[Python]如何用uv套件建置python專案與虛擬環境?

認識到python的uv套件得由當初學習Cline的MCP服務端(server)配置說起。Cline是一款VSCode的插件，可視為MCP客戶端(client)，同時可讓開發者快速且方便地在VSCode環境中配置MCP server，並藉由與AI大語言模型搭配來訪問各款MCP server，以完成開發者的需求。若要體驗和進一步了解MCP的功效，Cline是一款快速上手的入門插件，使用方式可參考官網資料。

[Linux]申請一個Ngrok的免費網域作為webhook使用

為了讓一些本地端服務可長期用於監聽事件(event)並觸發(trigger)相應工作，Ngrok隨機產生暫時性的webhook URL是不合適的，因經實際測試，隨機產生的webhook URL開啟超過24小時就失效了，僅僅只能用於開發簡單測試用，如該篇參考文章。

然而Ngrok針對免費用戶有提供一個固定網域的webhook，免費額度看來也相當充裕，使得上述的需求可以被滿足，配置環境和實作步驟如下。

[Python]如何利用Flask搭建一個Web服務器，並透過Ngrok訪問來實現LINE Bot功能?

 

Flask 是一個輕量級的Web框架，主要用於建立基於Python的Web應用和API。它可搭建webhook本地服務器，同時提供靈活的URL路由和HTTP請求處理方式，允許開發者快速啟動並測試應用功能。由於其結構簡單，開發者常用其作為建立和測試 MVP(最小可行性產品)，同時其也非常適合新手作為入門學習Web開發的工具之一。

本文利用樹莓派4B搭建Flask和Ngrok來實現簡易的LINE Bot功能，其中Ngrok的安裝和建置可參考此篇文章，本篇主要著重在Flask環境建置和程式碼的部分。

[Raspberry Pi]如何在Ubuntu的python venv虛擬環境中，運行YOLOv5 物件辨識功能?

延續<[Python]如何在Ubuntu中建置python venv虛擬環境，並安裝TensorFlow和OpenCV函式庫?>文章，當建置 TensorFlow (2.10.0) 和 OpenCV (4.9.0) 的 Python 虛擬環境後，接續進一步安裝 YOLOv5 的相關套件，並在 Raspberry Pi 4B 上完成物件辨識功能，步驟如下。

[Python]如何在Ubuntu中建置python venv虛擬環境，並安裝TensorFlow和OpenCV函式庫?

為了在樹莓派上實現物件影像辨識功能，同時不影響樹莓派原來的python運行環境，選擇建置python虛擬環境[Note1]是一個好方式，其可避免版本衝突和不同運行環境的問題。另外，一併在該虛擬環境中安裝TensorFlow[Note2]和OpenCV[Note3]等等函式庫，並確認版本是否符合需求。

建置python虛擬環境

建置python虛擬環境有venv, virtualenv, conda等方式，其中venv最為簡單易用，也符合此影像辨識的項目需求，建置步驟如下:

1.安裝python venv虛擬環境庫
raspberry@raspberry-desktop:~/python-venv$ sudo apt install python3-venv

2.建立名稱為tensorflow_env資料夾
raspberry@raspberry-desktop:~/python-venv$ python3 -m venv tensorflow_env

3.啟動tensorflow_env的python venv虛擬環境 
raspberry@raspberry-desktop:~/python-venv$ source tensorflow_env/bin/activate

[Python]視窗軟件的自動化測試工具_pyautogui

軟件測試是確認軟件質量的重要流程之一，一般藉由撰寫自動化測試程序來實現。視窗程式的自動化測試原理也很容易，其利用螢幕像素點作為定位參考，並以程式碼使滑鼠和鍵盤做動，如點擊或輸入文字等動作，使其可模擬人類操作視窗程式，最後自動化執行上千次或上萬次，以確保程式的可靠性。

[Python]Pipenv虛擬環境的嘗試與Bug解除

 

项目背景：

原項目經打包後，執行檔(.exe)過於龐大，經解讀網路資料後，在pipenv虛擬環境打包可有效縮小執行檔的大小。原因也易理解，因在pipenv中的安裝包可視該項目導入的包需求來安裝，可降低其他無關的安裝包一併被打包成執行檔，換言之，可將pipenv視為一個迷你版的python作業環境。

[Python]Debug for “IndexError: list index out of range“ error message

 這算是debug代碼的紀錄，只求此次碰過的坑，下次可以繞道而過，紀錄，也供分享。

下列兩個簡單的代碼段都會看到IndexError: list index out of range錯誤訊息，其實問題來自於data1[5]和data2[0]無法被print出來，原因是data1是一個1~5的list，而其序號是由0開始計數，即data1[0]=1....data1[4]=5，所以找不到data1[5]。以此類推，data2是一個empty list，自然連data2[0]都沒有元素。

[Python]如何利用Selenium模塊模擬瀏覽器操作網頁?

銜接<[Python]初探爬蟲(scrapy)>的學習，在Python中，除了善用request安裝包抓取網頁資料之外，還可利用selenium安裝包模擬瀏覽器操作網頁，包含搜尋關鍵字和抓取網頁資料，得以實現機機器人流程自動化(RPA, Robotic process automation)的操作。

[Python]如何將批量的PDF資料匯總為Excel清單?

 在現今電腦化(或稱無紙化)的辦公環境中，往往因為工作需求需將一些資料在不同辦公文件之間轉移，如若需要呈現簡報(.ppt)，可能需將word的部分文字複製到ppt上;若需要分析論文中的表格數據，可能需將pdf轉換成excel。然而，若僅僅是少數文件的轉換，或許可簡單用複製和貼上的功能來處理，但若是批量轉換的工作，為了避免重複性勞力和容易出錯，藉由工具來進行批量轉換才是正確的工作方式。

[Python]關於安裝包路徑的指定和修改

 

延續之前文章<[Python]如何查看安裝包的狀態，包含安裝路徑?>的安裝路徑的遺留問題，這次趁著進行其他安裝包的安裝需求，一併再仔細詳讀相關資料，如文末參考資料，同時也著實測試和順利解決。

[Python]如何查看安裝包的狀態，包含安裝路徑?

關於Python，如上篇文章<[Python]初探爬蟲(scrapy)>所述，其藉由各類安裝包的導入可以開展對應程序工作。既然是藉由安裝包的導入，可想而知，一定會有查詢安裝包的指令，網路上很容易搜尋到。(OS: 其實這篇文章的主要目的是為了紀錄今日的幾個重點結論，而查看安裝包的狀態僅是其中一個結論。)

[Python]初探爬蟲(scrapy)

隨著互聯網時代的到來，網路已成為人類生活的資料庫，只要輸入合適的關鍵字，大部分的問題可藉由搜索找到方向。然而，以另一個角度觀察，龐大的網路資料庫也易因為巨量的資料，導致容易失焦，因此如何從資料庫篩選出期望的主題資料是一個重點工作。早有耳聞Python的爬蟲功能，藉著零碎時間看了一些視頻，同時將重點摘要如下，供日後查閱，也供各位參考。