + 分块 write。后台无焦点发送只对纯 Win32 窗口有效。
Python 读取 YAML：safe_load 和转对象访问
Python 里读 YAML 配置文件，标准做法就是 PyYAML。 安装 pip install pyyaml示例配置 config.yaml： server: host: 127.0.0.1 port: 8000database: user: root password: 123456names: - alice - bob基础读取 import yamlwith open("config.yaml", "r", encoding="utf-8") as f: data = yaml.safe_load(f)print(data["server"]["host"]) # 127.0.0.1 print(data["names"]) # ['alice', 'bob']永远用 safe_load，别用 yaml.load。safe_load 拒绝任意 Python 对象反序列化，避开加载不受信配置时的 RCE 风险。 转对象访问（少写引号） 字典下标写多了嫌烦，可以套一层 SimpleNamespace： from types import SimpleNamespace import yamlwith open("config.yaml", encoding="utf-8") as f: data = yaml.safe_load(f)cfg = SimpleNamespace(**data) print(cfg.server) # 但 cfg.server 还是 dict只包一层不够——嵌套的字典还得递归转： from types import SimpleNamespace import yamldef to_obj(d): if isinstance(d, dict): return SimpleNamespace(**{k: to_obj(v) for k, v in d.items()}) if isinstance(d, list): return [to_obj(i) for i in d] return dwith open("config.yaml", encoding="utf-8") as f: cfg = to_obj(yaml.safe_load(f))print(cfg.server.host) # 127.0.0.1 print(cfg.database.user) # root工程项目更推荐用 pydantic.BaseModel 或 dataclass——能顺带做类型校验： from pydantic import BaseModel import yamlclass ServerCfg(BaseModel): host: str port: intclass Config(BaseModel): server: ServerCfg names: list[str]with open("config.yaml", encoding="utf-8") as f: cfg = Config(**yaml.safe_load(f))print(cfg.server.host)输出 YAML 反向写文件同样常用： import yamldata = {"server": {"host": "0.0.0.0", "port": 80}}with open("out.yaml", "w", encoding="utf-8") as f: yaml.safe_dump(data, f, allow_unicode=True, sort_keys=False)allow_unicode=True 中文不会变成 \uXXXX sort_keys=False 保持字段顺序一句话总结 yaml.safe_load(open(..., encoding="utf-8")) 起步，需要结构化访问就 pydantic。写回用 safe_dump + allow_unicode=True。
ModuleNotFoundError: 'Crypto' — pycryptodome 与 pycryptodomex 的坑
代码里： from Crypto.Cipher import AES一跑就崩： ModuleNotFoundError: No module named 'Crypto'网上一查装个 pycrypto——别装，那个包 2013 年就停维护了，还有已知漏洞。 两个包，两个命名空间 现在的正主是这两个，装错任何一个都不通用：包名 导入命名空间pycryptodome from Crypto...pycryptodomex from Cryptodome...pycryptodome：兼容老代码，占用 Crypto 顶层名字 pycryptodomex：改名版本，把命名空间挪到 Cryptodome，避免和老 pycrypto 冲突同一个环境里最多装一个。要是老代码用 from Crypto...，就装 pycryptodome。 装到虚拟环境里，别装到系统 Python PyCharm / VSCode 打开项目通常自动激活了虚拟环境（比如 .venv），但你在别的终端 pip install 时可能装到系统 Python 去了： pip install pycryptodome # 装哪儿了？看运气最稳的写法是显式用当前项目的 Python： D:\Projects\myapp\.venv\Scripts\python.exe -m pip install pycryptodome或者： py -m pip install pycryptodome # Windows py launcher python -m pip install pycryptodome # 当前激活的解释器检查装到哪里了 where python python -c "import sys; print(sys.executable)" python -m pip show pycryptodomeLocation 字段就是包所在目录，肉眼比对一下是不是当前项目的 site-packages。 老代码遇到 pycryptodomex 某些镜像里预装的是 pycryptodomex。老代码不想改的话，兼容层写一下： try: from Crypto.Cipher import AES except ImportError: from Cryptodome.Cipher import AES一句话总结 Crypto = pycryptodome，Cryptodome = pycryptodomex，二选一装到当前项目 Python 里。用 python -m pip install 比裸 pip install 稳。
Python list 转 dict/map 的五种常见姿势
Python 里说"list 转 map"通常指的是把列表变成字典（dict）。到底怎么转，取决于原始 list 长什么样。 1. 两个平行 list 转 dict keys 和 values 是分开的两列： keys = ["a", "b", "c"] values = [1, 2, 3]m = dict(zip(keys, values)) # {'a': 1, 'b': 2, 'c': 3}2. 二元组 list 转 dict 已经是 (key, value) 对： data = [("a", 1), ("b", 2), ("c", 3)] m = dict(data) # {'a': 1, 'b': 2, 'c': 3}3. 字典 list 按字段索引（最常用） 后端返回一堆对象，前端要按 ID 查——最典型场景： users = [ {"id": 1, "name": "Tom"}, {"id": 2, "name": "Jack"}, {"id": 3, "name": "Lucy"}, ]m = {u["id"]: u for u in users}m[2] # {'id': 2, 'name': 'Jack'}如果 key 会重复，改成分组： from collections import defaultdictgroups = defaultdict(list) for u in users: groups[u["dept"]].append(u)4. Python 内建 map() 函数 如果说的是 map() 而不是"映射"： nums = [1, 2, 3, 4] result = list(map(lambda x: x * 2, nums)) # [2, 4, 6, 8]更 Pythonic 的写法是列表推导： result = [x * 2 for x in nums]5. 统计次数 用 Counter： from collections import Counterlst = ["a", "b", "a", "c", "a"] Counter(lst) # Counter({'a': 3, 'b': 1, 'c': 1})记忆表输入形态 用法两列 keys + values dict(zip(keys, values))[(k, v), ...] dict(data)[{...}, ...] 按字段 {u[key]: u for u in list}对每个元素求值 [f(x) for x in list]统计次数 Counter(list)
uv 依赖冲突：requires-python 太宽 + Windows 装 triton 的双坑
上一个 CV 项目，uv sync 直接崩： × No solution found when resolving dependencies for split (markers: python_full_version == '3.8.*'): ↳ Because the requested Python version (>=3.8) does not satisfy Python>=3.9.0 and numpy>=1.26.0 depends on Python>=3.9,<3.13, we can conclude that numpy>=1.26.0 cannot be used.看起来是"numpy 装不上"，其实是 Python 版本范围和依赖范围打架。 症状识别：requires-python 太宽 pyproject.toml 里如果写了： requires-python = ">=3.8"uv 会尝试为 3.8 / 3.9 / ... / 3.12 全部找一套解。numpy ≥ 1.26 要求 Python ≥ 3.9，Python 3.8 直接被排除——solver 认为"你说要支持 3.8，但 3.8 没解"，结论：无解。 解法：收紧 requires-python 改成现代 AI 项目实际支持的范围： requires-python = ">=3.10,<3.13"理由：numpy ≥ 1.26 要求 Python ≥ 3.9 torch 2.x + Windows 的 wheel 覆盖到 3.12 3.13 太新，很多 native wheel 还没出之后 uv sync 通常就过了。 另一坑：Windows 上 triton 无解 同一个项目继续装： uv pip install triton× No solution found: triton<=2.1.0 has no wheels with a matching Python ABI tag (e.g., cp312) triton>=2.2.0 has no wheels with a matching platform tag (win_amd64)不是版本冲突，是 triton 官方根本不出 Windows wheel。Linux 有 manylinux_x86_64，macOS 部分版本有，Windows 是空白。 Windows 上处理 triton 的三条路 方案 A：上 WSL2（推荐） 装个 Ubuntu，在里面： python3.11 -m venv venv source venv/bin/activate pip install triton torchCUDA、torch、triton 生态齐活。 方案 B：直接放弃 triton 只是跑 inference 或 demo，很多模型不强依赖 triton： uv remove triton代码里如果有 import triton，包一层 try/except 或者按平台条件装： [project.optional-dependencies] gpu = ["triton; sys_platform == 'linux'"]方案 C：走 Linux 服务器 有云 GPU 就直接扔上去，从头就没 Windows 这个问题。 uv 常用的调试思路 # 看清依赖树里谁在拉某个包 uv tree | grep numpy# 只解析不装，快速试冲突 uv lock# 指定用某个 Python uv sync --python 3.11# 显式约束某个包 uv add "numpy>=1.26,<2"一句话总结 uv 报 no solution，先看两点：requires-python 范围是不是包了依赖不支持的旧 Python、目标平台是不是根本没轮子。Windows 上装 triton 是无解，别死磕。
Python JSONDecodeError 排查清单：从 NaN 到编码 BOM
json.loads 抛 JSONDecodeError 时，异常信息里有行号、列号、字节偏移量——先把这三个印出来，问题基本就定位了： import jsontry: data = json.loads(content) except json.JSONDecodeError as e: print(e) print("line:", e.lineno, "col:", e.colno, "pos:", e.pos) print(content[max(0, e.pos - 40): e.pos + 40])最后一行把出错位置前后 40 个字符打出来，肉眼就能看出问题。以下是几种常见踩坑。 1. 根本不是合法 JSON（最常见） 抓了一段"对象序列"贴进来： { "id": 1 }, { "id": 2 }这不是合法 JSON，缺个数组外壳。要么改成： [ { "id": 1 }, { "id": 2 } ]要么按字段包一层： { "objects": [...] }2. NaN / Infinity 没引号 标准 JSON 不支持 NaN、Infinity。这样合法： {"z": "NaN"} ← 字符串这样非法： {"z": NaN} ← Python json.loads 会崩服务端如果是 Python json.dumps(..., allow_nan=True) 输出的，可能就是裸 NaN。解决办法： import json data = json.loads(content, parse_constant=lambda x: None) # 或 data = content.replace("NaN", "null") data = json.loads(data)3. 结尾多逗号 也是非标准 JSON： { "a": 1, "b": 2, ← 这个逗号 Python 不接受 }用 json5 或者预处理正则去掉最后一个逗号： import re content = re.sub(r",\s*([}\]])", r"\1", content)4. UTF-8 BOM 从 Windows 记事本另存的 JSON 常带 BOM，第一个字符是 ： json.loads(content) # JSONDecodeError: Expecting value: line 1 column 1 (char 0)读文件时用 utf-8-sig： with open("data.json", encoding="utf-8-sig") as f: data = json.load(f)5. 数字全被当字符串了 不会抛异常，但会让下游算错： {"x": "1228.86"}type(obj["x"]) 是 str，要计算得先转： x = float(obj["x"])批量转的话用一个小函数： def to_float_fields(d, fields): for f in fields: if f in d: d[f] = float(d[f]) return d6. 单引号不是 JSON 从 Python print(dict) 复制的字符串是单引号： {'id': 1, 'name': 'Tom'}这不是 JSON，是 Python repr。要么请对方 json.dumps 输出，要么本地 ast.literal_eval： import ast data = ast.literal_eval("{'id': 1, 'name': 'Tom'}")literal_eval 只解析字面量，比 eval 安全得多。 一句话总结 JSONDecodeError 第一步永远是把 e.pos 附近的原文打出来。九成情况能在 30 秒内定位到具体字符是啥。
PyInstaller 打包 FastAPI + uvicorn：能跑起来的最小写法
想把 FastAPI 项目打包成一个 exe 发给非技术用户，直接： pyinstaller -F main.py跑一下崩得七七八八。因为 uvicorn 走的是字符串式导入，PyInstaller 环境下拿不到；再加上一堆子模块（uvicorn.loops.*、starlette.*）静态分析捞不全。 正确起步：写个 start.py 不要直接打 main.py，写个显式导入 app 对象的启动文件： # start.py from main import app # 直接拿对象，不用字符串 import uvicornif __name__ == "__main__": uvicorn.run(app, host="0.0.0.0", port=8000)对应的 main.py： from fastapi import FastAPI app = FastAPI()@app.get("/") async def root(): return {"hello": "world"}打包 start.py： pyinstaller -F start.pyCould not import module "main" 的原因 如果 start.py 里写： uvicorn.run("main:app", host="0.0.0.0", port=8000)main:app 是字符串，uvicorn 会在运行时 importlib.import_module("main")。PyInstaller 打包后 main 不在 sys.path 里，直接崩： Error loading ASGI app. Could not import module "main"改成直接 import + 传对象最省事： from main import app uvicorn.run(app, ...)或者告诉 PyInstaller 也带上 main： pyinstaller -F start.py --hidden-import=mainuvicorn 子模块丢失 跑起来抛： ModuleNotFoundError: No module named 'uvicorn.loops'uvicorn 有一堆按需加载的 loop / protocol / logger 子模块，PyInstaller 全漏了。一次性带上： pyinstaller -F start.py \ --collect-all fastapi \ --collect-all uvicorn \ --collect-all starlette \ --collect-all pydantic--collect-all X = 把 X 及其所有子模块、数据文件、二进制全打进去。 静态文件 / 模板 用了 StaticFiles 或 Jinja2Templates 得加数据： Windows： pyinstaller -F start.py ^ --add-data "templates;templates" ^ --add-data "static;static"Linux/macOS： pyinstaller -F start.py \ --add-data "templates:templates" \ --add-data "static:static"代码里读路径要兼容 PyInstaller 临时目录： import sys, os from fastapi.staticfiles import StaticFiles from fastapi.templating import Jinja2Templatesdef base_path(): return getattr(sys, "_MEIPASS", os.path.dirname(os.path.abspath(__file__)))app.mount("/static", StaticFiles(directory=os.path.join(base_path(), "static")), name="static") templates = Jinja2Templates(directory=os.path.join(base_path(), "templates"))后台运行、无 CMD 窗口 想双击不弹黑框： pyinstaller -F -w start.py --collect-all uvicorn ...-w 关控制台。注意：关了控制台，print / uvicorn 的日志就看不到了，改成写日志文件： uvicorn.run( app, host="0.0.0.0", port=8000, log_config={ "version": 1, "handlers": { "file": {"class": "logging.FileHandler", "filename": "app.log"}, }, "root": {"handlers": ["file"], "level": "INFO"}, }, )完整命令模板 一次搞定： pyinstaller -F -w start.py ^ --name myapi ^ --icon app.ico ^ --add-data "templates;templates" ^ --add-data "static;static" ^ --collect-all fastapi ^ --collect-all uvicorn ^ --collect-all starlette ^ --collect-all pydantic产物：dist/myapi.exe，双击就是一个后台服务。 什么时候别打包生产环境线上服务：Docker / systemd 更好 要热更新：exe 每次改代码都要重打 依赖 GPU / CUDA：打包体动辄几百 MB 多用户 / 高并发：exe 里塞 uvicorn 效率一般PyInstaller 更适合：内网小工具、给客户发一个"点两下就跑"的本地 API、演示 demo。 一句话总结 写 start.py + 直接 import app + --collect-all 四个关键字。字符串导入是坑，把 uvicorn 家族收全就通了。
Windows 报 WinError 206 路径太长？三种彻底解法
Python 里跑数据集处理，Windows 突然崩： FileNotFoundError: [WinError 206] 文件名或扩展名太长。: 'cache\\vendor\\dataset_2026\\...\\CAM_FRONT_WIDE_H110_HR\\virtual_image'不是数据太大，是这个路径字符串太长——超过了 Windows 老古董的 MAX_PATH = 260 限制。分批读取、分段处理、分次遍历都没用，open() 那一刻就已经炸了。 方案一：开注册表长路径支持（一次性） Windows 10/11 内核其实支持长路径，但默认关着。管理员 PowerShell： New-ItemProperty ` -Path "HKLM:\SYSTEM\CurrentControlSet\Control\FileSystem" ` -Name "LongPathsEnabled" ` -Value 1 ` -PropertyType DWORD ` -Force或 CMD： reg add HKLM\SYSTEM\CurrentControlSet\Control\FileSystem ^ /v LongPathsEnabled /t REG_DWORD /d 1 /f重启电脑，或者至少重启 Python / IDE 让新进程读到设置。 注意：仅这一步对某些老 Python API、部分 C 扩展、zipfile、shutil 不一定生效——它们内部还在走 260 限制的老 API。 方案二：\\?\ 前缀（最稳） Windows 内核 API 支持超长路径，但要显式加 \\?\ 前缀： import osdef win_long_path(path: str) -> str: """把路径转成支持超长的形式""" p = os.path.abspath(path) if not p.startswith("\\\\?\\"): p = "\\\\?\\" + p return pwith open(win_long_path(long_path)) as f: ...关键点：必须是绝对路径，\\?\ 不认相对路径 全程用反斜杠 \，不能混用正斜杠 UNC 路径（\\server\share\...）要写成 \\?\UNC\server\share\...这是数据管线、爬虫抓文件时最常用的做法，不依赖系统设置。 方案三：从源头缩短 工程上最优雅的还是让路径变短，两个方向： 把项目往盘根挪 D:\workspace\company_project\data\cache\... ❌ D:\d\cache\... ✅ 少几十字符缩短目录命名 自动生成的目录名往往长得离谱： CAM_PBQ_FRONT_WIDE_RESET_OPTICAL_H110_HR ❌ CAM1 ✅用一个 mapping 文件记录原名 → 短名即可。 npm / git 也会踩 不止 Python：git clone 遇到超深仓库 → 加： git config --system core.longpaths truenpm install / pnpm install 的 node_modules 层级太深 → 系统开 LongPathsEnabled + 项目挪到盘根一句话总结 **能开注册表就开、能加 \\?\ 就加、能挪盘根就挪。** 三管齐下才彻底摆脱 WinError 206。
Python 自动安装 Chrome 插件：策略强制 vs 开发者模式加载
写脚本自动帮机器装个 Chrome 插件——听着简单。Chrome 团队故意不让你静默装本地 crx（安全策略，不是技术问题）。想绕开有几条现实可行的路。 路线一：企业策略强制安装（Web Store 上架的插件） Chrome 支持通过 Windows 注册表 / macOS plist / Linux JSON 策略，指定"必须自动装某扩展"。这是 IT 部门批量部署的标准做法。 前提是扩展在 Chrome Web Store 上架——策略只接受 update URL 拉取，不认本地 crx。 Windows 注册表方式 import winregEXT_ID = "aapocclcgogkmnckokdopfmhonfmgoek" # 举例：Google Docs Offline UPDATE_URL = "https://clients2.google.com/service/update2/crx"path = r"SOFTWARE\Policies\Google\Chrome\ExtensionInstallForcelist"key = winreg.CreateKey(winreg.HKEY_LOCAL_MACHINE, path) winreg.SetValueEx(key, "1", 0, winreg.REG_SZ, f"{EXT_ID};{UPDATE_URL}") winreg.CloseKey(key)写完重启 Chrome，扩展会自动安装、无法卸载。 注意：需要管理员权限 ExtensionInstallForcelist 的编号（"1"、"2" ...）要不重复 只支持 Web Store 上架的扩展；企业内部扩展需要自建 update.xml配套删除： import winreg key = winreg.OpenKey(winreg.HKEY_LOCAL_MACHINE, path, 0, winreg.KEY_WRITE) winreg.DeleteValue(key, "1")路线二：Selenium 启动时加载本地插件 不做正式安装，只是启动 Chrome 时把插件目录加载进来——最适合自动化脚本、爬虫、批量测试。 加载解压后的目录（源码形式）： from selenium import webdriver from selenium.webdriver.chrome.options import Optionsopts = Options() opts.add_argument(r"--load-extension=D:\extensions\my-plugin")driver = webdriver.Chrome(options=opts) driver.get("https://example.com")加载已打包的 crx： opts = Options() opts.add_extension(r"D:\extensions\my-plugin.crx")局限：不会真的"安装"，关闭浏览器就没了 需要 Selenium 控制的 Chrome，不影响用户日常浏览器 Chrome 每次启动会有"以开发者模式使用未打包扩展"警告条路线三：Playwright 加载扩展 Playwright 加载扩展要用 persistent context，且必须用 Chromium（Chrome 分发版不能通过所有测试）： from playwright.sync_api import sync_playwrightwith sync_playwright() as p: ctx = p.chromium.launch_persistent_context( user_data_dir="D:/tmp/pw-profile", headless=False, args=[ "--disable-extensions-except=D:\\extensions\\my-plugin", "--load-extension=D:\\extensions\\my-plugin", ], ) page = ctx.new_page() page.goto("https://example.com")不推荐的路线 UI 自动化拖 crx 到 chrome://extensions/：Chrome 会弹确认框、快捷键会变、chrome 版本升级后经常挂。别在这个方向上死磕。 改本地 Extensions 目录里的 Preferences JSON：Chrome 会检测校验和，第二次启动直接把你写进去的扩展禁用掉。 场景对应目的 用什么公司/网吧批量部署 Web Store 扩展 策略强制安装爬虫 / 自动化脚本用自己写的扩展 Selenium 加载需要长期挂着扩展，用户不能卸载 策略强制只是测试自己开发中的插件 Chrome 开发者模式手动一句话总结 要"真安装"就上企业策略（Web Store 扩展），要"临时加载"就 Selenium/Playwright --load-extension。Chrome 就是不让你静默装本地 crx，别硬撞。
Python 移动 / 复制目录的正确写法：shutil 全场景速查
Python 里"移动整个目录"或"把文件全复制到另一处"这类操作，全部靠 shutil。列几个最常用的模板。 移动整个目录 99% 场景直接： import shutilshutil.move(r"C:\source_dir", r"D:\target_dir")行为：目标不存在 → 直接改名/移动 目标已存在 → 源被移到 目标\源目录名 同盘 是秒移（本质是 rename） 跨盘 会退化成复制 + 删除想强制覆盖已有目标： import os, shutilsrc = r"C:\source_dir" dst = r"D:\target_dir\source_dir"if os.path.exists(dst): shutil.rmtree(dst) shutil.move(src, dst)复制整个目录（含子目录） Python 3.8+： import shutilshutil.copytree( r"C:\source_dir", r"D:\target_dir", dirs_exist_ok=True, # 目标已存在时合并写入 )会连带子目录、文件属性一起复制。 只复制当前目录里的文件（跳过子目录） import os, shutilsrc = r"C:\source_dir" dst = r"D:\target_dir" os.makedirs(dst, exist_ok=True)for name in os.listdir(src): s = os.path.join(src, name) if os.path.isfile(s): shutil.copy2(s, os.path.join(dst, name))copy2 会保留 mtime、权限，比 copy 更完整。 只复制某类文件 import os, shutilfor name in os.listdir(src): if name.endswith(".txt"): shutil.copy2( os.path.join(src, name), os.path.join(dst, name), )递归复制文件（扁平化，不保留目录结构） import os, shutilfor root, _, files in os.walk(src): for f in files: shutil.copy2(os.path.join(root, f), os.path.join(dst, f))注意同名文件会互相覆盖，要保结构就直接 copytree。 用 pathlib 版本（更现代） from pathlib import Path import shutilsrc = Path(r"D:\A\deep\folder") dst = Path(r"D:\B\deep\folder")if dst.exists(): shutil.rmtree(dst) dst.parent.mkdir(parents=True, exist_ok=True) shutil.copytree(src, dst)Path 的 parent / mkdir(parents=True) 组合特别适合处理"目标父目录还没创建"的情况。 不要用 os.rename os.rename(src, dst)跨磁盘直接报错 不能覆盖已有目录除非明确是"同盘、无冲突"，否则直接上 shutil.move。 一句话总结 移动用 shutil.move，整目录复制用 shutil.copytree(dirs_exist_ok=True)。其它场景在这两个基础上按需组合。
PyInstaller 打包 GUI 程序：无 CMD、文件夹形式
用 PyInstaller 打包一个 Python GUI 程序，想要"启动不弹 CMD 黑框、也不打成单个大文件"，一条命令搞定： pyinstaller -w -D main.py参数解释 -w（或 --noconsole）：不开控制台窗口。适合 Tkinter、PyQt、PySide、wxPython 之类的 GUI。 -D（或 --onedir）：文件夹形式打包。产物结构： dist/ └── main/ ├── main.exe ├── python3x.dll └── ...(依赖 dll、pyd、资源)跟 -F 单文件相比，-D 启动快、崩溃少、易调试，就是需要发一整个文件夹。 加图标 pyinstaller -w -D -i app.ico main.py.ico 文件建议 256×256 或多尺寸 ico。 常见错误组合 GUI 忘了 -w： pyinstaller -D main.py # 会弹黑色 CMD 窗口GUI 只想单文件反而用了 -F -w： pyinstaller -F -w main.py能跑，但每次启动都要把打包体解压到临时目录，启动慢；sys._MEIPASS 拿资源要处理路径。 用 spec 文件更可控 第一次 pyinstaller 会生成 main.spec，之后修改这个文件重新构建： pyinstaller main.specspec 里控制"无 CMD"的字段： exe = EXE( pyz, a.scripts, name='main', console=False, # 无 CMD 窗口 icon='app.ico', ... )有 -w -D 起步足够，需要精细控制 hidden imports、数据文件、加签名时再上 spec。 加静态资源 程序里读了 templates/、assets/ 之类的目录，-D 只会打二进制，不带资源，运行时找不到。加 --add-data： Windows（分隔符 ;）： pyinstaller -w -D main.py ^ --add-data "templates;templates" ^ --add-data "assets;assets"macOS / Linux（分隔符 :）： pyinstaller -w -D main.py \ --add-data "templates:templates" \ --add-data "assets:assets"代码里读资源要用 PyInstaller 兼容路径： import sys, osdef resource_path(rel): base = getattr(sys, "_MEIPASS", os.path.dirname(os.path.abspath(__file__))) return os.path.join(base, rel)with open(resource_path("templates/index.html")) as f: ...找不到某个包 装了包但打包运行时抛 ModuleNotFoundError——PyInstaller 静态分析漏了动态导入。补 hidden-import： pyinstaller -w -D main.py --hidden-import=some_dynamic_module大量子模块可以直接 collect-all： pyinstaller -w -D main.py --collect-all fastapi --collect-all uvicorn一句话总结 pyinstaller -w -D main.py 是 GUI 程序打包最省心的一条命令。资源要 --add-data、动态导入要 --hidden-import 或 --collect-all。
Python 3.12+ 报 No module named 'distutils'：三种恢复姿势
Python 3.13 环境下跑 labelImg，直接崩： File ".../site-packages/labelImg/labelImg.py", line 5, in <module> import distutils.spawn ModuleNotFoundError: No module named 'distutils'uv / pip 装依赖时也可能顺带看到： Because there are no versions of distutils and you require distutils, we can conclude that your requirements are unsatisfiable.为什么消失了 distutils 从 Python 3.10 就被标注 deprecated，3.12 起彻底删除。它的角色被 setuptools 和 packaging 接管，但很多老库（labelImg、部分 setup.py、老工具链）里还是硬 import distutils.spawn 或 distutils.util。 方案一：让 setuptools 顶上 从 setuptools 60 开始，装 setuptools 时会顺手把 distutils 兼容层装回来： pip install --upgrade setuptools装完再跑一次原命令，八成的老库都能过。注意要装到 触发报错的那个 Python 里，虚拟环境别搞混。 方案二：改一行源码（最彻底） distutils.spawn.find_executable 其实就等价于 shutil.which。找到出错的文件： .venv\Lib\site-packages\labelImg\labelImg.py把顶部的： import distutils.spawn替换成： import shutil然后把用到的地方： distutils.spawn.find_executable("xxx") # 改成 shutil.which("xxx")一处不会漏。这个改法在 CI 环境里最省事——不用装额外依赖。 方案三：降回 3.11（保稳） 赶时间又不想改源码： py -3.11 -m venv .venv311 .\.venv311\Scripts\activate pip install labelImg labelImg3.11 保留 distutils，官方支持到 2027 年 10 月，够用很久。 三种方案怎么选场景 推荐自己项目、能改源码 方案二（shutil.which）老工具/labelImg 类第三方包 方案一 + 方案三兜底生产环境、要稳 方案三（Python 3.11）一句话总结 distutils 3.12 起被删。八成情况装 setuptools 就能过；不行就直接改 shutil.which；最保险的是回 Python 3.11。