一个awd攻防比赛的裁判平台。 版本：beta v2.0 开发语言：python3 + django 平台分为两个部分 裁判机 靶机 通过特定接口，来实现靶机flag与服务器的通信 搭建流程 裁判机 安装所需环境 裁判机：python3+django 全局搜索woshiguanliyuan，并修改为随机字符串，此处为管理平台地址 /untitled/urls.py path('woshiguanliyuan/',views.admin,name='admin'), path('woshiguanliyuan/table/',views.admin_table,name='admin_table'), /app/views.py if 'woshiguanliyuan' not in request.META['HTTP_REFERER']: 第31和47换为你的目录 列：("/var/www/awd_platform/app/qwe.txt","a") 修改app/management/commands/init.py，添加用户 #['用户名','用户靶机token','用户靶机token'] user=[ ['123456','FF9C92C7SDFABB71566F73422C','FF9C92C7SDFABB71566F73422C'], ['aaabbb','311F8A54SV9K6B5FF4EAB20536','311F8A54SV9K6B5FF4EAB20536'] ] 修改/app/views.py第行d89f33b18ba2a74cd38499e587cb9dcd为靶机中设置的admin_token值的md5 if('d89f33b18ba2a74cd38499e587cb9dcd'==hl.hexdigest()): 运行 python3 manage.py init python3 manage.py manage.py runserver --insecure 靶机 安装所需环境 靶机：python+requests 修改send_flag.py参数，并将其放入靶机，设权限700。 靶机 sudo python send_flag.py。 靶机生成flag脚本，send_flag.py import requests import time import random import string import hashlib token='woshiwuxudong' # 红队 baji='311F8A54SV9K6B5FF4EAB20536' def getFlag(): #return ''.join(random.sample(string.ascii_letters + string.digits, 48)) m = hashlib.md5(''.join(random.sample(string.ascii_letters + string.digits, 48)).encode(encoding="utf-8")).hexdigest() return m while(1): f=open('/flag','w') flag=getFlag() f.write(flag) data={ 'flag':flag, 'token':token, 'baji':baji, } r=requests.post('http://127.0.0.1/caipanflag/',data=data) print(r.text) f.close() time.sleep(300) 重要须知 更新作者基础上： 1.增加flag验证一次性失效性，使得每个用户都并且仅可以提交一次flag 2.增加排名情况 3.flag改为MD5 4.增加丢失flag一轮扣100分

python3 tensorflow平台下 alexnet训练与预测源码，亲测ok

利用Python3的读写和网络功能来获取IP对应的计算机名，运行后读取目录下ip.txt文件中的IP文本，通过socket.gethostbyaddr()获取IP对应计算机名。最终记录到default.txt中。

主要介绍了Python3实现获取图片文字里中文的方法,结合实例形式分析了Python基于文字识别引擎tesseract-ocr针对图片里中文识别的相关操作技巧与操作注意事项,需要的朋友可以参考下

HTMLTestRunner支持Python3版本中文优化版，网上大佬的源码版是英文版，为了方便大家使用，又优化了一版中文版

pip install -r D:\requirements35.txt

caffe-window-python3.5编译包，刚编译完，里面有完整的编译需要的文件，不需要在下载一堆了，所以压缩包会比较大。下载后，找到build文件夹下的Caffe.sln。强烈建议用vs2015打开。

波拉德分解算法 Pollard 分解算法的基本 python3 实现。 样品运行 python3 pollard.py 200391 100000 | vim -

下载好的opencv和sklearn，但只适合于python3.9 64位

64位 python3.6.5 安装，windows直接运行即可。很建议的安装方法，亲试可行