URL 概念

全称 Uniform Resource Locator (统一资源定位符)，是一种 URI (Uniform Resource Identifier, 统一资源标识符)

URL 作用

主要用于网络资源的定位。换句话说，当你想告诉 Alice 你的服务器上有一个有趣的文件想要分享时，你就可以告诉这个文件对应的 URL。那么 Alice 就可以根据这个 URL 找到你要分享的文件。而目前 URL 更通俗的被称为网址。

问题描述: 提供一些以数字为 id 的任务(task)，这些任务存在如下图所示的依赖关系:

其中, 1 -> 3 表示任务 3 必须在任务 1 完成之后才能够开始。如上图中，任务 3 必须在任务 1 和任务 4 之后。而任务 4 又必须在任务 2 之后。

而要求就是, 提供一个序列，要求按照这个序列能够顺利完成所有任务。这里假设每个时刻只能处理一个任务，而且一旦开始处理某个任务，那么你不能中止或切换到其它任务。这个答案可能不唯一。在上图中，一个可能的答案就是 [1, 2, 4, 3, 5, 7, 6]。

以 JavaScript 为例子发表一下我对工厂模式 (Factory Pattern) 的看法

为什么不直接 new 呢? 我自己写代码直接 new 自己写的类不就好了么?

这里不得不提一下设计模式的意义。设计模式并不是凭空捏造的，而是长期开发所形成的经验之谈，当然这些经验自然是成功的，被认可的经验，否则设计模式就不会被那么多人认可和推崇了。

简单谈谈目前 (2017 年 10 月), Node.js 对 ESM (ES6 Module) 的支持情况，并且发表一点自己的看法。

主流的方案

1. 在文件开头添加 "use module"; 或类似字段
2. 新的文件后缀名，如 .mjs
3. 通过源代码内容自动区分
4. 在 package.json 指明采用 ESM 的文件

这里的 DefaultDict 指的是类似于 Python 中的 defaultdict 的一种类。其基本特点就是当某个属性不存在于该对象中时，该对象会自动为这个属性创建一个默认值。这个默认值是由用户在创建 DefaultDict 时指定的。

举个例子，现在需要一个对象，如果某个属性不在这个对象时，在为这个属性赋值为 0.

最近看了些项目的源码，其中就包括 thunkify。虽然 thunkify 代码简单，很快就读完了，不过看看项目的测试文件和提交历史，也还是能看出很多事物的。这次阅读的代码是当前最新版本，commit 编号 0bd83e。

功能陈述

将一个函数转换为一个为 Thunk 函数，这个函数被调用后会返回一个以回调函数为参数的函数。可以参考 Thunk 函数。

Putong OJ – 一个看上去很普通的 Online Judge，现已上线

Features

说一些我自认为可以称得上特性的”特性”

单页应用

估计现在没有一个 OJ 采用的是单页应用吧。

作为一名在杭州读书的学生，其实从大一开始，我就一直想去这个展会了。第一次和第二次“太乖”，遇上了点学院的事，听了辅导员和学生会的建议，给他们做苦力去了。第三次正忙于升学考试，故自愿放弃了那次机会。但今年，我在杭州，又没有理由不去，所以还是去了。之所以选择这个日子（4月28日），主要还是因为听说“山下智博”也会来展，想去见见，所以选择了今天。

背景及摘要

3 月 15 日，浙大玉泉校区举办了一场招聘会，近几百家单位参加。虽然我不是浙大本校生，但是外校学生若携带学生证件也是可以进入的。我总共带了 12 份简历前往，并全部投出。我的目标岗位为 Web 前端开发，但也对 Python / Node.js 后端有意向。目前我已进行了 3 次面试，分别是 数聚科技, 谷神星, 企朋 （点击可查看拉钩网上的信息）。我想在这篇文章里分享一下我这几次的面试过程，谈谈我的一些想法，希望对大家有帮助。

howdoi – 一款通过命令行帮你从 stackoverflow 中寻找答案的工具，其源代码部分不足 300 行。同时，这份代码被 The Hitchhiker’s Guide to Python! 推荐为适合新手源码阅读的代码。因此，在读完源码后，我分享一下我对这份代码的理解。

这里采用的版本是 tree 中标号为 d84afdee60 的那一版

Python 对函数默认参数的处理

一个以可变对象为默认参数的函数:

1
2
3
4
5
6
7
8
9
10
11

class A:
    def __init__(self):
        self.x = 1
        print('created')

def f(a = A()):
    a.x += 1
    print(a.x)
# output: created
f() # output: 2
f() # output: 3

从结果可以看出，Python 在解析时便已经创建好了默认参数 a 的值。函数 f 在调用时采用了同一个对象，而不是每次调用时重新创建新的对象。这一点与 C++ 的处理方式不同。

什么是 CPython

简单的说, CPython 是 Python 解释器的一个实现。换句话说，Python 解释器是由 C 写的，然后由 GCC 之类的编译器编译而成的可执行文件。除了 CPython，还有 PyPy(用 Python 实现的 Python 解释器)，Skulpt(用 JavaScript 实现的 Python 解释器) 等等。如果你不知道你用的是哪一个，那么你一定用的就是 CPython。因为 CPython 是 Python 官方的解释器实现，其它均属于第三方实现。

从源码到运行

对于从 Python 源码到解释器执行它们的这个过程，我把它分为两大步 —— 编译(Compiling) 与 解释(Interpreting)。

（叹气）又是一年。

在 SICP 第 3 章中，有一段部分内容是以 stream 为核心而展开的。而 stream 的特点就是 lazy evaluation / delayed evaluation （惰性求值 / 延迟计算）。在接触 stream 之时，我便立即联想到 Python 具有类似的功能 — yield。

SICP 第二章的标题为 “Building Abstractions with Data”。与第一章标题“Building Abstractions with Procedures” 相比，这一章明显注重于在数据上的抽象。因此，在本章中所采用的例子中，会有多种数据类型被抽象出来，而每种数据类型又会对应着多种操作，那么随着代码量的增多，如何在不减少需求的情况下正确的对数据的抽象将直接影响开发者编码时的难度以及后期维护的成本。

在阅读和练习完 Chapter 2 之后，我想谈一下对我思维冲击比较大的几个点。