php怎么使用域账号，如何快速精通python？
既然是毫无基础，那就简单介绍一下吧，python的入门其实只需要掌握几个关键点就行，新手要先学会安装环境、了解数据结构、函数这些东西，再配合实操进行实践，基本就可以入门了。
提示！！文章内容较长，大约需要半个小时，可以先收藏再慢慢看，目录如下：
一、了解环境
二、了解数据结构
三、了解基本函数
四、了解Nuypm计算包
——————正文警告！！——————
一、环境Python的编写环境，用Anaconda足矣。Anaconda是专业的数据科学计算环境，已经集成绝大部分包和工具，不需要多余的安装和调试。
Python版本建议3.0以上，不要选择2.7的版本，否则你会被无尽的中文编码问题困扰。
Anaconda在官网下载，选择最新版本，约400MB。
完成安装后，Win版本会多出几个程序，Mac版本只有一个Navigator导航。数据分析最常用的程序叫Jupyter，以前被称为IPython Notebook，是一个交互式的笔记本，能快速创建程序，支持实时代码、可视化和Markdown语言。
点击Jupyter进入，它会自动创建一个本地环境localhost。
点击界面右上角的new，创建一个python文件。
开始你的Python
界面上部是工具栏，编辑撤回运行等，下面是快捷操作，大家以后会熟悉的。页面正中便是脚本执行的地方，我们输入自己第一行代码吧：
（我就不用hello world）灰色框是输入程序的地方，回车是换行，shift+回车执行灰色区域的代码，它的结果会直接在下面空白处出现。这就是Jupyter交互式的强大地方，将Python脚本分成片段式运行，尤其适合数据分析的摸索调整工作。
这里的print叫函数，和excel的函数同理，是程序执行的主体，负责将输入转化成输出（函数留在下一篇细讲）。这里将hello qinlu这段文字输出。新手可能会奇怪为什么要加引号，这种用引号括起来的文字在程序中叫字符串。
Python是一门计算机语言，它的逻辑和自然语言不一样，编程语言的目的是执行任务，所以它不能有歧义。为了规避各种歧义，人们创造了语法规则，只有正确的语法，才能被转换成CPU执行的机器码。
先了解Python语法中的数据类型。计算机最开始只被用于数值运算，后来被赋予了各种丰富的数据类型。
上面两个是小学生都会的四则运算，在计算机语言中可没有那么简单。它涉及了两个数值类型，整数int和浮点数float。整数和浮点数在计算机内部存储的方式是不同的，我们不用知道具体原理，明确一点，整数运算是永远精确的，浮点运算则可能有误差。
两种数据类型也可以互换，通过int函数和float函数。
有了数值，必然有文本，程序中叫字符串，用英文引号括起来表示。单引号和双引号没有区别，所以"qinlu"和'qinlu'是等价的，引号是边界，输出的时候不会包含它。当字符串内本身包含引号时，也不影响使用。
需要注意的是，不论单引号还是双引号，一旦混用很容易出现错误。因为程序并不知道它是字符串的边界还是符号。
解决方法有两种，一种是使用三引号，三引号代表整体引用，而且包含换行。第二种是引号前面加\，它是转义字符，表示这个引号就是单纯的字符。
三引号也可以用来注释，通常是大段的文字解释，如果一句话，我们更习惯用#，#后面的内容均不会作为程序执行。
时间是特殊的数值类型，它将结合datetime模块讲解。
还有两个常见的数据类型，布尔值和空值。布尔值是逻辑判断值，只有True和False。
布尔值在IF语句和数据清洗中经常使用，利用其过滤。布尔值能和布尔值运算，不过这里是and、not、or作为运算符，Ttue and True = True，False and True = False，False and False = False，not True = False，True or False = True等。
空值是一个特殊的值，表示为None，None不等于0，0具有数学意义而None没有，None更多表示该值缺失。
整数，浮点数，字符串，布尔值，空值就是Python常见的数据类型。Python3对中文的支持比较友好，所以大家可以用中文作为字符串试一下print。
数据类型构成了变量的基础，变量可以是任意的数据类型。想要用变量，必须先赋予变量一个值，这个过程叫赋值。
我首先给a赋予了一个整数值1，然后改变它为字符串abc，变量在Python中没有固定的数值类型，这是Python最大的优点，所以它在数据分析中很灵活。这也是它被称为动态语言的原因，相对应的叫静态语言。
Python是大小写敏感的语言，所以a和A是有区别的，这点请牢记。另外变量名尽可能使用英文，不要拼音，英文的可读性是优于拼音的。
变量有两种拼写风格，一种叫驼峰，一种叫下划线，以用户ID为例。驼峰命名法为userId，以一串英文词语user和id组成变量，第一个词语的首字母小写，第二个词语开始的首字母均大写。下划线命名法为user_id，全部小写，用_分割单词。
一个变量的值可以被赋予另外一个变量，如果b变量之前有另外一个值，那么会被1覆盖。呈从上而下的执行关系。
初看a = a + 1好像有逻辑问题，其实这涉及到了程序执行的先后顺序，程序是先计算a+1的值得到2，然后将其赋予(覆盖)了a。等号右边的计算先于左边，这是从右到左的逻辑关系。
有变量，自然有常量，常量是固定不变的量，可是在Python中没有真正意义的常量，一切皆可变，它更多是习惯上的叫法，即一旦赋值，就不再改变了。
Python的基础数学运算符号有+,-,*,/,//,%。前面四个就是加减乘除，其中除法的结果一定是浮点数。后面两个符号是除法的特殊形式，//代表除法中取整数，%代表除法中取余数。
到这里，新手部分已经讲解完成。再来讲讲数据结构。
二、数据结构Python一共有三大数据结构，它是Python进行数据分析的基础，分别是tuple元组，list数组以及dict字典。本文通过这三者的学习，打下数据分析的基础。
1、数组
数组是一个有序的集合，他用方括号表示。
num就是一个典型的数组。数组不限定其中的数据类型，可以是整数也可以是字符串，或者是混合型。
数组可以直接用特定的函数，函数名和Excel相近。
sum是求和，len则是统计数组中的元素个数。
上述列举的函数是数组内整体元素的应用，如果我只想针对单一的元素呢？比如查找，这里就要用到数组的特性，索引。索引和SQL中的索引差不多，都是用来指示数据所在位置的逻辑指针。数组的索引便是元素所在的序列位置。
注意，索引位置是从0开始算起，这是编程语言的默认特色了。num[0]指数组的第一个元素，num[1]指数组的第二个元素。
我们用len()计算出了数组元素个数是5，那么它最后一个元素的索引是4。若是数组内的元素特别多呢？此时查找数组最后一位的元素会有点麻烦。Python有一个简易的方法，可以用负数表示，意为从最后一个数字计算索引。
这里的num[4]等价于num[-1]，num[-2]则指倒数第二个的元素。
再来一个新问题，如何一次性选择多个元素？例如筛选出数组前三个元素。在Python中，用：表示范围。
num[0:3]筛选了前三个元素，方括号左边是闭区间，右边是开区间，所以这里是num[0]，num[1]和num[2]，并不包含num[3]。这个方法叫做切片。
上述是索引的特殊用法，[0:]表示从第0个索引开始，直到最后一个元素。[:3]表示从第一个元素开始，直到第3个索引。
负数当然也有特殊用法。[-1:]表示从最后一个元素开始，因为它已经是最后一个元素了，所以只返回它本身。[:-1]表示从第一个元素开始到最后一个元素。num[-2:-1]和num[-3:-1]大同小异。
数组的增删查
我们已经了解数组的基本概念，不过仍旧停留在查找，它不涉及数据的变化。工作中，更多需要操纵数组，对数组的元素进行添加，删除，更改。
数组通过insert函数插入，函数的第一个参数表示插入的索引位置，第二个表示插入的值。
另外一种方式是append，直接在数组末尾添加上元素。它在之后讲到迭代和循环时应用较多。
如果要删除特定位置的元素，用pop函数。如果函数没有选择数值，默认删除最后一个元素，如果有，则删除数值对应索引的元素。
更改元素不需要用到函数，直接选取元素重新赋值即可。
到这里，数组增删改查已经讲完，但这只是一维数组，一维数组之上还有多维数组。如果现在有一份数据是关于学生信息，一共有三个学生，要求包含学生的姓名，年龄，和性别，应该怎么用数组表示呢？
有两种思路，一种是用三个一维数组分别表示学生的姓名，年龄和性别。
学生属性被拆分成多个数组，利用索引来表示其信息，这里的索引有些类似SQL的主键，通过索引查找到信息。但是这种方法并不直观，实际应用会比较麻烦，更好的方法是表示成多维数组。
所谓多维数组，是数组内再嵌套数组，图中表示的是一个宽度为3，高度为3的二维数组。此时student[0]返回的是数组而不是单一值。这种方法将学生信息合并在一起，比第一个案例更容易使用。
如果想选择第一个学生的性别，应该怎么办呢？很简单，后面再加一个索引即可。
现在尝试快速创建一个多维数组。
[0]*3将快速生成3个元素值为0的数组，这是一种快捷操作，而[row]*4则将其扩展成二维数据，因为是4，所以是3*4的结构。
这里有一个注意点，当我们想更改多维数组中的某一个元素而不是数组时，这种方式会错误。
按照正常的想法，martix[1][0]将会改变第二个数组中的第一个值为1，但是结果是所有数组的第一个值都变成1。这是因为在matrix = [row] * 4操作中，只是创建3个指向row的引用，可以简单理解成四个数组是一体的。一旦其中一个改变，所有的都会变。
比较稳妥的方式是直接定义多维数组，或者用循环间接定义。多维数组是一个挺重要的概念，它也能直接表示成矩阵，是后续很多算法和分析的基础（不过在pandas中，它是另外一种形式了）。
2、元组
tuple叫做元组，它和数组非常相似，不过用圆括号表示。但是它最大的特点是不能修改。
当我们想要修改时就会报错。
而选择和数组没有差异。
元组可以作为简化版的数组，因为它不可更改的特性，很多时候可以作为常量使用，防止被篡改。这样会更安全。
3、字典
字典dict全称dictionary，以键值对key-value的形式存储。所谓键值，就是将key作为索引存储。用大括号表示。
图中的'qinlu'是key，18是value值。key是唯一的，value可以对应各种数据类型。key-value的原理不妨想象成查找字典，拼音是key，对应的文字是value（当然字典的拼音不唯一）。
字典和数组的差异在于，因为字典以key的形式存储和查找，所以它的查询速度非常快，毕竟翻字典的时候你只要知道拼音就能快速定位了。对dict数据结构，10个key和10万个key在查找对应的value时速度没有太大差别。
这种查找方式的缺点是占用内存大。数组则相反，查找速度随着元素的增加逐渐下降，这个过程想象成程序在一页页的翻一本没有拼音的字典，直到找到内容。数组的优点是占用的内存空间小。
所以数组和字典的优缺点相反，dict是空间换时间，list是时间换空间，这是编程中一个比较重要的概念。实际中，数据分析师的工作不太涉及工程化，选用数组或者字典没有太严苛的限制。
细心的读者可能已经发现，字典定义时我的输入顺序是qinlu，lulu，qinqin，而打印出来是lulu，qinlu，qinqin，顺序变了。这是因为定义时key的顺序和放在内存的key顺序没有关系，key-value通过hash算法互相确定，甚至不同Python版本的哈希算法也不同。这一点应用中要避免出错。
既然字典通过key-value对匹配查找，那么它自然不能不用数组的数值索引，它只能通过key值。
如果key不存在，会报错。通过in方法，可以返回True或False，避免报错。
dict和list一样，直接通过赋值更改value
能不能更改key的名字？不能，key一旦确定，就无法再修改，好比字典定好后，你能修改字的拼音么？
dict中删除key和list一样，通过pop函数。增加key则是直接赋予一个新的键值对。
dict的keys和values两个函数直接输出所有的key值和value值。如果要转换成数组，则再外面嵌套一个list函数
items函数，将key-value对变成tuple形式，以数组的方式输出。
字典可以通过嵌套应用更复杂的数据格式，和NoSQL与JSON差不多。
基础的数据类型差不多了，更多函数应用大家可以网上自行查阅文档，这块掌握了，在数据清洗过程中将会非常高效，尤其是读取Excel数据时。当然不要求滚瓜烂熟，因为后面将学习更加强大的Numpy和Pandas。
三、基本函数1. 函数是什么
函数（Functions）是指可重复使用的程序片段。它们允许你为某个代码块赋予名字，允许你通过这一特殊的名字在你的程序任何地方来运行代码块，并可重复任何次数。这就是所谓的调用（Calling）函数。
在 Python 中，函数可以通过关键字 def 来定义。这一关键字后跟一个函数的标识符名称，再跟一对圆括号，其中可以包括一些变量的名称，再以冒号结尾，结束这一行。随后而来的语句块是函数的一部分。
在定义函数时给定的名称称作“形参”（Parameters），在调用函数时你所提供给函数的值称作“实参”（Arguments）。
2. 调用函数
要调用一个函数，需要知道函数的名称和参数。函数的参数只是输入到函数之中，以便我们可以传递不同的值给它，并获得相应的结果。
Python 内置的常用函数包括数据类型转换函数，比如int()函数可以把其他数据类型转换为整数。用input()读取用户的输入：
因为input()返回的数据类型是str，str不能直接和整数比较，必须先把str转换成整数。Python 提供了int()函数来完成这件事情：
函数名其实就是指向一个函数对象的引用，完全可以把函数名赋给一个变量，相当于给这个函数起了一个“别名”：
如果函数调用出错，一定要学会看错误信息。
3.定义函数
在 Python 中，定义一个函数要使用def语句，依次写出函数名、括号、括号中的参数和冒号:，然后，在缩进块中编写函数体，函数的返回值用return语句返回。
在 Python 交互环境中定义函数时，注意 Python 会出现...的提示。函数定义结束后需要按两次回车重新回到>>>提示符下：
如果你已经把my_abs()的函数定义保存为abstest.py文件了，那么，可以在该文件的当前目录下启动Python 解释器，用from abstest import my_abs来导入my_abs()函数，注意abstest是文件名（不含.py扩展名）。
定义一个什么事也不做的空函数，可以用pass语句：
pass语句什么都不做，实际上它可以用作为占位符，比如现在还没想好怎么写函数的代码，就可以先放一个pass，让代码能运行起来。
pass还可以用在其他语句里，比如：
缺少了pass，代码运行就会有语法错误。
数据类型检查可以用内置函数isinstance()实现。
Python 的函数返回多值其实就是返回一个tuple；Python 函数返回的是单一值时，返回值仍然是一个tuple。但是，在语法上，返回一个tuple可以省略括号，而多个变量可以同时接收一个tuple，按位置赋给对应的值。函数可以同时返回多个值，但其实就是一个tuple。
函数执行完毕也没有return语句时，自动return None。
4.函数的参数
Python 的函数定义非常简单，但灵活度却非常大。除了正常定义的必选参数外，还可以使用默认参数、可变参数和关键字参数，使得函数定义出来的接口，不但能处理复杂的参数，还可以简化调用者的代码。
4.1 位置参数：
power(x, n)函数有两个参数：x和n，这两个参数都是位置参数，调用函数时，传入的两个值按照位置顺序依次赋给参数x和n。
4.2 默认参数：
对于一些函数来说，你可能为希望使一些参数可选并使用默认的值，以避免用户不想为他们提供值的情况。默认参数值可以有效帮助解决这一情况。你可以通过在函数定义时附加一个赋值运算符=来为参数指定默认参数值。要注意到，默认参数值应该是常数。更确切地说，默认参数值应该是不可变的。
n = 2 是默认参数
定义默认参数要牢记一点：默认参数必须指向不变对象。且只有那些位于参数列表末尾的参数才能被赋予默认参数值，意即在函数的参数列表中拥有默认参数值的参数不能位于没有默认参数值的参数之前。
4.3 可变参数：
有时你可能想定义的函数里面能够有任意数量的变量，也就是参数数量是可变的，这可以通过使用星号来实现。即传入的参数个数是可变的。
我们声明一个诸如 *param 的星号参数时，从此处开始直到结束的所有位置参数（Positional Arguments）都将被收集并汇集成一个称为param的元组（Tuple）。
类似地，当我们声明一个诸如 **param 的双星号参数时，从此处开始直至结束的所有关键字参数都将被收集并汇集成一个名为 param 的字典（Dictionary）。
4.4 关键字参数：
如果你有一些具有许多参数的函数，而你又希望只对其中的一些进行指定，那么你可以通过命名它们来给这些参数赋值——这就是关键字参数（Keyword Arguments）——我们使用命名（关键字）而非位置来指定函数中的参数。
关键字参数允许你传入 0 个或任意个含参数名的参数，这些关键字参数在函数内部自动组装为一个dict。
举个例子，扩展函数的功能。试想你正在做一个用户注册的功能，除了用户名和年龄是必填项外，其他都是可选项，利用关键字参数来定义这个函数就能满足注册的需求。
和可变参数类似，也可以先组装出一个dict，然后，把该dict转换为关键字参数传进去：
4.5 命名关键字参数：
如果要限制关键字参数的名字，就可以用命名关键字参数，例如，只接收city和job作为关键字参数。这种方式定义函数并调用：
和关键字参数**kw不同，命名关键字参数需要一个特殊分隔符*，*后面的参数被视为命名关键字参数。
命名关键字参数必须传入参数名，这和位置参数不同。如果没有传入参数名，调用将报错。
使用命名关键字参数时，要特别注意，如果没有可变参数，就必须加一个*作为特殊分隔符。如果缺少*，Python 解释器将无法识别位置参数和命名关键字参数，即缺少 *，city和job被视为位置参数。
4.6 参数组合：
在 Python 中定义函数，可以用必选参数、默认参数、可变参数、关键字参数和命名关键字参数，这 5 种参数都可以组合使用。
但是参数定义的顺序必须是：必选参数、默认参数、可变参数、命名关键字参数和关键字参数。虽然可以组合多达 5 种参数，但不要同时使用太多的组合，否则函数接口的可理解性很差。
通过一个tuple和dict，你也可以调用函数：
对于任意函数，都可以通过类似func(*args, **kw)的形式调用它，无论它的参数是如何定义的。
5. 递归函数
如果一个函数在内部调用自身本身，这个函数就是递归函数。理论上，所有的递归函数都可以写成循环的方式，但循环的逻辑不如递归清晰。
使用递归函数需要注意防止栈溢出。在计算机中，函数调用是通过栈（stack）这种数据结构实现的，每当进入一个函数调用，栈就会加一层栈帧，每当函数返回，栈就会减一层栈帧。由于栈的大小不是无限的，所以，递归调用的次数过多，会导致栈溢出。
通过下面的代码可以查看你的电脑最大算到多少：
解决递归调用栈溢出的方法是通过尾递归优化，事实上尾递归和循环的效果是一样的，所以，把循环看成是一种特殊的尾递归函数也是可以的。
尾递归是指，在函数返回的时候，调用自身本身，并且，return语句不能包含表达式。这样，编译器或者解释器就可以把尾递归做优化，使递归本身无论调用多少次，都只占用一个栈帧，不会出现栈溢出的情况。
要改成尾递归方式，需要多一点代码，主要是要把每一步的乘积传入到递归函数中。Python 标准的解释器没有针对尾递归做优化，任何递归函数都存在栈溢出的问题
四、了解Mumpy包Python数据分析绝对绕不过的四个包是numpy、scipy、pandas还有matplotlib。
numPy是Python数值计算最重要的基础包，大多数提供科学计算的包都是用numPy的数组作为构建基础。专门用来处理矩阵，它的运算效率比列表更高效。
1、NumPy 的 ndarray：多维数组对象
numpy的数据结构是n维的数组对象，叫做ndarray。可以用这种数组对整块数据执行一些数学运算，其语法跟标量元素之间的运算一样。
创建并操作多维数组：
"/>这里没写 np.float64 只写了 float，但是NumPy会将 Python 类型映射到等价的dtype上。
数组的dtype的另一个用法：
"/>u4(unit32)：无符号的 32 位（4个字节）整型。
调用astype无论如何都会创建出一个新的数组（原始数据的一份拷贝）。
浮点数只能表示近似的分数值，在复杂计算中可能会积累一些浮点错误，因此比较操作只在一定小数位以内有效。
4、数组和标量之间的运算
数组：可对数据执行批量运算（不用编写循环即可）。这通常叫做矢量化(vectorization)。
大小相等的数组之间，它们之间任何的算术运算都会应用到元素级（每个元素都做这个运算了），数组与标量的算术运算也是。不同大小的数组之间的运算叫做广播(broadcasting)。5、索引和切片
数据不会被复制，任何修改都直接改了原数组。
如果仅是要一份副本，则用 .copy()。
对二维数组单个元素的索引：
这两种方式等价。
若arr2d[2]，则输出的是一维数组[7,8,9]。
2*2*3的数组（2组2行3列）：
6、布尔型索引
需要先引入：from numpy.random import randn
或将代码改成：data = np.random.randn(7, 4)
布尔型数组的长度必须跟被索引的轴长度一致。每个名字对应 data 数组一行。
对条件进行否定的两种方式：
组合应用多个布尔条件，可使用&、|等布尔算术运算符
通过布尔型索引选取数组中的数组，将总是创建数据的副本，即使返回一模一样的数组也是一样。
通过布尔型数组设置值：
通过一维布尔数组设置整行或列的值：
7、花式索引
指利用整数数组进行索引。
np.empty((8,4))
Return a new array of given shape and type, without initializing entries.
for i in range(8):
arr[i] = i
Return an object that produces a sequence of integers from start (inclusive)
to stop (exclusive) by step
为了以特定顺序选取行的子集，只需传入一个用于指定顺序的整数列表或 ndarray，使用负数索引会从末尾开始选取行（最后一行是 -1）。
一次传入多个索引组，返回一个一维数组：
取整列的两种方法，相当于给列排了顺序：
花式索引跟切片不一样，总是将数据复制到新数组中。
数组转置和轴对换
转置返回的是源数据的视图，不进行任何复制操作。数组有 transpose 方法，还有一个 T 属性来完成转置：
8、高维数组
Transpose 要一个轴编号：
<img class="capture deal" src="//s3.pstatp.com/wenda/wenda_web/static/style/image/loading_a788ad0.gif" _src="data:image/svg+xml;utf8,<svg xmlns=" http:="" www.w3.org="" 2000="" svg'="" width="640" height="462">"/>arr是 2 组 2 行 4 列的数组，transpose的参数表示shape的形状，对于这个例子来说，即2[0]、2[1]、4[2]，transpose(1,0,2)转置后变为2[1]、2[0]、4[2]，看起来仍是 2 组 2 行 4 列的形状，但数组内的元素经过转换后索引已经改变，也要遵循（1，0，2）的顺序。如转置前的数组arr[0,1,0]索引值为 4，转置后的数组arr'[1,0,0]，索引值才为 4。其它同理。
ndarray 的 swapaxes 方法接受一对轴编号且返回源数据的视图：
"/>np.meshgrid函数接受两个一维数组，并产生两个二维矩阵（对应于两个数组中所有的（x, y）对。
将条件逻辑表述为数组运算
np.wherea函数是三元表达式x if condition else y的矢量化版本。
np.where的第二个和第三个参数不必是数组，传递给where的数组大小可以不相等，甚至可以是标量值。在数据分析工作中，where通常用于根据另一个数组而产生一个新的数组。
用where表述出更复杂的逻辑：（where的嵌套）
"/>10、排序
多维数组可以在任何一个轴向上进行排序，只需将轴编号传给sort：
顶级方法np.sort返回的数组已排序的副本，就地排序则会修改数组。
唯一化以及其他的集合逻辑
np.unique找出数组中的唯一值并返回已排序的结果
np.in1d用于测试一个数组的值在另一个数组的情况。
如何让cookie实现跨域问题的源代码实例？
首先：创建 a_setcookie.php 文件，内容如下：
然后：创建 a_getcookie.php 文件，内容如下：
最后：创建 b_setcookie.php 文件，内容如下：三个文件创建完毕后，我们通过浏览器依次访问：
我们会发现，在访问b.com域的时候，我们并没有在a.com域设置上cookie值。
然后我们修改一下a_setcookie.php文件，去掉注释符号，a_setcookie.php即为：
20T以上的四驱中型SUV有什么好的推荐？
30万左右，2.0T+四驱中型SUV，这四款你一定都喜欢，有越野有豪车。
30万左右预算，选择一款中型SUV，需要2.0T+四驱，相对来说，其实这个条件并不苛刻，甚至可以说选择到很多豪车，就看你喜欢谁了。但考虑到诸多因素，我们还是来看一些在市场表现比较稳定，性价比也高的吧！21款丰田汉兰达指导价25.88万元-30.68万元一直以来，在合资中型SUV中，丰田汉兰达一直都有很高的统治力，基本能够除BBA以外，拿到合资中型SUV销冠。如今，该车已经迎来第四代车型，并且通过2个多月的能力，8月份丰田汉兰达销量达到了7814辆，这算是已经稳定下来了。不过，第四代汉兰达采用的是丰田最新混动技术作为动力，而且性价比真没自家皇冠陆放高。当然，最关键的是，它不在今天的选择范围内。好在，丰田汉兰达保留了三款21版本的2.0T燃油版，从而能够满足我们今天的选择。燃油版汉兰达还是上个版本外观和内饰，外观还是十分令人满意的，很成熟大气，非常有家用车的气质。内饰也比较稳重，虽然相比新款车型少了一丝豪华感，但毕竟是合资中型SUV销冠，相信喜欢的人都不会对它那么苛刻。1款汉兰达搭载的是2.0T+6AT的动力总成，最大输出162KW，峰值扭矩350Nm，综合油耗8.9L/100km，满足国六排放标准。底盘方面，该车采用的是前麦弗逊/E型多连杆四轮独立悬架，入门就配备了适时四驱系统，满足了今天的选车要求。总之，品牌力、产品力，丰田汉兰达都会令你满意，车子开起来很舒适，它虽然没有新款操控起来更有意思，但主打家用的底盘调教，让它在家用领域，有着出色表现。20款本田UR-V
2.0T指导价为27.98万元-32.98万元在30万左右选择中型SUV，除汉兰达之外，最能让我想到的车子就是本田UR-V了，这款车简直就是合资中型SUV中闷声发大财的那种，销量排行很长时间都和汉兰达保持相当近的距离，也算是这个级别中非常值得被选的一款车了。本田UR-V外观设计比较有意思，看上去比较时尚动感，车身尺寸也达到了4856/1942/1670mm，轴距为2820mm，轴距要比燃油版汉兰达更好。内饰部分，舒适性看上去也要更好一些，车内用料更厚实，在日系车中，本田车内算得上比较愿意用料的了，而且配置也还可以，2.0T更是标配了真皮多功能方向盘、前排手机无线充电、真皮座椅（前排电动加热功能）、8英寸中控屏、车联网、主动降噪系统、车内单色氛围灯、全车窗多层隔音玻璃等诸多配置，其中车辆对车内的隔音进行了领先水平优化。动力方面，2.0T与之匹配的是9AT变速箱，动力达到了200KW，峰值扭矩370Nm，采用的是前麦弗逊/后多连杆四轮独立悬架，四驱提供的是适时四驱系统。总之，本田UR-V指导价会比汉兰达高一些，但动力配备、颜值、内饰豪华感/隔音性等方面都有着出色的表现，30万左右它有这个实力吸引力的目光。19款红旗HS5
指导价18.38万元-24.98万元虽然30万这个级别，对于国产车来说，就有点不受待见了。但我觉得也并不是没有好的选择，其实今年国产车诞生了诸多中型/中大型SUV，而且实力都不弱，未来相信会有更多国产30万级中型SUV被入选为家用车。国产中型SUV谁卖得好，相信很多人都会想到奇瑞，作为这两年国产中型SUV的代表，奇瑞瑞虎8、捷途X70可以说挣足了眼光。但目前国产销量最好的中型SUV却是红旗HS5，该车自打去年能月销过万之后，今年的表现还要更好一些，月销量已经突破到了1.3万辆，8月份更是以13189辆的销量表现SUV排行第五名，在国产SUV中仅次于哈弗H6、CS75两款车型，而且在今天所提到的2.0T+四驱中型SUV中，性价比是最高的，30万预算更是可以买到顶配车型了。红旗HS5虽然目前还是19款车型，但是颜值还是非常高的，外观很好看，内饰足够的档次感，双屏+顶配的皮革+翻毛皮座椅，就问你香不香？动力方面，红旗HS5全系搭载的都是2.0T+6AT动力总成，匹配的是适时四驱系统，动力输出165KW，峰值扭矩340Nm，零百加速8.7秒，悬架采用的是前麦弗逊/后多连杆四轮独立，配置也都很不错。而且，红旗HS5还送终身质保服务（首任车主）。22款沃尔沃XC60
指导价37.39万元-47.49万元提到豪车，30万预算其实也能买到不少了，毕竟入门的BBA，20万以内都能拿得到新车。不过，由于BBA中型SUV目前都处于刚换款阶段，价格优惠力度并不理想。所以，目前暂且还是不要考虑了。不过，二线豪车就值得一看了，尤其是今天这款沃尔沃XC60，8月份销量5111辆，比XT5的销量还要好，是当前合资二线豪华中型SUV销冠。动力方面，22款沃尔沃XC60全系升级搭载了2.0T+48V轻混动力系统，与之匹配8AT变速箱，提供的是全时四驱系统，四驱起步车型为B5版本，所以最大输出达到了184KW，峰值扭矩350Nm，零百加速7.1秒，动力强劲。作为一款安全配备极为齐全的中型豪车，B5版本起步售价为39.69万元，目前终端显示有7.8万元的优惠力度，满足30万左右预算这个选择。今天看的车都是一些很不错的车子，几乎可能说都能满足你这个预算和要求。当然，最值得欣慰的是，我们的红旗HS5能够站到合资大佬之间，并且以很高的销量，表明了它的实力。图片声明：图片来源网络，如有侵权请联系作者删除！安踏运动装怎么判断真假？
一、鞋子的外观：安踏制鞋厂是位于泉州的大厂，在制鞋企业里面非常有威望，在生产鞋子的过程中每一道工序都把关非常严，制作的水准也已经达到了国内的领 先水平！因此正品的安踏在做工上有以下优点：针线的缝制非常均匀，不会出现一针长，一针短的情况，胶水的粘合也恰当好处，不会有溢胶的情况出现，鞋子上色 也很均匀，不会出现涂色溢出原本区域的情况！相反，仿冒的鞋子一般表面很粗糙，胶水外溢，线头多，左右脚有明显的不对称，甚至上色不均匀，甚至溢出原本区 域等严重影响外观的情况！
通过图1相信大家就可以看出一些端倪了，假的做工比较粗糙！而图2仔细看的话就会发现鞋的大小比例不均匀。
二、鞋子的吊牌：正品安踏的吊牌上的货号是一起印出来的，而不是后来在打上去的。同时，贴牌上的检验员NO.（号码）必须有个透明的编号贴上去 的。（以前假货一般是没贴的，不过随着制假手段越来越高，目前部分假鞋也有贴上去，所以，这一点要结合其他几点一起分析！）
三、鞋子的价格：正品安踏网上的零售价基本都是市场价的6.5折至8折，少数专卖店的过季产品（就是实在卖不出去的）可能低于这个价格的。
四、鞋子的款式：安踏的供货已经执行了期货制度，每季的货品都要提前订，还有主推款的鞋子都是热销款，一般补货也不一定能补得到货物的！而仿冒者为了谋取 利润，一般都会大量生产正品厂家的主打产品和经典款式，库存是要多少有多少，这就是鲜明的对比！所以购买的朋友们在购买这些鞋款式的时候要多加小心，一般 过了季度的鞋子而卖家还有大量库存的话，那多数情况下是假冒的。
五、
安踏的400防伪和激光码防伪技术：从08年开始安踏的鞋子 都上防伪，在鞋子的吊牌上会有个涂层，拨开涂层上面会有一组号码。将这组号码输入到安踏官网查询真伪http://www.anta.com /demand.php就可以查询！（不过现在400防伪的吊牌并不是非常有用，而目前防伪吊牌可以说是泛滥成灾，网上甚至有人公开销售安踏的400防伪 牌子，因此仿冒的鞋子也搞了一个吊牌，并且一查就是正品！因此这个基本失去了其应有的作用！只能稍作参考）激光码防伪也是如出一辙！基本失去了其应该有的 作用！
WEB专用服务器的安全设置的实战技巧？
删除默认建立的站点的虚拟目录，停止默认web站点，删除对应的文件目录c：inetpub，配置所有站点的公共设置，设置好相关的连接数限制，带宽设置以及性能设置等其他设置。配置应用程序映射，删除所有不必要的应用程序扩展，只保留asp，php，cgi，pl，aspx应用程序扩展。对于php和cgi，推荐使用isapi方式解析，用exe解析对安全和性能有所影响。用户程序调试设置发送文本错误信息给户。对于数据库，尽量采用mdb后缀，不需要更改为asp，可在IIS中设置一个mdb的扩展映射，将这个映射使用一个无关的dll文件如C：WINNTsystem32inetsrvssinc.dll来防止数据库被下载。设置IIS的日志保存目录，调整日志记录信息。设置为发送文本错误信息。修改403错误页面，将其转向到其他页，可防止一些扫描器的探测。另外为隐藏系统信息，防止telnet到80端口所泄露的系统版本信息可修改IIS的banner信息，可以使用winhex手工修改或者使用相关软件如banneredit修改。 对于用户站点所在的目录，在此说明一下，用户的FTP根目录下对应三个文件佳，wwwroot，database，logfiles，分别存放站点文件，数据库备份和该站点的日志。如果一旦发生入侵事件可对该用户站点所在目录设置具体的权限，图片所在的目录只给予列目录的权限，程序所在目录如果不需要生成文件(如生成html的程序)不给予写入权限。因为是虚拟主机平常对脚本安全没办法做到细致入微的地步，更多的只能在方法用户从脚本提升权限： ASP的安全设置： 设置过权限和服务之后，防范asp木马还需要做以下工作，在cmd窗口运行以下命令： regsvr32/u C：WINNTSystem32wshom.ocx del C：WINNTSystem32wshom.ocx regsvr32/u C：WINNTsystem32Shell32.dll del C：WINNTsystem32shell32.dll 即可将WScript.Shell， Shell.application， WScript.Network组件卸载，可有效防止asp木马通过wscript或shell.application执行命令以及使用木马查看一些系统敏感信息。另法：可取消以上文件的users用户的权限，重新启动IIS即可生效。但不推荐该方法。 另外，对于FSO由于用户程序需要使用，服务器上可以不注销掉该组件，这里只提一下FSO的防范，但并不需要在自动开通空间的虚拟商服务器上使用，只适合于手工开通的站点。可以针对需要FSO和不需要FSO的站点设置两个组，对于需要FSO的用户组给予c：winntsystem32scrrun.dll文件的执行权限，不需要的不给权限。重新启动服务器即可生效。 对于这样的设置结合上面的权限设置，你会发现海阳木马已经在这里失去了作用! PHP的安全设置： 默认安装的php需要有以下几个注意的问题： C：winntphp.ini只给予users读权限即可。在php.ini里需要做如下设置： Safe_mode=on register_globals = Off allow_url_fopen = Off display_errors = Off magic_quotes_gpc = On [默认是on，但需检查一遍] open_basedir =web目录 disable_functions =passthru，exec，shell_exec，system，phpinfo，get_cfg_var，popen，chmod 默认设置com.allow_dcom = true修改为false[修改前要取消掉前面的;] MySQL安全设置： 如果服务器上启用mysql数据库，MySQL数据库需要注意的安全设置为： 删除mysql中的所有默认用户，只保留本地root帐户，为root用户加上一个复杂的密码。赋予普通用户updatedeletealertcreatedrop权限的时候，并限定到特定的数据库，尤其要避免普通客户拥有对mysql数据库操作的权限。检查mysql.user表，取消不必要用户的shutdown_priv，relo ad_priv，process_priv和File_priv权限，这些权限可能泄漏更多的服务器信息包括非mysql的其它信息出去。可以为mysql设置一个启动用户，该用户只对mysql目录有权限。设置安装目录的data数据库的权限(此目录存放了mysql数据库的数据信息)。对于mysql安装目录给users加上读取、列目录和执行权限。 Serv-u安全问题： 安装程序尽量采用最新版本，避免采用默认安装目录，设置好serv-u目录所在的权限，设置一个复杂的管理员密码。修改serv-u的banner信息，设置被动模式端口范围(4001—4003)在本地服务器中设置中做好相关安全设置：包括检查匿名密码，禁用反超时调度，拦截“FTP bounce”攻击和FXP，对于在30秒内连接超过3次的用户拦截10分钟。域中的设置为：要求复杂密码，目录只使用小写字母，高级中设置取消允许使用MDTM命令更改文件的日期。 更改serv-u的启动用户：在系统中新建一个用户，设置一个复杂点的密码，不属于任何组。将servu的安装目录给予该用户完全控制权限。建立一个FTP根目录，需要给予这个用户该目录完全控制权限，因为所有的ftp用户上传，删除，更改文件都是继承了该用户的权限，否则无法操作文件。另外需要给该目录以上的上级目录给该用户的读取权限，否则会在连接的时候出现530 Not logged in， home directory does not exist.比如在测试的时候ftp根目录为d：soft，必须给d盘该用户的读取权限，为了安全取消d盘其他文件夹的继承权限。而一般的使用默认的system启动就没有这些问题，因为system一般都拥有这些权限的