Python

基于mitm中间人的形�?获�?�所有公众�?�历�?�文章，评论，阅读�?

feature
1，支�?水平扩展
2，支�?增�?更新与自动化抓�?�阅读�?，评论数�?�
3，支�?抓�?��?�?�?�继续�?��?抓�?�
4，支�?�?�阶段时间频率控制
5，支�?�?续监控指定公众�?�
代�?暂�?开�?，如有问题交�?�?�在该仓库�??issue,对应处�?��?程图如下：

nice_download.py 多线程文件下载器

�?�论在大型文件下载，带宽充足的情况下，�?�增加数�??�?下载速度
原�?�是多线程对目标文件分�?�下载
1,�?��?head请求获�?�目标文件总大�?，以�?�当�?是�?�支�?分�?�下载(详情:http�??议header头range�?�response的content-range)，现在基本都支�?
2,下载�?创建一个和�?下载文件一样大�?的文件
3,根�?�1中获得的文件大�?分�?�多线程,�?�个线程下载�?�?�的数�?��?�
�?型文件�?�能看�?出加速效果，在大型文件上就会拉大差�?
关于http的range特性：
有些文件下载器在下载中断之�?��?�以在中断�?置继续下载，而�?必�?新开始的原因就是利用了支�?range的特性
记录了中断时的文件�??移�?置,在实现时�?��?在中断异常的时候记录文件�??移�?置到临时文件
下次继续下载读�?�临时文件中的�??移�?��?�支�?断点下载,下载完�?时删除记录文件�??移的临时文件�?��?�
说明：
nice_download.py是多线程模�?,所以去除断点下载功能，�?�则维护临时文件�??移�?置比维护�?�一进程的临时文件�??移�?置�?�?�?�的多
查看帮助：python nice_download.py -h

基于tensorflow的验�?�?识别

�?赖:
pip install tensorflow
pip install numpy

0x01,cd tensorflow
0x02,模型训练：python train.py
0x03,验�?验�?：python cnn_test.py

已有大多相关案例，测试相关总结与截图如下:

详相说明相关截图

总结文档：基于机器学习(TensorFlow)的�?�?�验�?�?识别.pdf

redpackage.py && red_package_optimize.py 一�?红包分�?�?路

red_package_optimize.py为优化版，redpackage.py的range有点浪费内存，比如在红包个数特别大的情况下

指定红包总金�?，�?指定红包的个数，获得�?个红包分�?金�?详情

例，红包总金�?为10元，分�?7个
➜  Py git:(master) ✗ py redpackage.py 10 7
[0.57, 2.37, 1.91, 0.32, 1.3, 2.24, 1.29]
第 1 个红包金�?:0.57元
第 2 个红包金�?:2.37元
第 3 个红包金�?:1.91元
第 4 个红包金�?:0.32元
第 5 个红包金�?:1.3元
第 6 个红包金�?:2.24元
第 7 个红包金�?:1.29元
验�?:红包总金�? is 10.0元, 分�?�?� res sum is 10.0元

ac.py 字符串�?�索算法（tire树+AC自动机)

学习记录:
如果你的本地�?�有几个，几�??个�?，那么没有必�?使用，直接存�?置文件，字典查找�?��?�，
这比�?�api�?�起http请求�?快的多。但如果�?的数目�?断增加，那么�?�期将�?利于维护，
需�?�?务化。

这个算法存在于实际场景,判断�?个�?��?是�?�是�?感�?，就涉�?�到字符串查找。
�?感�?被�?装�?了一个api接�?�,使用起�?�也很方便,直接�?�api�??交�?��?,
看返回结果就知�?�是�?�命中,命中了则字符串存在,表明查找到了。

需�?数�?�结构与算法知识：
�?�考文档1(海�?数�?�处�?�之Tire树（字典树))：
      http://blog.csdn.net/ts173383201/article/details/7858598
�?�考文档2(AC自动机总结)：
      http://blog.csdn.net/mobius_strip/article/details/22549517

trie的核心�?想是空间�?�时间,跟彩虹表的�?想一致,但trie树�?是彩虹表,
简而言之,trie树利用字符串的公共�?缀�?��?低查询时间的开销以达到�??高效率的目的。

它有3个基本性质：
      根节点�?包�?�字符，除根节点外�?一个节点都�?�包�?�一个字符。
      从根节点到�?一节点，路径上�?过的字符连接起�?�，为该节点对应的字符串。
      �?个节点的所有�?节点包�?�的字符都�?相�?�。

�?制了别人画的图，大致就是一�?如下的树结构,需�?用语言构造这棵树�?��?�:

fail 指针的�?�解图解,以下内容需�?仔细读
�?�考：http://www.cnblogs.com/crazyacking/p/4659501.html

树上的�?分别是：
{ he , hers , his , she}
按图所示分�?3层。看到第三层，是"she"，其中：
①s指�?�root
②h先找到s的fail指针
�?�现是0�?�指针，�?是h，然�?�h就�?高兴了，�?问问s的fail指针root：“你有没有儿�?和我�?��??�?�h的�?
root说：“有，你指�?�他�?��?，然�?�h就高兴的指�?�了第一行的h.
③e开始找了，首先问他�?爸h：“你的fail指针指�?��?�?
h说：“图上第一行那个h啊�?
然�?�e就�?颠�?颠地跑去问图上第一行那个h：“你有没有�??字和我一样的儿�?啊�?
图上第一行那个h说：“有，他地�?�是xxx�?
最�?�e的fail指针就指�?�xxx地�?�，也就是第一行那个e了
�?�现这样，如果一个字符串查到第三行的e以�?�的字符�?�?匹�?，那说明他�?�?�应该有个‘he’
刚好e的失败指针指�?�的是第一行的‘he...’的那个e；
这样就�?用从h开始�?找一�??，而是接�?�第一行的e继续往�?�找，从而节�?了时间.

➜  ~ du -h word.md && wc -l word.md
1.0M  word.md
57193 word.md

本地测试了一下，57000�?�记录大于�?�1M硬盘空间，那么6M的空间大约包�?�记录34W�?�记录,
我传到github的word.md没有几个字符,�?��?�了演示,而且�?个�?��?还加了rank等级，\t制表符,实际�?�用空间应该更�?,
生产环境甚至�?�以直接将这些数�?�缓存到内存中。

测试�?�索指定字符串：

查找到了
➜  ~ python ac.py lock
Good ! Find it, the item is:
[(0, 3, 'lock', 1, 2)]

查找到了
➜  ~ python ac.py stop
Good ! Find it, the item is:
[(0, 3, 'stop', 2, 3)]

没有查找到
➜  ~ python ac.py test
Sorry, The item not in file dict

如果查找到了返回一个list，list中item类型为tuple, 并且包�?�了在树中匹�?的起,终点�?置index

calc24.py 算24游�?�?程�?

游�?规则：给定4个数，�?�以执行的�?算有 + - * / , 求出算的结果是24的算法过程

get help：
➜  Py git:(master) ✗ py calc24.py -h
Usage: usage -n 1,2,3,4

Options:
  -h, --help  show this help message and exit
  -n NUMS     specify num list
  
exp:
➜  Py git:(master) ✗ py calc24.py -n 10,8,9,4
[10, 8, 9, 4]
9 - 10 = -1
4 + -1 = 3
8 * 3 = 24
Success

or random test:
➜  Py git:(master) ✗ py calc24.py
[9, 10, 3, 6]
10 - 9 = 1
3 + 1 = 4
6 * 4 = 24
Success

~~~python轮�?很强大~~~

rpn.py 逆波兰表达�? python 版实现

逆波兰表达�?被广泛应用于编译原�?�中，是一�?是由波兰数学家扬·武�?�谢维奇1920年引入的数学表达�?方�?，在逆波兰记法中，
所有�?作符置于�?作数的�?��?�，因此也被称为�?�缀表示法。逆波兰记法�?需�?括�?��?�标识�?作符的优先级。
以利用堆栈结构�?少计算机内存访问。
➜  Py git:(master) ✗ python rpn.py
['11111111111111', '9999999999999', '*', '99', '12', '4', '/', '-', '10', '+', '+']
True 111111111111098888888888995 111111111111098888888888995
True 326 326

dispatch.py 轮转队列 | �??程实现

你的手头上会有多个任务，�?个任务耗时很长，而你�?��?想�?�步处�?�，而是希望能�?多线程一样交替执行。
yield 没有逻辑�?义，仅是作为暂�?�的标志点。
程�?�?�?�以在此暂�?�，也�?�以在此�?��?。而通过实现一个调度器，完�?多个任务的并行处�?�。
通过轮转队列�?次唤起任务，并将已�?完�?的任务清出队列，模拟任务调度的过程。
核心代�?：
from collections import deque
class Runner(object):
    def __init__(self, tasks):
        self.tasks = deque(tasks)

    def next(self):
        return self.tasks.pop()

    def run(self):
        while len(self.tasks):
            task = self.next()
            try:
                next(task)
            except StopIteration:
                pass
            else:
                self.tasks.appendleft(task)

def task(name, times):
    for i in range(times):
        yield
        print(name, i)

Runner([
    task('hsfzxjy', 5),
    task('Jack', 4),
    task('Bob', 6)
]).run()

coroutine.py 通过gevent第三方库实现�??程

上�?�的dispatch.py通过yield�??供了对�??程的支�?,模拟了任务调度。而下�?�的这个gevent第三方库就更简�?�了。

第三方的gevent为Python�??供了比较完善的�??程支�?。通过greenlet实现�??程，其基本�?想是：
    当一个greenlet�?�到IO�?作时，比如访问网络，就自动切�?�到其他的greenlet，等到IO�?作完�?，�?在适当的时候切�?�回�?�继续执行。
    由于IO�?作�?�常耗时，�?常使程�?处于等待状�?，有了gevent为我们自动切�?��??程，就�?�?总有greenlet在�?行，而�?是等待IO。

由于切�?�是在IO�?作时自动完�?，所以gevent需�?修改Python自带的一些标准库，这一过程在�?�动时通过monkey patch完�?：

�?赖：
pip install gevent

执行：
➜  Py git:(master) ✗ python coroutine.py
GET: https://www.python.org/
GET: https://www.yahoo.com/
GET: https://github.com/
91430 bytes received from https://github.com/.
47391 bytes received from https://www.python.org/.
461975 bytes received from https://www.yahoo.com/.

base64_str.py base64编�?原�?�

base64编�?原�?�，使用Python实现base64编�?，�?�能有bug，未完全完善版
1,准备一个包�?�64个字符的数组
2,对二进制数�?�进行处�?�，�?3个字节一组，一共是3x8=24bit，划为4组，�?组正好6个bit
3,得到4个数字作为索引，然�?�查表，获得相应的4个字符，就是编�?�?�的字符串
4,如果�?编�?的二进制数�?��?是3的�?数，最�?�会剩下1个或2个字节,Base64用\x00字节在末尾补足�?�，�?在编�?的末尾加上1个或2个=�?�，
表示补了多少字节，解�?的时候，会自动去掉。

Base64编�?会把3字节的二进制数�?�编�?为4字节的文本数�?�，长度增加33%

例：
➜  Py git:(master) ✗ python base64_str.py lock
bG9jaw==
➜  Py git:(master) ✗ echo -n lock|base64
bG9jaw==

rsa.py RSA算法演示

➜  py python rsa.py
下�?�是一个RSA加解密算法的简�?�演示:

报文    加密       加密�?�密文

12      248832          17
15      759375          15
22      5153632         22
5       3125            10


---------------------------
----------执行解密---------
---------------------------
原始报文        密文      加密            解密报文

12              17      1419857         12
15              15      759375          15
22              22      5153632         22
5               10      100000          5

selenium.py 自动化测试demo

�?�1：
  执行 python selenium.py 始终无法唤醒chrome。
  最终�?�现chromedriver很早之�?安装的，没有进行：brew upgrade chromedriver，导致执行脚本时报错
  upgrade chromedriver 之�?�解决问题，官方文档说明了selenium支�?好几个Browser driver。
  演示时用的是Chrome，python的unittest模�?�，文档上说也�?�以用pytest

大致支�?这以下几�?DOM查找,�?�?�语言的接�?�略微的�?区别
  driver.findElement(By.id(<element ID>))
  driver.findElement(By.name(<element name>))
  driver.findElement(By.className(<element class>))
  driver.findElement(By.tagName(<htmltagname>))
  driver.findElement(By.linkText(<linktext>))
  driver.findElement(By.partialLinkText(<linktext>))
  driver.findElement(By.cssSelector(<css selector>))
  driver.findElement(By.xpath(<xpath>))

支�?Using Selenium with remote WebDriver
  支�?远程WebDriver，默认监�?�4444端�?�
  �?�动：brew services start selenium-server-standalone
  �?�止：brew services stop selenium-server-standalone
  访问http://127.0.0.1:4444 点击console,
  新建正在测试所使用的webdriver,对于正在�?行driver的测试程�?，�?�以截图看当�?测试程�?的�?行�?置

Python 沙箱逃逸

�?温2012.hack.lu的比赛题目，在这次挑战中，需�?读�?�'./1.key'文件的内容。
他们首先通过删除引用�?�销�?打开文件的内置函数。然�?�它们�?许您执行用户输入。看看他们的代�?�?微修改的版本：

def make_secure():
    UNSAFE = ['open',
              'file',
              'execfile',
              'compile',
              'reload',
              '__import__',
              'eval',
              'input']
    for func in UNSAFE:
        del __builtins__.__dict__[func]
from re import findall
# Remove dangerous builtins
make_secure()
print 'Go Ahead, Expoit me >;D'
while True:
    try:
        # Read user input until the first whitespace character
        inp = findall('\S+', raw_input())[0]
        a = None
        # Set a to the result from executing the user input
        exec 'a=' + inp
        print 'Return Value:', a
    except Exception, e:
    	print 'Exception:', e
由于没有在__builtins__中引用file和open，所以常规的编�?技巧是行�?通的。但�?�以在Python解释器中挖掘出�?�一�?代替file或open引用的方法。

�?�类读�?�文件的方�?：
().__class__.__bases__[0].__subclasses__()[40]('1.key').read()
这个方法�?然�?�以读�?�到1.key的内容，coder,hack,geek�?�以深入了解下，本人测试时的python版本为：Python 2.7.12

avl_tree.py 平衡二�?��?�索树

特点：
1�?若它的左�?树�?为空，则左�?树上所有的节点值都�?于它的根节点值。
2�?若它的�?��?树�?为空，则�?��?树上所有的节点值�?�大于它的根节点值。
3�?它的左�?��?树也分别�?�以充当为二�?�查找树。
4�?�?个节点的左�?树和�?��?树的高度差至多等于1。

如果普通二�?��?�索树的深度很高且�?�一左边节点很多或者�?�一�?�边节点很多，那么查找性能几乎就�?��?了线性的
而平衡二�?�树的�?个节点的左�?树和�?��?树的高度差至多等于1，这�?树结构的查找性能时间�?�?�度趋�?�lgn

➜  Py git:(master) ✗ py avl_tree.py
8
9
1

rb_tree.py 红黑树

红黑树多用在内部排�?，�?�全放在内存中的，微软STL的map和set的内部实现就是红黑树。
B树多用在内存里放�?下，大部分数�?�存储在外存上时。因为B树层数少，因此�?�以确�?�?次�?作，读�?��?盘的次数尽�?�能的少。
在数�?�较�?，�?�以完全放到内存中时，红黑树的时间�?�?�度比B树低。
�??之，数�?��?较大，外存中�?�主�?部分时，B树因其读�?盘次数少，而具有更快的速度。

特点：
（1）�?个节点或者是黑色，或者是红色。
（2）根节点是黑色。
（3）�?个�?��?节点（NIL）是黑色。 [注�?：这里�?��?节点，是指为空(NIL或NULL)的�?��?节点�?]
（4）如果一个节点是红色的，则它的�?节点必须是黑色的。
（5）从一个节点到该节点的�?孙节点的所有路径上包�?�相�?�数目的黑节点。

revert_list.py �??转链表

➜  Py git:(master) ✗ py revert_list.py
1
2
3
start revert list ...
3
2
1

palindrome.py python版回文数,heapq_sort.py基于堆排�?

life is short , use python
-(1)时间�?�?�度：O(n)，空间�?�?�度：O(1)。从两头�?�中间扫�??
-(2)时间�?�?�度：O(n)，空间�?�?�度：O(1)。先从中间开始�?然�?��?�两边扩展

堆排实现，python对有对应�?装好的heapq模�?�
py heapq_sort.py

kmp.py kmp字符串查找算法

➜  Py git:(master) ✗ python kmp.py
Found 'sase' start at string 'asfdehhaassdsdasasedwa' 15 index position, find use times: 23
Found 'sase' start at string '12s3sasexxx' 4 index position, find use times: 9

核心算法：
def kmp(string, match):
    n = len(string)
    m = len(match)
    i = 0
    j = 0
    count_times_used = 0
    while i < n:
        count_times_used += 1
        if match[j] == string[i]:
            if j == m - 1:
                print "Found '%s' start at string '%s' %s index position, find use times: %s" % (match, string, i - m + 1, count_times_used,)
                return
            i += 1
            j += 1
        elif j > 0:
            j = j - 1
        else:
            i += 1

compress.py 字符串压缩

针对连续�?�?较多的字符压缩，�?�则�?起压缩效果
➜  Py git:(master) ✗ python compress.py
原始字符串:xAAACCCBBDBB111
压缩�?�:x1A3C3B2D1B213
执行解压...
x
A
A
A
C
C
C
B
B
D
B
B
1
1
1
解压完毕
解压�?�:xAAACCCBBDBB111

hashtable.py hash表实现

hash_table = HashTable(5); # 分�?5�?�
hash_table.set(1,'x')
print hash_table.get(1)

核心代�?：
class Item(object):
    def __init__(self, key, value):
        self.key = key
        self.value = value


class HashTable(object):
    def __init__(self, size):
        self.size = size
        self.table = [[] for _ in xrange(self.size)]

    def hash_function(self, key):
        return key % self.size

    def set(self, key, value):
        hash_index = self.hash_function(key)
        for item in self.table[hash_index]:
            if item.key == key:
                item.value = value
                return
        self.table[hash_index].append(Item(key, value))

    def get(self, key):
        hash_index = self.hash_function(key)
        for item in self.table[hash_index]:
            if item.key == key:
                return item.value
        return None

    def remove(self, key):
        hash_index = self.hash_function(key)
        for i, item in enumerate(self.table[hash_index]):
            if item.key == key:
                del self.table[hash_index][i]

interpreter.py Python解释器�?�解

Python会执行其他3个步骤：�?法分�?，语法解�?和编译。
这三步�?�起�?�把�?代�?转�?��?code object,它包�?��?�解释器�?�以�?�解的指令。而解释器的工作就是解释code object中的指令。
核心代�?
class Interpreter:
    def __init__(self):
        self.stack = []

    def load_value(self, number):
        self.stack.append(number)

    def print_answer(self):
        answer = self.stack.pop()
        print(answer)

    def add_two_values(self):
        first_num = self.stack.pop()
        second_num = self.stack.pop()
        total = first_num + second_num
        self.stack.append(total)

    def run_code(self, what_to_execute):
            instructions = what_to_execute["instructions"]
            numbers = what_to_execute["numbers"]
            for each_step in instructions:
                instruction, argument = each_step
                if instruction == "load_value":
                    number = numbers[argument]
                    self.load_value(number)
                elif instruction == "add_two_values":
                    self.add_two_values()
                elif instruction == "print_answer":
                    self.print_answer()

linked_list.py 快速查找�?�链表中间节点

➜  Py git:(master) py linked_list.py
普通�??历方�?,�?�链表中间节点为:n3,索引为:2，�??历一次链表，在从0�??历到中间�?置
快慢指针方�?,�?�链表中间节点为:n3,索引为:2，�?��??历一次链表

核心代�?：
class Node(object):
  def __init__(self,data,next):
    self.data=data
    self.next=next

n1 = Node('n1',None)
n2 = Node('n2',n1)
n3 = Node('n3',n2)
n4 = Node('n4',n3)
n5 = Node('n5',n4)

head = n5   # 链表的头节点

p1 = head   # 一次步进1个node
p2 = head   # 一次步进2个node

step = 0
while (p2.next is not None and p2.next.next is not None):
  p2 = p2.next.next
  p1 = p1.next
  step = step + 1
print '快慢指针方�?,�?�链表中间节点为:%s,索引为:%s，�?��??历一次链表' % (p1.data,step)

K最近邻算法

这个算法比svm简�?�很多
�?�需使用�?中所学的两点�?离公�?（欧拉�?离公�?），计算目标点到�?�组的�?离，看绿点和哪组更接近。
k代表�?�当�?�?分类的点最近的k个点，这k个点如果其中属于红点个数�?�多数，我们就认为绿点应该划分为红组，�??之，则划分为黑组。
k值与分类数�?正相关，现在是2个分组，那么k值�?�3，�?�设是3个分组，那么k值就�?�?�5
�?�考说明：https://zh.wikipedia.org/wiki/最近鄰居法
�?赖：
pip install numpy
pip install matplotlib

下图中标注较大的红点在计算之�?�被分�?到红组
执行：python knn.py

支�?�?��?机 svm.py

迟早会忘记的svm
属分类算法，目标是寻找一个最优超平�?�，比knn算法�?�?�
demo为线性�?�分离数�?�

�?�考1：https://zh.wikipedia.org/zh-hans/支�?�?��?机
�?�考2：http://blog.csdn.net/viewcode/article/details/12840405
�?�考3：http://blog.csdn.net/lisi1129/article/details/70209945?locationNum=8&fps=1

�?赖：
pip install numpy
pip install matplotlib

执行：python svm.py

(�?�?，中�?，�?��?，层�?) btree.py

➜  Py git:(master) ✗ python btree.py
�?�?�??历： root A C D F G B E
中�?�??历： C F D G A root B E
�?��?�??历： F G D C A E B root
层�?�??历： root A B C E D F G
构造树结构如下图

Scrapy 爬虫测试（项目代�?在仓库crawl_360目录下）

安装�?赖：
pip install Scrapy 
pip install sqlalchemy 
pip install sqlacodegen
pip install mysql-connector

创建db：CREATE DATABASE crawl DEFAULT CHARACTER SET utf8 DEFAULT COLLATE utf8_general_ci

创建表：crawl_360/readme/sql.sql 文件

sqlacodegen创建models：
sqlacodegen --outfile=models.py mysql://root@localhost:3306/crawl --tables butian


找测试的目标抓�?�页�?�：http://butian.360.cn/Loo 页�?�被披露�?洞的�?业列表

创建项目: scrapy startproject crawl_360

目录结构:
➜  crawl_360 tree
.
├── crawl_360
│   ├── __init__.py
│   ├── __init__.pyc
│   ├── items.py
│   ├── items.pyc
│   ├── middlewares.py
│   ├── models
│   │   ├── __init__.py
│   │   ├── __init__.pyc
│   │   ├── db.py
│   │   ├── db.pyc
│   │   ├── models.py
│   │   └── models.pyc
│   ├── pipelines.py
│   ├── pipelines.pyc
│   ├── reademe
│   │   └── sql.sql
│   ├── settings.py
│   ├── settings.pyc
│   └── spiders
│       ├── __init__.py
│       ├── __init__.pyc
│       ├── butian.py
│       └── butian.pyc
└── scrapy.cfg

生�?一个爬虫：
cd crawl_360 && scrapy genspider butian butian.360.cn/Loo

编写爬虫代�? (crawl_360目录下，xpath代�?30行�?��?�)

爬�?�：scrapy crawl butian

�?�：selenium也是一款�?�常�?错的工具，�?�是使用selenium调用Browser driver更加逼真真实用户�?作

Celery 分布�?任务队列Test (仓库celery文件夹下)

pip3 install celery
pip3 install redis
编写tasks.py

from celery import Celery

app = Celery('TASK', broker='redis://127.0.0.1', backend='redis://127.0.0.1')


@app.task
def add(x, y):
    print 'start ...'
    print 'get param :%s,%s' % (x, y,)
    return x + y

�?�动celery worker �?�开始监�?�并执行任务
celery -A tasks worker --loglevel=info
tasks 任务文件�??，worker 任务角色，--loglevel=info 任务日志级别

127.0.0.1:6379> keys *
1) "_kombu.binding.celery"
2) "_kombu.binding.celeryev"
3) "_kombu.binding.celery.pidbox"
127.0.0.1:6379>

redis 集�?�结构(set),查看value:
SMEMBERS _kombu.binding.celery

在tasks.py文件目录打开终端进入py的交互�?模�?
>>> from tasks import add
>>> add.delay(1,2)
<AsyncResult: edb1b071-ed94-46fc-8250-a13e3db0e1a4>
>>> t = add.delay(4,5)
>>> t.get()
9
>>> t.ready()
True

celery常用接�?�
tasks.add(4,6) ---> 本地执行
tasks.add.delay(3,4) --> worker执行
t=tasks.add.delay(3,4)  --> t.get()  获�?�结果，或�?��?，阻塞
t.ready()---> False：未执行完，True：已执行完
t.get(propagate=False) 抛出简�?�异常，但程�?�?会�?�止
t.traceback 追踪完整异常

计算结果�?存在redis中,默认结果有效期为1天
127.0.0.1:6379> ttl celery-task-meta-6eb3ee46-e86d-409a-9eb5-0c7d9b005035
(integer) 85917
127.0.0.1:6379> get celery-task-meta-6eb3ee46-e86d-409a-9eb5-0c7d9b005035
"{\"status\": \"SUCCESS\", \"traceback\": null, \"result\": 9, \"task_id\": \"6eb3ee46-e86d-409a-9eb5-0c7d9b005035\", \"children\": []}"
127.0.0.1:6379>