normal.1

11

# coding:utf-8
def maxnum(ipstr):
	ipstr = ipstr.split(‘	‘)[1]
	return ipstr
def minnum(ipstr):
	ipstr =ipstr.split(‘.‘)[3]
	ipstr = ipstr.split(‘	‘)[0]
	return ipstr

def ip_before(ipstr):
	ipstr_be =ipstr.split(‘.‘)[0]+‘.‘+ipstr.split(‘.‘)[1]+‘.‘+ipstr.split(‘.‘)[2]+‘.‘
	return ipstr_be
def main():
	f = open(‘iptest.txt‘,‘r‘)
	for i in f.readlines():
		i = i.strip()
		if minnum(i)==‘0‘:
			a=1
		else:
			a=minnum(i)
		for j in range(int(a),int(maxnum(i))+1,1):
			ip =ip_before(i)+str(j)
			f1 = open(‘ipok.txt‘,‘a‘)
			print >>f1,ip
			f1.close()
	print ‘over‘
if __name__ == ‘__main__‘:
	main()

  文件读取:

eg.

192.168.1.1   100

192.168.3.200 255

时间: 2024-10-29 10:46:37

normal.1的相关文章

mac安装office2011,提示无法打开文件Normal.dotm,因为内容有错误

最近使用mac上的office,发现一个问题,每次打开office11都会报错,提示“无法打开文件Normal.dotm,因为内容有错误”,于是就在网络上搜索了一下,找到如下一段话, I just found out that my kids were playing on my computer and accidentally renamed my main drive to "]?[". After renaming it something appropriate, it op

Unity3d 获取屏幕depth与normal

Depth 获取Depth的几种方法,分别有不同效果 1. <span style="font-size:14px;"> float2 depth_uv = float2(i.uv_MainTex.x, 1-i.uv_MainTex.y); float d = SAMPLE_DEPTH_TEXTURE(_CameraDepthTexture, depth_uv);</span> 2. <span style="font-size:14px;&qu

[ML]简单的Normal Equation对数据点进行线性回归

注明:本文仅作为记录本人的日常学习历程而存在. Normal Equation和上篇介绍的方法相比,简单许多.具体公式见吴恩达老师的coursera视频 1. generate_data用来生成实验中所用到的数据,数据总体分布在斜率为10-30之间随机取值,截距为200-5000之间随机取值的直线上 compute函数用来计算出目标直线参数: import numpy as np import matplotlib.pyplot as plt def compute(X,Y): return (

《Normal Mapping》

原文地址:https://learnopengl-cn.github.io/05%20Advanced%20Lighting/04%20Normal%20Mapping/ 原文 Normal Mapping 作者 JoeyDeVries 翻译 Django 校对 KenLee 我们的场景中已经充满了多边形物体,其中每个都可能由成百上千平坦的三角形组成.我们以向三角形上附加纹理的方式来增加额外细节,提升真实感,隐藏多边形几何体是由无数三角形组成的事实.纹理确有助益,然而当你近看它们时,这个事实便隐

Normal equations 正规方程组

前面我们通过Gradient Descent的方法进行了线性回归,但是梯度下降有如下特点: (1)需要预先选定Learning rate: (2)需要多次iteration: (3)需要Feature Scaling: 因此可能会比较麻烦,这里介绍一种适用于Feature数量较少时使用的方法:Normal Equation: 当Feature数量小于100000时使用Normal Equation: 当Feature数量大于100000时使用Gradient Descent:

ural 2019 Pair: normal and paranormal

2019. Pair: normal and paranormal Time limit: 1.0 secondMemory limit: 64 MB If you find yourself in Nevada at an abandoned nuclear range during Halloween time, you’ll become a witness of an unusual show. Here Ghostbusters hold annual tests for new ve

Inject Payload Into Normal Files

Payload捆绑注入 msfvenom -a x86 --platform windows -x putty.exe -k -p windows/shell/reverse_tcp LHOST=x.x.x.x LPORT=xxx -e ... -f exe > testtmp.exe backdoor-factory 在指定程序中注入payload backdoor-factory -f Test.exe -S #检测是否支持注入 backdoor-factory -f Test.exe -s

法线贴图——Normal Mapping

对于不曾学过.用过法线贴图的人来说,提到法线贴图,经常会提到的问题是什么是法线贴图?法线贴图用于解决什么问题?法线贴图的原理是什么?本文将就这三个问题阐述本人的一些见解,各位不喜勿喷!!! 谈到法线贴图首先提到的是切线空间,参考网站 http://blog.csdn.net/bonchoix/article/details/8619624 PS:常提到的纹理坐标就是定义在切线空间的,U坐标对应切线空间的T轴,V轴对应切线空间的B轴,顶点法向量N对应切线空间的N轴,模型中每个三角形都有对应的切线空

Normal Equations 的由来与推导

假设我们有m个样本.特征向量的维度为n.因此,可知样本为{(x(1),y(1)), (x(2),y(2)),... ..., (x(m),y(m))},其中对于每一个样本中的x(i),都有x(i)={x1(i), xn(i),... ...,xn(i)}.令 H(θ)=θ0 + θ1x1 +θ2x2 +... + θnxn,则有 这个图片很好示意,但是维度标记错误了.X 是 m*(n+1) 维, θ 包含θ0 为(n+1) * 1 维. 若希望H(θ)=Y,则有 X · θ = Y 我们先来回忆

用线性代数理解 Normal Equation

在之前的博客中,我们通过矩阵求导的方式推导了 normal equation.这篇博客中,我们将通过线性代数的角度再次回顾 normal equation. Normal Equation 解决的问题 Normal equation 要解决的问题如下:给出由 $n$ 个未知数组成的 $m$ 个方程,这个方程组用 $Ax=b$ 表示,我们要求出这个方程组的“最佳解”. 根据线性代数的知识我们知道,这个方程组的解可能有零个.一个或无穷多个.如果这个方程组恰有一个解,那么这个解就是“最佳解”:如果这个