研发

Scrapy是一个非常方便的爬虫框架，功能可以覆盖基本的应用场景，比如多任务、去重、proxy、深度控制、session等等。虽然有些人会认为Scrapy是基于python的，由于python先天的解释性特点，以及GIL的问题，性能不好，但其实爬虫的瓶颈不在性能，在小规模下性能不重要，大规模下瓶颈在带宽也不在性能。这里主要基于Scrapy介绍一下使用socks5 proxy，虽然网上有一些方案介绍，但其实都有问题，此外分享一些使用上的技巧。

平时难免有一些访问“外网”的需要，或者网络爬虫需要一些代理，也有方式能够购买一些代理ip，但如果想很简单的部署一个稳定的代理ip，那么这里提供一个参考，使用Golang实现的sock5代理服务。

H5中有很多播放器可以使用，比如DPlayer、Video.js，这里不是去做播放器之间的对比，而是基于DPlayer，总结一下在Vue中如何使用，以及相关的一些关键点，比如播放Hls（m3u8）视频，以及播放成功和失败的事件监听。

要做针对股票做量化分析和交易，免不了试需要抓取数据，虽然现在不少券商提供了量化API接口，但要么收费，要么对调用次数有限制。有些初学者或者临时做个分析，不想搞这么复杂，那么抓取网上的数据，是一个比较简单有效的方法。这里就分享我抓取数据用到的一些代码。

之前总结了在Hugo中如何加入valine来实现第三方评论插件，可以回顾《Hugo中加入Valine评论功能》，但希望Hugo上有评论时能够有一个通知的机制，这里就以邮件通知为例，基于之前介绍的Valine评论功能，进一步介绍如何实现Valine的评论通知。

Python的版本众多，很多lib在不同Python版本之间的兼容性不尽相同，之前使用Python时非常苦恼，比如字符编码问题，mysql客户端lib，以及在数据挖掘和量化交易中的工具（如zipline）。虽然现在也有conda能简化这些操作，但是学会virtualenv仍然是Python开发能力发展的必经之路。

目前对于股票投资，我目前为止已经是一个股龄超过十几年的深度患者，虽然不应该对股票投资的规律性报有太大的希望，但仍然免不了对规律探索的欲望。量化是一个将规律程序化，减少主观判断的方式。

在建设和使用量化的环境时，也是一个不断学习和沉淀的过程，也发现有很多需要注意的点，现在网上的信息虽然多，但是很多细节没有，以及很多知识没有串在一起，自己建设量化环境还是有比较高的成本，这里把已经沉淀和之后沉淀的经验逐渐记录分享。

利用服务器和钉钉API给钉钉账号发消息，在很多实际的场景中会有作用，比如应用程序的报警通知，或者数据报表的通知等等。微信目前的开放程度没有钉钉强，使用钉钉API可以很方便的做到，这里就简单总结一下步骤。

在Vue中使用iView UI的Input控件时，在type="numebr"并输入小数的时候，会提示“请输入有效值。两个最接近的有效值分别为a和b”的问题，其中a和b是所输入小数的上下两个整数。有一些提到的方法是使用step控制，但针对iView的Input无效。如果是使用iView来解决，那么可以通过换成InputNumber控件来解决问题。

在Vue中使用iView UI的Select控件时，发现chrome的console一直出现Missing required prop的报错，还是Vue的在v-model的使用不太熟悉，需要利用数据绑定解决问题。