最近写个自己的网站玩可能会用到权限验证,先在网上找点方法。
前言
提示:这里可以添加本文要记录的大概内容:
例如:随着人工智能的不断发展,机器学习这门技术也越来越重要,很多人都开启了学习机器学习,本文就介绍了机器学习的基础内容。
提示:以下是本篇文章正文内容,下面案例可供参考
一、方法一
用二进制验证
可以推荐你使用 按位与 一般符号是 & 来进行操作。
具体举例:操作1=1,操作2=2,操作3=4,操作4=8,操作5=16
为什么要使用这样的数字呢?
因为它们都是2的倍数,这样就可以保证它们转化为的二进制只占其中的一位。
具体的:1=00000001,2=00000010,4=00000100,8=00001000,16=00010000
你可以看到 每个权限其实只占了一个8位的其中的一位。
假设A具有操作1,操作3,操作4的权限,那么A的权限值为:1+4+8=13 它的二进制为00001101
现在你要判断A是否具有操作3的权限,只需要判断 13&4 是否等于 4就可以。
具体的:
00001101& 00000100
00000100
可以看到如果你有此权限的话,该值是等于操作的权限值的。
我们再来验证A是否具有操作2的权限:
00001101& 00000010
00000000
看到了吧,值等于0,表示A没有操作2的权限。
你只要再此基础上封装一下这个操作,就可以实现全线的验证了!
比如:
public string validate(int powers,int power){
//powers用户具有的权限,power具体的一个权限
if(powers&power!=power)
return "你没有该操作权限!";
else
return "你具有该操作权限!";
}
ok 大功告成!
二、使用步骤
1.引入库
代码如下(示例):
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import warnings
warnings.filterwarnings('ignore')
import ssl
ssl._create_default_https_context = ssl._create_unverified_context
2.读入数据
代码如下(示例):
data = pd.read_csv(
'https://labfile.oss.aliyuncs.com/courses/1283/adult.data.csv')
print(data.head())
该处使用的url网络请求的数据。
总结
提示:这里对文章进行总结:
例如:以上就是今天要讲的内容,本文仅仅简单介绍了pandas的使用,而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。