走过岁月我才发现——云IDE真方便(Python3.8环境测试)

简介: 走过岁月我才发现——云IDE真方便(Python3.8环境测试)

产品测试:

网站地址:开发者云平台


初始状态:


image.png


我们在菜单的第一个选项中看到了【秘钥管理】,处于有秘钥先看秘钥的原则,我们就先看看【秘钥管理】是干啥的。

image.png



生成SSH秘钥看看:


image.png


这个秘钥是用于Cloud IDE 内推拉代码的,先复制一下,不知道啥时候用。


创建工作空间

我们先创建一个工作空间来看看,其中我们暂时没有仓库地址,所以创建一个【空】先用着。环境我这里选择了Python3.8,规格给了个2CPU 4BG的虚拟机。


image.png


创建成功:


image.png


这里点击红色框选中的启动按钮,会跳出一会新的页面。

image.png



它这给的环境是VSCode的开发工具:



image.png

尝试着安装一些插件:


插件安装

我安装了了个icon的图标,成功了。说明就是正常使用的vscode。


image.png


创建python文件

创建文件就是VSCode的创建文件方式。没啥技巧。

image.png



运行python文件

写一个基础函数用作测试。


import time
print(time.time())

点击运行->启动调试。

image.png



进入到调试页面


image.png


它这里自动运行了。


image.png


个人建议直接进入到终端自己操作,可掌握度更高一些。


环境是linux的,基本也都那几个命令。



image.png

我们跑一个需要【requests】环境的小测试:


这里不是最新的版本,在安装的包的时候出现了问题,我们需要更新一下pip到最新的版本。


image.png


非最新版本异常提示:


image.png


更新到最新版本:


pip install --upgrade pip

速度较慢,应该没有更改镜像地址:


image.png


更新完毕,已经提示Successfully到最新的pip22.3版本。


我们可以自己修改一下镜像地址,方便下载scrapy:


pip config set global.index-url https://repo.huaweicloud.com/repository/pypi/simple

修改完毕。

image.png

我们来安装一下【requests】和【scrapy】


pip install requests
pip install scrapy

下载完毕

image.png



Demo测试

测试个demo看看,我就拉取两个文档。


#!usr/bin/env python
# -*- coding:utf-8 _*-
from requests import get
from scrapy.selector import Selector
import time
import random
html = get("http://book.zongheng.com/showchapter/1085747.html").content.decode("utf-8")
sel = Selector(text=html)
result = sel.css("ul li a::attr(href)").extract()
count = 0
for x in result:
    if "1085747" in x:
        html = get(x).content.decode("utf-8")
        sel = Selector(text=html)
        title = sel.css("div.title_txtbox::text").extract()[0]
        title = title.replace(":", "_")
        info = sel.css("div.content p::text").extract()
        strInfo = ""
        for j in info:
            strInfo += j
        file = open(str.format("{0}{1}", title, ".txt"), "w", encoding="utf-8")
        file.write(strInfo)
        file.close()
        timeStop = random.randint(1, 4)
        time.sleep(timeStop)
        print("success", title)
        if count == 2:
            break
        count += 1


拉取成功


image.png


查看环境pip list


image.png

云IDE挑战赛

我发现了有个挑战赛Cloud IDE / 1024云IDE应用挑战赛 · GitCode


image.png


参赛人员

大赛面向全社会开放,个人、高等院校、科研单位、企业等人员均可报名参赛。


说明:如有大赛主办方和技术支持单位(如 CSDN 员工)参赛,则自动放弃获奖资格。


赛事安排

image.png


参赛奖项


image.png

参赛要求


image.png


耗时计算

刚才测试消耗的时间是0.75小时,可以看到对应的消耗额度,那么代表我们不使用的时候一定要点击【终止】按钮。


image.png


终止成功后:

image.png

相关文章
|
7天前
|
安全 关系型数据库 测试技术
学习Python Web开发的安全测试需要具备哪些知识?
学习Python Web开发的安全测试需要具备哪些知识?
21 4
|
17天前
|
Java 测试技术 持续交付
【入门思路】基于Python+Unittest+Appium+Excel+BeautifulReport的App/移动端UI自动化测试框架搭建思路
本文重点讲解如何搭建App自动化测试框架的思路,而非完整源码。主要内容包括实现目的、框架设计、环境依赖和框架的主要组成部分。适用于初学者,旨在帮助其快速掌握App自动化测试的基本技能。文中详细介绍了从需求分析到技术栈选择,再到具体模块的封装与实现,包括登录、截图、日志、测试报告和邮件服务等。同时提供了运行效果的展示,便于理解和实践。
63 4
【入门思路】基于Python+Unittest+Appium+Excel+BeautifulReport的App/移动端UI自动化测试框架搭建思路
|
12天前
|
机器学习/深度学习 数据可视化 Docker
Python环境
Python环境
24 3
|
18天前
|
机器学习/深度学习 自然语言处理 前端开发
前端神经网络入门:Brain.js - 详细介绍和对比不同的实现 - CNN、RNN、DNN、FFNN -无需准备环境打开浏览器即可测试运行-支持WebGPU加速
本文介绍了如何使用 JavaScript 神经网络库 **Brain.js** 实现不同类型的神经网络,包括前馈神经网络(FFNN)、深度神经网络(DNN)和循环神经网络(RNN)。通过简单的示例和代码,帮助前端开发者快速入门并理解神经网络的基本概念。文章还对比了各类神经网络的特点和适用场景,并简要介绍了卷积神经网络(CNN)的替代方案。
|
20天前
|
测试技术 持续交付 Apache
Python性能测试新风尚:JMeter遇上Locust,性能分析不再难🧐
Python性能测试新风尚:JMeter遇上Locust,性能分析不再难🧐
45 3
|
18天前
|
缓存 测试技术 Apache
告别卡顿!Python性能测试实战教程,JMeter&Locust带你秒懂性能优化💡
告别卡顿!Python性能测试实战教程,JMeter&Locust带你秒懂性能优化💡
35 1
|
22天前
|
弹性计算 Linux iOS开发
Python 虚拟环境全解:轻松管理项目依赖
本文详细介绍了 Python 虚拟环境的概念、创建和使用方法,包括 `virtualenv` 和 `venv` 的使用,以及最佳实践和注意事项。通过虚拟环境,你可以轻松管理不同项目的依赖关系,避免版本冲突,提升开发效率。
|
25天前
|
编解码 安全 Linux
网络空间安全之一个WH的超前沿全栈技术深入学习之路(10-2):保姆级别教会你如何搭建白帽黑客渗透测试系统环境Kali——Liinux-Debian:就怕你学成黑客啦!)作者——LJS
保姆级别教会你如何搭建白帽黑客渗透测试系统环境Kali以及常见的报错及对应解决方案、常用Kali功能简便化以及详解如何具体实现
|
18天前
|
Web App开发 测试技术 数据安全/隐私保护
自动化测试的魔法:使用Python进行Web应用测试
【10月更文挑战第32天】本文将带你走进自动化测试的世界,通过Python和Selenium库的力量,展示如何轻松对Web应用进行自动化测试。我们将一起探索编写简单而强大的测试脚本的秘诀,并理解如何利用这些脚本来确保我们的软件质量。无论你是测试新手还是希望提升自动化测试技能的开发者,这篇文章都将为你打开一扇门,让你看到自动化测试不仅可行,而且充满乐趣。
|
1月前
|
机器学习/深度学习 缓存 Linux
python环境学习:pip介绍,pip 和 conda的区别和联系。哪个更好使用?pip创建虚拟环境并解释venv模块,pip的常用命令,conda的常用命令。
本文介绍了Python的包管理工具pip和环境管理器conda的区别与联系。pip主要用于安装和管理Python包,而conda不仅管理Python包,还能管理其他语言的包,并提供强大的环境管理功能。文章还讨论了pip创建虚拟环境的方法,以及pip和conda的常用命令。作者推荐使用conda安装科学计算和数据分析包,而pip则用于安装无法通过conda获取的包。
83 0
下一篇
无影云桌面