翔奕时代

一、安装zsh

安装 oh-my-zsh 需要首先安装 zsh

使用以下命令安装zsh，若其他linux系统可以使用yum来安装，不再赘述

1
2
3
4
5

sudo apt install zsh

#或者  

sudo yum install zsh

二、安装oh-my-zsh

oh-my-zsh官网： https://ohmyz.sh/#install

执行命令如下命令直接进行安装

1

sh -c "$(curl -fsSL https://raw.githubusercontent.com/ohmyzsh/ohmyzsh/master/tools/install.sh)"

执行之后终端界面已经发生了变化

1、下载redis 并解压到当前目录

1
2

wget http://pecl.php.net/get/redis-3.1.2.tgz
tar -zxvf redis-3.1.2.tgz

2、进入解压的redis目录

1

cd redis-3.1.2

3、用phpize生成configure配置文件（你自己的phpize在哪里可以查找一下！）

1
2
3

whereis phpize   # 先找phpize在哪  

/usr/local/php/bin/phpize   # 执行

4、配置

1

./configure --with-php-config=/usr/local/php/bin/php-config    # php-config为php/bin下的执行文件

模块说明

特别注意：php7.3开始要求系统libzip的version >= 0.11，但是目前通过 yum -y install libzip-devel 安装的是0.10的版本，官方版本从1.4.0开始要依赖cmake安装,对cmake的版本还有要求

报错如图：

下面介绍三种安装方式：

1、yum安装(推荐)

1
2
3
4
5
6
7
8

# 卸载原有低版本的libzip包
sudo yum -y remove libzip libzip-devel
# 重新安装看看版本是否符合要求
sudo yum -y install libzip libzip-devel
# 否则添加wlnmp源
sudo rpm -ivh https://mirrors.wlnmp.com/centos/wlnmp-release-centos.noarch.rpm
# 安装libzip包,当前wlnmp提供的libzip包版本1.8.0
sudo yum install wlibzip

一、安装Docker

安装依赖包，执行命令

1

yum install -y yum-utils device-mapper-persistent-data lvm2

此时若直接执行安装docker命令就会发现是十分慢的，这个等待过程是漫长的。
配置国内的源就可以解决问题yum-config-manager –add-repo http://mirrors.aliyun.com/docker-ce/linux/centos/docker-ce.repo这里使用的是阿里云的源。

接着再执行命令

1

yum install docker-ce docker-ce-cli containerd.io    //安装docker即可。

配置docker开机自启

1

systemctl enable docker

执行命令启动docker

1

systemctl start docker

查看docker版本

1

docker -v

想使用ShowDoc作为内部一个知识共享仓库，以及文件在线协作的功能。于是内部使用Docker部署，简单方便，主要映射数据存储的文件夹。

下面介绍ShowDoc在服务器上通过Docker的方式部署步骤：

1
2
3
4
5
6
7
8
9
10
11
12
13
14

# 先搜索对应的可以使用的镜像版本和仓库
docker search showdoc
# 确认打星最多的那个使用 star7th/showdoc
docker pull star7th/showdoc
# 创建文件夹，方便存储在服务器中，避免重要文件重启容器后丢失
mkdir -p /showdoc_data/html
chmod  -R 777 /showdoc_data
docker run -d --name showdoc --user=root --privileged=true -p 4999:80 -v /showdoc_data/html:/var/www/html/ star7th/showdoc

# 异常网络状态下，可以直接在docker run的时候指定镜像仓库
docker pull registry.cn-shenzhen.aliyuncs.com/star7th/showdoc
# 安装后记得执行docker tag命令以进行重命名
docker tag registry.cn-shenzhen.aliyuncs.com/star7th/showdoc:latest star7th/showdoc:latest
# 后续继续进行创建文件夹赋权和指定映射的文件夹

最后访问服务器的IP地址，端口4999即可。

提醒：

1. 服务器上需要安装Docker，如果没有安装，请查看详细文档 https://zhuanlan.zhihu.com/p/699515988
2. 如果是阿里云服务器，需要进行安全组的端口映射，将4999端口开放。

在PHP中，可以使用usort函数对数组进行排序，并且可以指定一个回调函数来定义排序的逻辑。如果要按照数组元素的某个字段进行排序，可以使用匿名函数（闭包）来实现。

同时也支持多个字段进行升/降序排列。

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

<?php
$arr = [
            ['name' => '张三', 'age' => 25, 'k_sort' => 3, 'recommend' => 2],
            ['name' => '李四', 'age' => 23, 'k_sort' => 3, 'recommend' => 1],
            ['name' => '王五', 'age' => 30, 'k_sort' => 5, 'recommend' => 2],
        ];

        // 排序操作：含有活动优惠的商品靠前排序
        usort($arr, function ($a, $b) {
            $result = $b['k_sort'] - $a['k_sort'];               // 优先活动（降序）
            if ($result == 0) {
                $result = $a['recommend'] <=> $b['recommend'];   // 其次置顶（升序）
                if ($result == 0) {
                    $result = $b['age'] - $a['age'];             // 再次排序（降序）
                }
            }
            return $result;
        });

        print_r($arr);


运行结果：
Array
(
    [0] => Array
        (
            [name] => 王五
            [age] => 30
            [k_sort] => 5
            [recommend] => 2
        )

    [1] => Array
        (
            [name] => 李四
            [age] => 23
            [k_sort] => 3
            [recommend] => 1
        )

    [2] => Array
        (
            [name] => 张三
            [age] => 25
            [k_sort] => 3
            [recommend] => 2
        )

)

m3u8为视频流文件，里面包含多个ts文件，ts为视频流切片，很多播放器是无法直接播放m3u8文件的，这里提供两种方式进行在线m3u8视频播放（预览）

1、hls.js

前端页面引入js:

1

<script type="text/javascript" src="./js/HLC_paly/hls.js"></script>

播放代码：

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

<video id="HLS_Player" autoplay="autoplay" loop muted controls="controls" width="100%" height="100%"></video>
 
<script type="text/javascript" >
	 HLS_Player = document.getElementById('HLS_Player');
	if (Hls.isSupported()) {
			HLS_Controller = new Hls();
			HLS_Controller.loadSource("视屏流地址");
			HLS_Controller.attachMedia(HLS_Player);
			HLS_Controller.on(Hls.Events.MANIFEST_PARSED, function() {
			    HLS_Player.play();
	        });
						
	}
// hls.js is not supported on platforms that do not have Media Source Extensions (MSE) enabled.
// When the browser has built-in HLS support (check using `canPlayType`), we can provide an HLS manifest (i.e. .m3u8 URL) directly to the video element through the `src` property.
// This is using the built-in support of the plain video element, without using hls.js.
// Note: it would be more normal to wait on the 'canplay' event below however on Safari (where you are most likely to find built-in HLS support) the video.src URL must be on the user-driven
// white-list before a 'canplay' event will be emitted; the last video event that can be reliably listened-for when the URL is not on the white-list is 'loadedmetadata'.
	else if (HLS_Player.canPlayType('application/vnd.apple.mpegurl')) {
		HLS_Player.src = 'http://ivi.bupt.edu.cn/hls/cctv1hd.m3u8';
		HLS_Player.addEventListener('loadedmetadata', function() {
		    HLS_Player.play();
		});
	}
</script>

最近给我亲戚实现一个在windows下根据人脸识别找到所有类似照片的需求，通过python学了下，特别在windows下的环境搭建方面遇到了很多的坑，环境搭建可以查看前两篇博客有讲述安装中的坑，这里分享下通过python实现这个功能的代码

代码的实现并不是很难，其中主要用到的类库就是Face_Recognition，这个类库在mac、linux上可以完美适配，特别在windows上出现的问题很多，特别是Face_Recognition需要用到的dlib在windows上无法安装，以下的这个通过一张照片全局查找类似照片的代码，谢谢指正。

问题

直接使用pyinstaller -F find.py 进行打包，之后运行exe会报错，报错内容为：RuntimeError: Unable to open C:\Users\pc\AppData\Local\Temp_MEI70802\face_recognition_models\models\shape_predictor_68_face_landmarks. dat

解决

这个错误的意思是无法找到face_recognition的模型文件，那么我们需要去face_recognition找到对应的模型文件的真实地址，此时需要修改spec文件

这里主要讲解windows下face_recognition的安装，因为face_recognition不能完美的适配windows，如果在Mac、Linux平台就能完美的是适配，这里整理了windows下按照face_recognition遇到的问题及解决方案。

概述

人脸识别库有很多，但DeepFace、Face_Recognition绝对是最具代表性的两个库，其中Face_Recognition库更是被称为这个星球上最好的人脸识别库。

但是Face_Recognition官方却明确声明，只针对Mac和Linux做适配，对windows系统不做适配，官方的原话为：windows或许能正常工作。

这让很多windows用户焦头烂额了，因为可能连库本身的安装都存在问题，本文既是针对这个情况为大家介绍一个在windows下极简安装Face_Recognition库的方法。