当前位置: 首页 > news >正文

python实践思路(草拟计划+方法)

恭喜自己差不多如期完成了python第一阶段目标!ai解答学习方向!

1 要怎么做才能真正自如地使用python?

我现在过了一遍python 的大致代码框架,接下来我要怎么做才能真正自如地使用python,是不是刷leetcode,牛客,然后github上开源项目?

================

过了 Python 的基础框架后,想要真正 “自如使用”,核心在于将知识与实践结合,从 “看懂代码” 到 “能独立解决问题”。刷 LeetCode、牛客和参与开源项目是很好的方向,但需要结合阶段目标逐步推进,避免直接陷入 “无从下手” 的困境。以下是分阶段的具体建议:

第一阶段:巩固基础,解决 “能用 Python 做什么” 的问题

刚学完框架时,可能对 “Python 能实际解决哪些问题” 没有清晰认知,此时需要通过小而具体的任务熟悉语法细节和常用库,建立 “用代码解决问题” 的思维。

1. 聚焦 “实用场景” 练手,熟悉常用库

Python 的强大在于丰富的库,脱离库的使用谈 “自如” 意义不大。从以下场景入手,每个场景做 1-2 个小项目:

  • 数据处理与分析:用pandas处理 Excel/CSV 表格(如统计学生成绩、分析销售数据)、用matplotlib/seaborn画折线图 / 柱状图。
    示例任务:爬取某电商平台的商品价格数据,用 pandas 清洗后,画一个 “价格分布直方图”。
  • 自动化脚本:用os/shutil处理文件(如批量重命名照片、按日期分类文件)、用smtplib发邮件提醒、用selenium自动填写表单。
    示例任务:写一个脚本,每天自动备份指定文件夹到云盘(如结合百度云 API)。
  • 简单工具开发:用tkinter/PyQt做带界面的小工具(如简易计算器、待办事项管理器)。
    示例任务:做一个 “图片格式转换器”,支持将 jpg 批量转为 png,并调整尺寸。
2. 针对性补语法细节

练手时会频繁遇到 “语法卡壳”(如列表推导式、装饰器、生成器),此时不要死磕,而是带着问题回头补基础

  • 推荐参考《Python 编程:从入门到实践》的 “项目篇”,或 B 站 “黑马程序员 Python 实战” 等视频,跟着做完整项目(如外星人入侵游戏、数据可视化案例)。
  • Python Tutor(可视化代码执行过程的网站)分析复杂逻辑(如递归、类的继承),理解内存中变量的变化。

第二阶段:强化逻辑,解决 “复杂问题怎么拆” 的问题

当能独立完成简单任务后,需要提升 “把复杂问题拆解为代码步骤” 的能力,这时候刷算法题(LeetCode、牛客)是核心手段。

1. 算法题训练:从 “会做” 到 “优化”
  • 初期(2-3 个月)

    • 按 “数据类型 + 基础算法” 分类刷题,优先刷 Easy 难度,如:
      • 字符串处理(LeetCode 58. 最后一个单词的长度、125. 验证回文串)
      • 列表 / 字典操作(LeetCode 1. 两数之和、217. 存在重复元素)
      • 简单递归(LeetCode 509. 斐波那契数、104. 二叉树的最大深度)
    • 目标:熟悉 Python 的语法特性(如切片、collections库的defaultdict)在解题中的应用,比如用set快速去重、用enumerate同时获取索引和值。
  • 中期(3-6 个月)

    • 进阶中等难度题目,聚焦 “算法思想”(如动态规划、贪心、BFS/DFS),例如:
      • 动态规划(LeetCode 70. 爬楼梯、300. 最长递增子序列)
      • 字符串匹配(LeetCode 28. 实现 strStr ()、438. 找到字符串中所有字母异位词)
    • 目标:能用 Python 简洁地实现算法(如用列表推导式简化循环、用heapq实现堆排序),并能分析时间 / 空间复杂度。
  • 刷题技巧

    • 先自己想 15 分钟,想不出再看题解,重点看 “题解的思路是如何拆解问题的”,而非直接抄代码。
    • 用牛客网的 “Python 专项练习” 补语法细节(如深拷贝 vs 浅拷贝、闭包的使用)。
2. 结合 “场景化题目”,避免脱离实际

算法题偏抽象,可穿插牛客的 “企业面试真题”(如 “小红书 Python 工程师笔试题”),这类题常结合实际场景(如处理日志、解析 JSON 数据),更贴近工作需求。

第三阶段:参与实战,解决 “在团队中用 Python” 的问题

当能独立解决中等难度问题后,需要通过开源项目或团队协作,理解 “工程化的 Python 开发”(如代码规范、版本控制、模块设计)。

1. 从 “改开源项目” 到 “提交 PR”
  • 入门级:找 stars 较多且文档友好的项目,从 “修复小 bug” 或 “完善文档” 入手,例如:

    • 工具类:requests(HTTP 库,适合学网络请求)、pandas(适合学数据处理)
    • 应用类:flask(轻量 Web 框架,适合改简单接口)
    • 步骤:先看懂项目的README和贡献指南(CONTRIBUTING.md),运行项目后,找 “good first issue” 标签的任务(通常是简单修复)。
  • 进阶级:参与功能开发,例如给一个博客系统加 “评论过滤” 功能(用re库处理敏感词),或给数据分析工具加 “导出 Excel” 功能(用openpyxl库)。

2. 自己主导一个小项目,模拟 “完整开发流程”

如果直接参与开源有难度,可自己从零做一个项目,覆盖完整流程:

  • 确定目标:如 “写一个命令行版的记账工具”(支持记录收支、生成月度报表)。
  • 设计模块:拆分功能(数据存储用sqlite3、命令行交互用argparse、报表生成用pandas)。
  • 版本控制:用 Git 管理代码(至少会commit/branch/merge),上传到 GitHub 并写清晰的README
  • 迭代优化:先实现核心功能,再逐步加细节(如数据加密、支持导入银行流水)。

关键心态:避免 “为了刷而刷”,以 “解决问题” 为导向

  • 刷算法题的目的是 “训练逻辑”,而非 “刷数量”,能讲清一道题的 3 种解法,比盲目刷 100 道题更有效。
  • 参与开源项目前,先确保 “能独立看懂项目的核心代码”,否则容易半途而废(可从 star 少但代码量小的项目起步)。
  • 遇到卡壳时,多查官方文档(如 Python 官网的标准库文档)和 Stack Overflow,培养 “自主解决问题” 的能力。

按这个路径推进,6-12 个月后,你会明显感受到:面对一个需求,能快速想到 “用 Python 的哪个库 / 语法可以实现”,并能独立写出可维护的代码 —— 这就是 “自如使用” 的状态。

2 没有太细看网课视频,只是过了一遍框架

我觉得不必老老实实按照网课的进度学,按照网课的深度学,编程应该在实践里面掌握,所以我没有太细看视频而是过了一遍知识框架。。(哈、(⊙﹏⊙))

================

你的思路非常务实 —— 编程本质是 “技能” 而非 “知识”,实践确实是掌握它的核心路径。跳过冗余的视频细节、先抓框架再在实践中补细节,这种 “以用代学” 的方式反而更高效,尤其适合避免陷入 “看了一堆视频却依然写不出代码” 的困境。

不过,“跳过细节” 不代表 “完全忽略细节”,实践中一定会遇到 “卡壳”(比如不知道用哪个库、语法细节记错),这时候需要把握一个原则:让问题驱动学习,缺什么补什么。结合你的情况,分享几个实践中 “高效补细节” 的技巧:

1. 用 “目标倒推法” 确定学习范围,避免漫无目的

比如你想做一个 “批量下载 B 站视频的脚本”,不用先学完所有 Python 知识,而是:

  • 拆解目标:需要 “解析视频链接”→“发送网络请求”→“保存视频到本地”→“批量处理多个链接”。
  • 针对性补知识:
    • 网络请求:查requests库的get方法怎么用(不用看完整教程,直接搜 “requests 下载文件”)。
    • 解析链接:可能需要re库(正则表达式)提取视频 ID,或者BeautifulSoup解析网页(学最基础的find/find_all即可)。
    • 批量处理:用for循环遍历列表,或者argparse接收命令行参数(学怎么定义参数即可)。

核心:每个小目标只学 “刚好够用” 的知识,多余的暂时不管,避免被无关细节拖累。

2. 把 “卡壳” 变成 “知识点锚点”,建立自己的 “问题 - 解法” 库

实践中遇到的每个错误(如IndentationErrorKeyError)、每个想不通的逻辑(如 “怎么用字典统计单词出现次数”),都是最好的学习素材:

  • 遇到错误时,先复制报错信息搜 Stack Overflow 或 CSDN,看懂 “为什么错”(比如KeyError是因为访问了字典中不存在的键),而不只是 “怎么改”。
  • 解决后,用笔记软件(如 Notion)按 “场景” 分类记录:
    • 比如 “文件处理” 分类下,记录 “批量重命名图片的 3 种方法(os.rename/pathlib/glob)”。
    • “数据结构” 分类下,记录 “列表去重的效率对比(set最快,但会打乱顺序;list(dict.fromkeys())能保留顺序)”。

效果:这些笔记会逐渐变成你的 “个性化手册”,比通用教程更贴合你的实际需求。

3. 用 “模仿 - 修改 - 创造” 三步法,降低实践门槛

刚开始独立写代码可能会觉得 “无从下手”,可以从 “抄代码” 开始,但要按这三步进阶:

  1. 模仿:找一个简单的现成代码(如 GitHub 上的 “100 行 Python 小项目”),逐行看懂逻辑,然后自己敲一遍(不要复制粘贴)。
    比如模仿一个 “天气查询脚本”,理解它是怎么调用天气 API、怎么解析 JSON 数据的。
  2. 修改:在原代码基础上改一点东西,比如给天气脚本加一个 “保存查询记录到 txt” 的功能,或改成 “查询后自动发送到微信”(需要查itchat库)。
    这一步的目的是 “打破对原代码的依赖”,强迫自己思考 “哪部分可以动,怎么动”。
  3. 创造:基于修改的经验,自己设计一个类似但不同的功能,比如从 “查天气” 变成 “查股票价格”,核心逻辑相通(调用 API→解析数据→展示),但细节需要独立解决。

4. 接受 “不完美”,先 “跑起来” 再 “优化”

新手常陷入的误区是:写代码前总想 “设计最完美的结构”,结果迟迟不敢动手。其实对初学者来说,“能跑通” 比 “写得优雅” 更重要。
比如你想做一个 “待办事项管理器”,第一版完全可以用 txt 文件存数据(一行一个待办),用最基础的open/read/write操作实现增删改查。跑通后,再思考优化:

  • 数据存 txt 不方便查询?换成sqlite3数据库。
  • 每次手动输入命令太麻烦?加一个tkinter界面。
  • 想在手机上用?改成Flask网页版。

循序渐进:每一次优化都是对新知识的自然应用,比一开始就追求 “全栈架构” 更扎实。

总结

你的 “跳过冗余视频,先抓框架再实践” 的思路完全可行,关键是:

  • 用具体目标驱动学习(做什么→需要什么→学什么)。
  • 不怕犯错,把错误当成 “定向补漏” 的线索。
  • 先实现 “能用”,再追求 “好用”“优雅”。

按这个节奏推进,你会发现:Python 的语法、库、框架,都会在解决一个个实际问题的过程中,自然内化成你的能力 —— 这比被动看网课效率高得多。

3 建议的学习项目

以下是一个1 个月(4 周)的 Python 项目实操计划,按照 “基础巩固→逻辑强化→综合应用” 的顺序设计,每个项目都有明确的目标、涉及的知识点和拓展方向。建议每周完成 1-2 个项目,遇到卡壳时优先查官方文档和 Stack Overflow。

第 1 周:基础巩固(文件操作、数据处理)

项目 1:文件分类器
  • 目标:写一个脚本,将指定文件夹中的文件按类型(图片、文档、视频等)自动分类到不同子文件夹。
  • 知识点os/pathlib库(遍历文件、创建文件夹),字典(统计文件类型)。
  • 示例代码

    python

    运行

    import os
    import shutil
    from pathlib import Pathdef organize_files(source_dir):file_types = {'images': ['.jpg', '.png', '.jpeg', '.gif'],'documents': ['.pdf', '.docx', '.txt', '.xlsx'],'videos': ['.mp4', '.mov', '.avi'],'audio': ['.mp3', '.wav', '.flac']}for filename in os.listdir(source_dir):file_ext = Path(filename).suffix.lower()for category, extensions in file_types.items():if file_ext in extensions:category_dir = os.path.join(source_dir, category)os.makedirs(category_dir, exist_ok=True)shutil.move(os.path.join(source_dir, filename),os.path.join(category_dir, filename))breakif __name__ == "__main__":organize_files("/path/to/your/folder")  # 替换为实际路径
    
  • 拓展:加一个参数,支持按 “创建时间”(如 2023 年、2024 年)分类;或用tkinter做个带界面的文件选择器。
项目 2:简单数据分析(学生成绩统计)
  • 目标:用pandas读取 CSV 格式的学生成绩表,计算平均分、最高分,按分数段统计人数。
  • 知识点pandas基本操作(读取 CSV、筛选数据、计算统计量),matplotlib绘图。
  • 数据准备:创建一个scores.csv文件,内容如下:

    csv

    name,math,english,chinese
    Alice,85,92,78
    Bob,90,87,95
    Charlie,65,70,60
    David,78,82,88
    
  • 示例代码

    python

    运行

    import pandas as pd
    import matplotlib.pyplot as plt# 读取数据
    df = pd.read_csv('scores.csv')# 计算总分和平均分
    df['total'] = df['math'] + df['english'] + df['chinese']
    df['average'] = df['total'] / 3# 统计各科目平均分
    subject_avg = df[['math', 'english', 'chinese']].mean()# 按平均分划分等级
    def get_grade(avg):if avg >= 90: return 'A'elif avg >= 80: return 'B'elif avg >= 70: return 'C'else: return 'D'df['grade'] = df['average'].apply(get_grade)# 统计各等级人数
    grade_counts = df['grade'].value_counts()# 可视化
    grade_counts.plot(kind='bar', title='Grade Distribution')
    plt.xlabel('Grade')
    plt.ylabel('Number of Students')
    plt.show()print(df)
    print("\nSubject Averages:")
    print(subject_avg)
    
  • 拓展:从网上下载真实数据集(如 Kaggle 的泰坦尼克号数据),分析生存率与票价、舱位的关系。

第 2 周:逻辑强化(算法应用、API 调用)

项目 3:爬虫小工具(天气查询)
  • 目标:调用心知天气 API,输入城市名返回当前天气状况和温度。
  • 知识点requests库(发送 HTTP 请求),JSON 解析,异常处理。
  • 准备工作
    1. 注册心知天气 API 账号,获取免费 API Key。
    2. API 文档:https://www.seniverse.com/doc#current
  • 示例代码

    python

    运行

    import requests
    import jsondef get_weather(city):API_KEY = "your_api_key"  # 替换为你的API KeyURL = f"https://api.seniverse.com/v3/weather/now.json?key={API_KEY}&location={city}&language=zh-Hans&unit=c"try:response = requests.get(URL)data = response.json()# 检查API返回是否成功if 'results' in data:weather = data['results'][0]['now']location = data['results'][0]['location']['name']print(f"{location} 当前天气: {weather['text']}, 温度: {weather['temperature']}°C")else:print(f"查询失败: {data.get('status_message', '未知错误')}")except Exception as e:print(f"发生错误: {e}")if __name__ == "__main__":city = input("请输入城市名: ")get_weather(city)
    
  • 拓展:用schedule库定时查询天气,结果保存到 CSV 文件;或结合smtplib每天自动发邮件提醒。
项目 4:算法应用(简易密码生成器)
  • 目标:生成指定长度、包含大小写字母、数字和特殊符号的随机密码。
  • 知识点:随机数生成(random库),字符串操作,条件判断。
  • 示例代码

    python

    运行

    import random
    import stringdef generate_password(length=12, use_upper=True, use_digits=True, use_special=True):# 定义字符集letters = string.ascii_lowercaseif use_upper:letters += string.ascii_uppercaseif use_digits:letters += string.digitsif use_special:letters += string.punctuationif not letters:raise ValueError("至少选择一种字符类型")# 确保密码包含至少一个每种指定类型的字符password = []if use_upper:password.append(random.choice(string.ascii_uppercase))if use_digits:password.append(random.choice(string.digits))if use_special:password.append(random.choice(string.punctuation))# 补足剩余长度remaining_length = max(0, length - len(password))password.extend(random.sample(letters, remaining_length))# 打乱顺序random.shuffle(password)return ''.join(password)if __name__ == "__main__":password = generate_password(length=16, use_upper=True, use_digits=True, use_special=True)print(f"生成的密码: {password}")
    
  • 拓展:加一个 “密码强度检测” 功能,根据长度、字符类型计算强度分数(如用正则表达式检查)。

第 3 周:综合应用(Web 开发、数据库)

项目 5:简易博客系统(命令行版)
  • 目标:实现一个支持创建文章、查看列表、搜索文章的博客系统,数据用 JSON 文件存储。
  • 知识点:类的设计(Article类、Blog类),文件读写,字典操作。
  • 示例代码

    python

    运行

    import json
    import os
    from datetime import datetimeclass Article:def __init__(self, title, content, author, tags=None):self.title = titleself.content = contentself.author = authorself.tags = tags or []self.created_at = datetime.now().strftime("%Y-%m-%d %H:%M:%S")self.id = hash(f"{self.title}{self.created_at}") % 1000000def to_dict(self):return {"id": self.id,"title": self.title,"content": self.content,"author": self.author,"tags": self.tags,"created_at": self.created_at}class Blog:def __init__(self, data_file="blog_data.json"):self.data_file = data_fileself.articles = self._load_data()def _load_data(self):if os.path.exists(self.data_file):with open(self.data_file, "r", encoding="utf-8") as f:return [Article(**data) for data in json.load(f)]return []def _save_data(self):with open(self.data_file, "w", encoding="utf-8") as f:json.dump([article.to_dict() for article in self.articles], f, ensure_ascii=False, indent=2)def create_article(self, title, content, author, tags=None):article = Article(title, content, author, tags)self.articles.append(article)self._save_data()return articledef list_articles(self):return sorted(self.articles, key=lambda a: a.created_at, reverse=True)def search_by_title(self, keyword):return [a for a in self.articles if keyword.lower() in a.title.lower()]def search_by_tag(self, tag):return [a for a in self.articles if tag in a.tags]# 简单的命令行交互
    def main():blog = Blog()while True:print("\n=== 博客系统 ===")print("1. 创建文章")print("2. 查看文章列表")print("3. 按标题搜索")print("4. 按标签搜索")print("5. 退出")choice = input("请选择操作: ")if choice == "1":title = input("标题: ")content = input("内容: ")author = input("作者: ")tags = input("标签(用逗号分隔, 可选): ").split(",") if input else []article = blog.create_article(title, content, author, tags)print(f"文章创建成功! ID: {article.id}")elif choice == "2":articles = blog.list_articles()if not articles:print("暂无文章")else:for a in articles:print(f"{a.id} | {a.title} | {a.author} | {a.created_at}")elif choice == "3":keyword = input("搜索关键词: ")articles = blog.search_by_title(keyword)if not articles:print("未找到匹配文章")else:for a in articles:print(f"{a.id} | {a.title} | {a.author} | {a.created_at}")elif choice == "4":tag = input("标签: ")articles = blog.search_by_tag(tag)if not articles:print("未找到匹配文章")else:for a in articles:print(f"{a.id} | {a.title} | {a.author} | {a.created_at}")elif choice == "5":breakelse:print("无效选择,请重新输入")if __name__ == "__main__":main()
    
  • 拓展:改用sqlite3数据库存储数据;或用Flask把博客做成 Web 应用,支持网页访问。
项目 6:数据可视化(股票趋势图)
  • 目标:调用 Yahoo Finance API 获取股票数据,用matplotlib绘制 K 线图和均线。
  • 知识点:API 调用,pandas数据处理,mplfinance绘图。
  • 准备工作:安装依赖库:pip install yfinance mplfinance
  • 示例代码

    python

    运行

    import yfinance as yf
    import mplfinance as mpf
    import pandas as pddef plot_stock_trend(stock_code, start_date, end_date, mav=(5, 10, 20)):# 获取股票数据stock = yf.Ticker(stock_code)df = stock.history(start=start_date, end=end_date)if df.empty:print(f"未获取到 {stock_code} 的数据")return# 重命名列名以符合mplfinance要求df = df.rename(columns={'Open': 'Open','High': 'High','Low': 'Low','Close': 'Close','Volume': 'Volume'})# 绘制K线图和均线mpf.plot(df, type='candle', mav=mav,  # 绘制5、10、20日均线volume=True,title=f"{stock_code} 股票趋势图",ylabel='价格',ylabel_lower='成交量',figratio=(12, 6),style='yahoo')if __name__ == "__main__":# 示例:绘制阿里巴巴(BABA)从2023年1月1日到2023年12月31日的趋势图plot_stock_trend("BABA", "2023-01-01", "2023-12-31")
    
  • 拓展:计算涨跌幅、波动率等指标;或用plotly做交互式图表,支持鼠标悬停查看具体数值。

第 4 周:自主项目(整合所学,自由发挥)

项目 7:自选主题(建议从以下方向选择)
  1. 自动化工具

    • 批量图片处理(如压缩、添加水印)
    • 定时备份文件到云盘(结合百度云 / 阿里云 API)
    • 自动生成周报(从 Excel 提取数据,生成 Word 文档)
  2. 小游戏

    • 猜数字(随机生成 1-100 的数字,用户猜,提示大了或小了)
    • 2048 游戏(用控制台实现滑动合并数字)
    • 贪吃蛇(用tkinterpygame库)
  3. 数据分析应用

    • 分析自己的微信聊天记录(词云、聊天频率统计)
    • 爬取豆瓣电影 Top250,分析评分、类型分布
    • 用机器学习预测房价(用scikit-learn简单线性回归)
项目开发建议
  1. 先规划:用思维导图或流程图设计功能模块(如 “文件处理”“用户交互”“数据存储”)。
  2. 分阶段实现:先完成核心功能(如 “能跑通的最小版本”),再逐步添加细节。
  3. 写文档:给代码加注释,写简单的README说明使用方法和依赖。
  4. 上传 GitHub:练习版本控制,提交代码到自己的仓库,积累项目经验。

关键学习资源

  • 官方文档:Python 标准库文档(https://docs.python.org/3/library/)、pandas文档(pandas documentation — pandas 2.3.1 documentation)。
  • 速查工具:Python Tutor(可视化代码执行)、Regex101(正则表达式测试)。
  • 问题解决:遇到错误优先搜 Stack Overflow,关键词用英文(如 “Python requests JSON parse error”)。

按这个计划实践,1 个月后你将能独立完成中小型项目,对 Python 的核心语法、常用库和开发流程有更深入的理解。遇到困难时,记得回到 “用问题驱动学习” 的思路,逐个击破知识点!

http://www.lryc.cn/news/583266.html

相关文章:

  • HashMap的get、put流程源码分析
  • sql查询davinci看板数据
  • 《解构this:JavaScript中动态指向的隐秘逻辑》
  • PHP语法高级篇(一):日期时间处理和包含文件
  • 美股异动|机器人概念表现活跃,微美全息(WIMI.US)瞄准高增长赛道涨超14%
  • 2023年IEEE TITS SCI2区TOP,增强回溯搜索算法EBSA+多无人机辅助商业包裹递送系统飞行规划,深度解析+性能实测
  • 第4章:实战项目一 打造你的第一个AI知识库问答机器人 (RAG)
  • LeetCode 138题解 | 随机链表的复制
  • 光伏无人机3D建模:毫秒级精度设计
  • 老年人与机器人玩具的情感连接
  • 什么是 AMR 格式?简鹿音频转换器轻松批量转换 AMR 为 MP3
  • 论文阅读|汽车虚拟环绕音响系统设计与实现策略的比较研究
  • OpenCV图片操作100例:从入门到精通指南(4)
  • NLP:初识RNN模型(概念、分类、作用)
  • 继承与多态:面向对象编程的两大支柱
  • stockapi股票实时tick数据,技术指标macd,kdj,cci,日k线数据
  • 如何将FPGA设计的验证效率提升1000倍以上(3)
  • oracle ocp题库有多少道题,以及题库背诵技巧
  • JavaEE初阶第八期:解锁多线程,从 “单车道” 到 “高速公路” 的编程升级(六)
  • 软件设计师中级概念题
  • Selenium+Pytest自动化测试框架实战前言#
  • 汽车工业制造领域与数字孪生技术的关联性研究​
  • Microsoft AZ-305 Exam Question
  • 迁移Oracle SH 示例 schema 到 PostgreSQL
  • 亚马逊广告进阶指南:长尾词应如何去挖掘
  • RapidRAW RAW 图像编辑器
  • 游戏开发学习记录
  • 码云创建分支
  • 分库分表之实战-sharding-JDBC绑定表配置实战
  • 掌握PDF转CAD技巧,提升工程设计效率