php怎么创建空对象，电子商务专业的就业方向有哪些？
电子商务专业是顺应电子信息时代和经济商贸形势发展而设立的“新时代”专业，现阶段开设院校比较多。
目前电子商务专业有两个学习方向，一个方向是技术应用与开发，一个是商务管理与运营。电子商务专业主要培养计算机科学、市场营销学、管理学、经济学、法学以及物流管理等学科，也称作为电商专业。
电子商务专业要求学生掌握计算机信息技术、市场营销、国际贸易、管理、法律以及现代物流管理等相关课程内容，具备较强的网络营销能力，能够利用网络开展各类商贸活动，提高企业管理水平和社会行业领域服务意识，促进社会商贸有序发展。
总体来说，电子商务专业就业方向是互联网，从事的职业有前段、UI设计、SEO、产品经理、产品运营、项目管理等相关专业工作。工资待遇福利水平根据毕业生个人发展能力不同而各尽不同。同时因为电子商务专业是一个交叉性很强的专业，各开设高校对于该专业的所属科系类别有所差异，常见的有经济管理系和计算机系，所以毕业生所学的专业课程体系结构有所差异，从而毕业生就业形势和机会也各尽不同。
由于电子商务被称为电商，计算机只是商务运行的工具，所以电子商务可以根据计算机科学与技术和经济管理两个大类学科进行全面设置，具体的学科研究方向和工作岗位毕业生可以从这个方面选择。同时电子商务专业可以选择会计，感兴趣的学生可以学习会计专业，也可以选择计算机科学领域，毕业之后从事计算机相关专业工作。由此可见，电子商务专业的就业形势相对比较良好，因为其广阔的学习选择方向和就业领域，广阔度比较宽泛，决定了毕业生在专业领域选择和就业领域具有一定的选择性。
现阶段开设电子商务专业的院校数量比较多，电子商务隶属于不同的院系，目前电子商务专业学科发展水平最为强大的院校有:西安交通大学、武汉大学、北京交通大学。
西安交通大学电子商务专业隶属于管理学院，学院下设管理信息与电子商务等7个系，针对专业设置，师资力量配备结构体系良好，学科建设体系完备，各类国家级工程实验中心比较多，全面促进学生学习体系发展。
大龄程序员出路在哪里？
不仅大龄程序员需要寻找出路，大龄产品经理，运营经理，销售人员一样要找到自已的出路。
我的回答是年轻找工作靠公司，年龄大了工作靠自已。
作为一个朝九晚九的程序员，快速发展的互联网公司看中你的学校、学历、年轻、知识、精力。唯独不会看中你的年龄。
在互联网中，我们经常会听到各类传闻，华为又裁员了，美团又裁员了，滴滴又裁员了。
。。。
过一段时间一看，原来都是假象，很多公司趁着年头不景气，顺手裁掉了不少大龄程序员、产品经理，生意好了，公司又趁机招聘了很多更年轻的程序员，接着干。
于是大龄程序员就象韭菜一样被干掉了。
韭菜为什么受伤的总是你，大龄程序员？
可能你不怎么爱加班，可能你感觉要放松一下微微凸起的小肚，可能你受不了主管那犀利的批评。
不管从哪方面来看，你都很难适应互联网公司的工作节奏，难以赶上新人生龙活虎的精力，这是现实，于是你失去工作的时候，不免会狠狠地回看一眼，年轻人总有一天会老的，今日笑我痴，明日谁笑你。
大龄程序员被公司抛弃，是互联网发展的趋势决定的，在扁平化的信息体系下，得到信息更快，学习进度更快，公司的知识传输机制也更加有效。
所以，一个干了10年的程序员，收入还不如刚入职的985大学生，这个现象很令人惊讶，却又必然。
微薄的工资条那么，作为一个上了年纪的程序员，我们的优势在哪里呢，如何找到自已的出路？
我认为，公司的就业体制就是基于专业性的分工体制，一个程序员的能力再强，在公司中，大体也只是做一些被安排的工作，聚集到一个或几个方面的技术上。
长此以往，你在那个方向当然非常精通，不过也容易被取代，而且一旦被公司抛弃，缺乏综合战斗里去面向恶意满满的社会。
所以，作为一个程序员，你最重要的是未雨绸缪，在还有一定打工价值的时候，快速提升自已对这个社会的看待，对能力的眼光。
要知道，你的工资的高低，主要是因为你的稀缺程度而引起的，而并不是你就能直接创造这么大的价值。
但是你一旦独立了，你就要考虑如何用双手去创造应有的价值。
摆地摊的老年程序员打个比方来说，你可以象我这样上头条，写文章啊，把你多年的经验介绍出来，或者做一下小视频。
口才不太好的，可以到网上去接一些兼职单，或者去开源网站提交补丁。
有一些积蓄的，可以担任老板，雇佣一批程序员，培训他们完成大型系统，或者提供外包服务，赚取收入。
此外你也可以开滴滴，做早餐，搞电商，摆地摊，卖保险。。。
可以做得太多了。
总而言之，你要学会撕掉你身上的程序员标签，痛定思痛，重新开始，找到适合自已的方向。
这时候，你就是一个公司，你的所有的技能和时间，必须全方位地位自已服务，找到利润。
奔跑吧，大龄程序员！
奔跑吧妹子用爬虫技术能做到哪些有趣的事情？
看到这个问题必须来怒答一波～用python爬虫爬便宜机票了解一下？
喜欢旅行又怕吃土？让Python来爬取最便宜机票吧！图源：
videoblocks.com
你喜欢旅行吗？
这个问题通常会得到一个肯定的答案，随后引出一两个有关之前冒险经历的故事。大多数人都认为旅行是体验新文化和开阔视野的好方法。但如果问题是“你喜欢搜索机票的过程吗？”也许话题就到此为止了……
可事实上，便宜的机票往往也很重要！本文将尝试构建一个网络爬虫，该爬虫对特定目的地运行并执行带有浮动日期（首选日期前后最多三天）的航班价格搜索。它会将结果保存为excel文件并发送一封包含快速统计信息的电子邮件。显然，这个爬虫的目的就是帮助我们找到最优惠的价格！
你可以在服务器上运行脚本(一个简单的Raspberry Pi就可以)，每天运行一到两次。结果会以邮件形式发送，建议将excel文件存入Dropbox文件夹，以便随时随地查看。
因为爬虫以“浮动日期”进行搜索，所以它会搜索首选日期前后最多三天的航班信息。尽管该脚本一次仅运行一对目的地，但可以很容易地改写该爬虫使其每个循环运行多个目的地。最终甚至可能找到一些错误票价...那会很有意思！
另一个爬虫某种意义上来讲，网络爬取是互联网“工作”的核心。
也许你认为这是一个十分大胆的说法，但谷歌就是从拉里·佩奇用Java和Python构建的网络爬虫开始的。爬虫不断地爬取信息，整个互联网都在试图为所有问题提供最佳的可能答案。网络爬取有不计其数的应用程序，即使更喜欢数据科学中的其他分支，你仍需要一些爬取技巧以获得数据。
这里用到的一些技术来自于最近新的一本佳作《Python网络数据采集》，书中包含与网络爬取相关的所有内容，并提供了大量简例和实例。甚至有一个特别有意思的章节，讲述如何解决验证码检验的问题。
Python的拯救第一个挑战就是选择爬取信息的平台，本文选择了客涯（Kayak）。我们试过了Momondo, 天巡（Skyscanner）, 亿客行（Expedia）和其它一些网站，但是这些网站上的验证码特别变态。
在那些“你是人类吗？”的验证中，尝试了多次选择交通灯、十字路口和自行车后，客涯似乎是最好的选择，尽管短时间内加载太多页面它会跳出安全检查。
我们设法让机器人每4到6个小时查询一次网站，结果一切正常。虽然说不定哪个部分偶尔会出点小问题，但是如果收到验证码，既可以手动解决问题后启动机器人，也可以等待几小时后的自动重启。
如果你是网络爬取新手，或者不知道为何有些网站花费很大力气阻止网络爬取，那么为构建爬虫写下第一行代码前，你一定要多加努力。
谷歌的“网络爬取规范”：
http://lmgtfy.com/?q=web+scraping+etiquette
系紧安全带...导入并打开Chrome浏览器标签页后，会定义一些循环中会用到的函数。这个架构的构思大概是这样的：
· 一个函数用于启动机器人程序，表明想要搜索的城市和日期。
· 这个函数获得首轮搜索结果，按“最佳”航班排序，然后点击“加载更多结果”。
· 另一个函数会爬取整个页面，并返回一个dataframe数据表。
· 随后重复步骤2和步骤3，得出按“价格”和“航行时间”排序的结果。
· 发送一封简要价格（最低价和平均价）的邮件，并将带有这三种排序类型的dataframe数据表保存为一份excel文件。
· 以上所有步骤会在循环中重复，每X小时运行一次。
每个Selenium项目都以一个网页驱动器开始。我们使用Chromedriver驱动器，但还有其它选择。PhantomJS和Firefox也很受欢迎。下载Chromedriver后，将其置于一个文件夹中即可。第一行代码会打开一个空白Chrome标签页。
from time import sleep, strftime
from random import randint
import pandas as pd
from selenium import webdriver
from selenium.webdriver.common.keys import Keys
import smtplib
from email.mime.multipart import MIMEMultipart
# Change this to your own chromedriver path!
chromedriver_path = 'C:/{YOUR PATH HERE}/chromedriver_win32/chromedriver.exe'
driver = webdriver.Chrome(executable_path=chromedriver_path) # This will open the Chrome window
sleep(2)
这些是将用于整个项目的包。使用randint函数令机器人在每次搜索之间随机睡眠几秒钟。这对任何一个机器人来说都是必要属性。如果运行前面的代码，应该打开一个Chrome浏览器窗口，机器人会在其中导航。
一起来做一个快速测试：在另一个窗口上访问客涯网（http://kayak.com），选择往返城市和日期。选择日期时，确保选择的是“+-3天”。由于在编写代码时考虑到了结果页面，所以如果只想搜索特定日期，很可能需要做一些微小的调整。
点击搜索按钮在地址栏获取链接。它应该类似于下面所使用的链接，将变量kayak定义为url，并从网页驱动器执行get方法，搜索结果就会出现。
无论何时，只要在几分钟内使用get命令超过两到三次，就会出现验证码。实际上可以自己解决验证码，并在下一次验证出现时继续进行想要的测试。从测试来看，第一次搜索似乎一直没有问题，所以如果想运行这份代码，并让它在较长的时间间隔后运行，必须解决这个难题。你并不需要十分钟就更新一次这些价格，对吧？
每个XPath都有陷阱到目前为止，已经打开了一个窗口，获取了一个网站。为了开始获取价格和其他信息，需要使用XPath或CSS选择器，我们选择了XPath。使用XPath导航网页可能会令人感到困惑，即使使用从inspector视图中直接使用“复制XPath”，但这不是获得所需元素的最佳方法。有时通过“复制XPath”这个方法获得的链接过于针对特定对象，以至于很快就失效了。《Python网络数据采集》一书很好地解释了使用XPath和CSS选择器导航的基础知识。
接下来，用Python选择最便宜的结果。上面代码中的红色文本是XPath选择器，在网页上任意一处右键单击选择“inspect”就可以看到它。在想要查看代码的位置，可以再次右键单击选择“inspect”。
为说明之前所观察到的从“inspector”复制路径的缺陷，请参考以下差异：
1 # This is what the copymethod would return. Right click highlighted rows on the right side and select “copy> Copy XPath”//*[@id=“wtKI-price_aTab”]/div[1]/div/div/div[1]/div/span/span
2 # This is what I used todefine the “Cheapest” buttoncheap_results= ‘//a[@data-code = “price”]’
第二种方法的简洁性清晰可见。它搜索具有data-code等于price属性的元素a。第一种方法查找id等于wtKI-price_aTab的元素，并遵循第一个div元素和另外四个div和两个span。这次……会成功的。现在就可以告诉你，id元素会在下次加载页面时更改。每次页面一加载，字母wtKI会动态改变，所以只要页面重新加载，代码就会失效。花些时间阅读XPath，保证你会有收获。
不过，使用复制的方法在不那么“复杂”的网站上工作，也是很好的！
基于以上所展示的内容，如果想在一个列表中以几个字符串的形式获得所有搜索结果该怎么办呢？其实很简单。每个结果都在一个对象中，这个对象的类是“resultWrapper”。获取所有结果可以通过像下面这样的for循环语句来实现。如果你能理解这一部分，应该可以理解接下来的大部分代码。它基本上指向想要的结果（结果包装器），使用某种方式（XPath）获得文本，并将其放置在可读对象中（首先使用flight_containers，然后使用flight_list）。
前三行已展示在图中，并且可以清楚地看到所需的内容，但是有获得信息的更优选择，需要逐一爬取每个元素。
准备起飞吧！最容易编写的函数就是加载更多结果的函数，所以代码由此开始。为了在不触发安全验证的前提下最大化所获取的航班数量，每次页面显示后，单击“加载更多结果”。唯一的新内容就是所添加的try语句，因为有时按钮加载会出错。如果它对你也有用，只需在前面展示的start_kayak函数中进行简要注释。
# Load more results to maximize the scraping
def load_more():
try:
more_results = '//a[@class = “moreButton”]'
driver.find_element_by_xpath(more_results).click()
# Printing these notes during the program helps me quickly check what it is doing
print('sleeping…..')
sleep(randint(45,60))
except:
pass
现在，经过这么长的介绍，已经准备好定义实际爬取页面的函数。
我们编译了下一个函数page_scrape中的大部分元素。有时这些元素会返回列表插入去程信息和返程信息之间。这里使用了一个简单的办法分开它们，比如在第一个 section_a_list和section_b_list变量中，该函数还返回一个flight_df数据表。所以可以分离在不同分类下得到的结果，之后再把它们合并起来。
def page_scrape():
“““This function takes care of the scraping part”““
xp_sections = '//*[@class=“section duration”]'
sections = driver.find_elements_by_xpath(xp_sections)
sections_list = [value.text for value in sections]
section_a_list = sections_list[::2] # This is to separate the two flights
section_b_list = sections_list[1::2] # This is to separate the two flights
# if you run into a reCaptcha, you might want to do something about it
# you will know there's a problem if the lists above are empty
# this if statement lets you exit the bot or do something else
# you can add a sleep here, to let you solve the captcha and continue scraping
# i'm using a SystemExit because i want to test everything from the start
if section_a_list == []:
raise SystemExit
# I'll use the letter A for the outbound flight and B for the inbound
a_duration = []
a_section_names = []
for n in section_a_list:
# Separate the time from the cities
a_section_names.append(''.join(n.split()[2:5]))
a_duration.append(''.join(n.split()[0:2]))
b_duration = []
b_section_names = []
for n in section_b_list:
# Separate the time from the cities
b_section_names.append(''.join(n.split()[2:5]))
b_duration.append(''.join(n.split()[0:2]))
xp_dates = '//div[@class=“section date”]'
dates = driver.find_elements_by_xpath(xp_dates)
dates_list = [value.text for value in dates]
a_date_list = dates_list[::2]
b_date_list = dates_list[1::2]
# Separating the weekday from the day
a_day = [value.split()[0] for value in a_date_list]
a_weekday = [value.split()[1] for value in a_date_list]
b_day = [value.split()[0] for value in b_date_list]
b_weekday = [value.split()[1] for value in b_date_list]
# getting the prices
xp_prices = '//a[@class=“booking-link”]/span[@class=“price option-text”]'
prices = driver.find_elements_by_xpath(xp_prices)
prices_list = [price.text.replace('$','') for price in prices if price.text != '']
prices_list = list(map(int, prices_list))
# the stops are a big list with one leg on the even index and second leg on odd index
xp_stops = '//div[@class=“section stops”]/div[1]'
stops = driver.find_elements_by_xpath(xp_stops)
stops_list = [stop.text[0].replace('n','0') for stop in stops]
a_stop_list = stops_list[::2]
b_stop_list = stops_list[1::2]
xp_stops_cities = '//div[@class=“section stops”]/div[2]'
stops_cities = driver.find_elements_by_xpath(xp_stops_cities)
stops_cities_list = [stop.text for stop in stops_cities]
a_stop_name_list = stops_cities_list[::2]
b_stop_name_list = stops_cities_list[1::2]
# this part gets me the airline company and the departure and arrival times, for both legs
xp_schedule = '//div[@class=“section times”]'
schedules = driver.find_elements_by_xpath(xp_schedule)
hours_list = []
carrier_list = []
for schedule in schedules:
hours_list.append(schedule.text.split('\n')[0])
carrier_list.append(schedule.text.split('\n')[1])
# split the hours and carriers, between a and b legs
a_hours = hours_list[::2]
a_carrier = carrier_list[1::2]
b_hours = hours_list[::2]
b_carrier = carrier_list[1::2]
cols = (['Out Day', 'Out Time', 'Out Weekday', 'Out Airline', 'Out Cities', 'Out Duration', 'Out Stops', 'Out Stop Cities',
'Return Day', 'Return Time', 'Return Weekday', 'Return Airline', 'Return Cities', 'Return Duration', 'Return Stops', 'Return Stop Cities',
'Price'])
flights_df = pd.DataFrame({'Out Day': a_day,
'Out Weekday': a_weekday,
'Out Duration': a_duration,
'Out Cities': a_section_names,
'Return Day': b_day,
'Return Weekday': b_weekday,
'Return Duration': b_duration,
'Return Cities': b_section_names,
'Out Stops': a_stop_list,
'Out Stop Cities': a_stop_name_list,
'Return Stops': b_stop_list,
'Return Stop Cities': b_stop_name_list,
'Out Time': a_hours,
'Out Airline': a_carrier,
'Return Time': b_hours,
'Return Airline': b_carrier,
'Price': prices_list})[cols]
flights_df['timestamp'] = strftime(“%Y%m%d-%H%M”) # so we can know when it was scraped
return flights_df
尽量让这些名字容易理解。记住变量a表示旅行的去程信息，变量b表示旅行的返程信息。接下来说说下一个函数。
等等，还有什么吗？截至目前，已经有了一个能加载更多结果的函数和一个能爬取其他结果的函数。本可以在此结束这篇文章，而你可以自行手动使用这些函数，并在浏览的页面上使用爬取功能。但是前文提到给自己发送邮件和一些其他信息的内容，这都包含在接下来的函数start_kayak中。
它要求填入城市名和日期，并由此打开一个kayak字符串中的地址，该字符串直接跳转到“最佳”航班结果排序页面。第一次爬取后，可以获取价格的顶部矩阵，这个矩阵将用于计算平均值和最小值，之后和客涯（Kayak）的预测结果（页面左上角）一同发送到邮件中。这是单一日期搜索时可能导致错误的原因之一，因其不包含矩阵元素。
def start_kayak(city_from, city_to, date_start, date_end):
“““City codes it's the IATA codes!
Date format YYYY-MM-DD”““
kayak = ('https://www.kayak.com/flights/' + city_from + '-' + city_to +
'/' + date_start + '-flexible/' + date_end + '-flexible?sort=bestflight_a')
driver.get(kayak)
sleep(randint(8,10))
# sometimes a popup shows up, so we can use a try statement to check it and close
try:
xp_popup_close = '//button[contains(@id,”dialog-close”) and contains(@class,”Button-No-Standard-Style close “)]'
driver.find_elements_by_xpath(xp_popup_close)[5].click()
except Exception as e:
pass
sleep(randint(60,95))
print('loading more.....')
# load_more()
print('starting first scrape.....')
df_flights_best = page_scrape()
df_flights_best['sort'] = 'best'
sleep(randint(60,80))
# Let's also get the lowest prices from the matrix on top
matrix = driver.find_elements_by_xpath('//*[contains(@id,”FlexMatrixCell”)]')
matrix_prices = [price.text.replace('$','') for price in matrix]
matrix_prices = list(map(int, matrix_prices))
matrix_min = min(matrix_prices)
matrix_avg = sum(matrix_prices)/len(matrix_prices)
print('switching to cheapest results…..')
cheap_results = '//a[@data-code = “price”]'
driver.find_element_by_xpath(cheap_results).click()
sleep(randint(60,90))
print('loading more…..')
# load_more()
print('starting second scrape…..')
df_flights_cheap = page_scrape()
df_flights_cheap['sort'] = 'cheap'
sleep(randint(60,80))
print('switching to quickest results…..')
quick_results = '//a[@data-code = “duration”]'
driver.find_element_by_xpath(quick_results).click()
sleep(randint(60,90))
print('loading more…..')
# load_more()
print('starting third scrape…..')
df_flights_fast = page_scrape()
df_flights_fast['sort'] = 'fast'
sleep(randint(60,80))
# saving a new dataframe as an excel file. the name is custom made to your cities and dates
final_df = df_flights_cheap.append(df_flights_best).append(df_flights_fast)
final_df.to_excel('search_backups//{}_flights_{}-{}_from_{}_to_{}.xlsx'.format(strftime(“%Y%m%d-%H%M”),
city_from, city_to,
date_start, date_end), index=False)
print('saved df…..')
# We can keep track of what they predict and how it actually turns out!
xp_loading = '//div[contains(@id,”advice”)]'
loading = driver.find_element_by_xpath(xp_loading).text
xp_prediction = '//span[@class=“info-text”]'
prediction = driver.find_element_by_xpath(xp_prediction).text
print(loading+'\n'+prediction)
# sometimes we get this string in the loading variable, which will conflict with the email we send later
# just change it to “Not Sure” if it happens
weird = '¯\\_(ツ)_/¯'
if loading == weird:
loading = 'Not sure'
username = 'YOUREMAIL@hotmail.com'
password = 'YOUR PASSWORD'
server = smtplib.SMTP('smtp.outlook.com', 587)
server.ehlo()
server.starttls()
server.login(username, password)
msg = ('Subject: Flight Scraper\n\n\
Cheapest Flight: {}\nAverage Price: {}\n\nRecommendation: {}\n\nEnd of message'.format(matrix_min, matrix_avg, (loading+'\n'+prediction)))
message = MIMEMultipart()
message['From'] = 'YOUREMAIL@hotmail.com'
message['to'] = 'YOUROTHEREMAIL@domain.com'
server.sendmail('YOUREMAIL@hotmail.com', 'YOUROTHEREMAIL@domain.com', msg)
print('sent email…..')
虽然没有使用Gmail账户测试发送邮件，但是可以搜索到很多的替代方法，前文提到的那本书中也有其他方法来实现这一点。如果已有一个Hotmail账户，只要替换掉个人的详细信息，它就会开始工作了。
如果想探索脚本的某一部分正在做什么，可以将脚本复制下来并在函数外使用它。这是彻底理解它的唯一方法。
利用刚才创造的一切在这些步骤之后，还可以想出一个简单的循环来使用刚创造的函数，同时使其持续运行。完成四个“花式”提示，写下城市和日期（输入）。因为测试时不想每次都输入这些变量，需要的时候可以使用以下这个清楚的方式进行替换。
如果已经做到了这一步，恭喜你！改进还有很多，比如与Twilio集成，发送文本消息而不是邮件。也可以使用VP*或更加难懂的方式同时从多个服务器上研究搜索结果。还有就是验证码的问题，验证码会时不时地跳出来，但对此类问题还是有解决办法的。不过，能走到这里已经是有很牢固的基础了，你可以尝试添加一些额外的要素。
使用脚本运行测试的示例
留言 点赞 关注
我们一起分享AI学习与发展的干货
欢迎关注全平台AI垂类自媒体 “读芯术”
有哪些不为人知但是很有意思的网站？
平时休息在家，你有什么打算呢？
如果你没有特别的打算，甚至无聊得想数头发，不如打开电脑看看这些有趣的网站，脑洞大开的也是没sei了！
http://www.emoji.zone
当无数的emoji表情连续不断向你扑来是一种怎样的体验？
这个怪咖网站将所有的表情汇聚在一起冲击你的屏幕，简直热辣滚烫，一阵酸爽，绝对值得体验一把。
不过，还是提醒各位...适(ting)可(bu)而(xia)止(lai)。
http://www.catflixx.com
这个简直是喵星控的福音，它收集了来自网络上各种囧猫搞笑的视频，学习累了工作倦了就看一把。
有甜甜的喵星人温暖你的心，也有高冷的喵妇让你笑得欲罢不能，保证你意犹未尽。
http://www.flakes.b-reel.com
没见到雪的小伙伴们不要着急，下面来个牛x的网站——制作雪花。
网站通过敲击键盘生成不规则漂亮的雪花，成功敲击出来的雪花都会被记录，看到满意的还可以生成短链接分享给好友！
期待各位的成果哦！
http://www.midomi.com
哼歌搜歌曲的神器就在这里了！
它的使用特别简单，只要首先点击页面最上方的“Click and Sing or Hum”按钮，在弹出的Flash窗口中点击“允许”，接下来通过麦克风将自己想要的歌曲清唱出来（嘿嘿，不会词也没关系，只要把节奏哼出来就行），30秒钟之后，网站会自动停止录制并开始进行旋律比对。
稍后，一个根据哼唱结果匹配出来的歌曲列表会自动显示出来，而列表顶端往往就是那个曾让自己千寻万找的曲子！
英语歌词咬不准的，你的机会来了，大胆哼出来吧！
http://www.kuaidula.com
平时我们阅读的时候是眼球在动，但是这个网站可以让我们在阅读的时候不用动眼球，只要盯在一个地方阅读。
因为屏幕会自动滚动的呀。
感兴趣的可以上去体验一把，懒得连眼睛都不想动的人，我只能帮你到这里了。
http://www.flashearth.com
这是一个以上帝视角看地球的网站，一点一点放大，你甚至可以看到你家门口拥堵的情况。
http://www.airpano.com
360度高清晰无死角可任意放大缩小的网站，让你站在难以企及的视角观察壮美绝伦的风光！
“等了好久终于等到今天，梦了好久终于把梦实现”恩，在家就可以游遍全世界啦。
搭配上当地的民族乐曲，我仿佛感觉我已经来这里走过。
http://weavesilk.com
只要随手一画，就能对称成形，产生酷炫的画作！
如果你是从小就想当画家的但又苦于命运安排，这个网站可以创造你的神作。
你以为小编的水平就这样？下面这个才是我的大作。
江山代有才人出，你也可以来一发。
http://staggeringbeauty.com
最后这个压轴的网站，它是一只可以被人调戏的温柔害羞的蚯蚓。
跟着你的鼠标摆动，身体灵活度五颗星，看起来十分的可爱。
可是，当你的鼠标剧烈晃动时，画风突然变了，还有动感的背景音乐......
思维导图软件哪个好？
推荐两款我最常的思维导图软件，都是国产软件，分别是网页版和安装版。
No.1 百度脑图软件功能：★★★
易用指数：★★★★☆
推荐指数：★★★☆
个人觉得这款软件是百度公司少有的优秀产品，以至于不像是百度的风格。
在国内，专门做在线版的思维导图不多，可以说百度脑图一家独大。靠着自身在搜索页的排名优势，许多新手第一次接触的思维导图产品就是百度脑图。
“控制创意，如此简单”，正如产品广告所言，这是一款超级轻量化的工具，不需要下载应用，只需联网就能够体验思维在画布里不断踊跃迸发。
百度脑图首页
百度脑图的特点1、免费工具，在线使用；
2、基础功能完善，可以快速绘制基础的思维导图；
3、支持导入多种思维导图格式的文档；
4、类Office风格功能界面；
5、支持关键词搜索；
6、支持云协作和云分享。
因为是在线版，也暴露出问题，每次查看或编辑思维导图，都会带来极大的不便。不适用于商务等环境。因为可用的功能确实太少太基础了，只能画简单的导图，无法满足高级场景下的使用。个人觉得，百度脑图只适合新手练习使用，或是替代笔纸的简单工具。
No.2 MindMaster思维导图软件功能：★★★★☆
易用指数：★★★★
推荐指数：★★★★★
MindMaster思维导图官网
思维导图例子
MindMaster的特点1、分为免费版和专业版；
2、适用于Mac、Windows以及Linux三大操作平台；
3、功能和易用性堪比国外的MindManager软件；
4、模板、例子以及剪贴画素材比较丰富，实用性强；
5、具备幻灯片演示和甘特图管理功能；
6、支持云协作和云分享；
7、可切换为黑色护眼的功能。
算是国产做的比较好的一款思维导图软件，软件很小众，以至于很多人没有听说，我上手几个月还挺喜欢的。特别是在Mac上运行，很流畅，不会卡顿。免费版的话有100M空间，也够我存储几百个思维导图。
对于思维导图新手来说，容易用MindMaster画专业级的思维导图，也是我比较推荐的一点。唯一遗憾的是没有移动端，不知道以后会不会有。
其他没有介绍到的软件，答友们都写的很完善了。我认为，目前国内比较好用的思维导图软件就上面这两个。先写到这里，欢迎一起探讨学习。