今天的博客是上篇博客的继续，上篇博客是使用Python和OpenCV检测图像中的条形码。今天我们将重构代码去检测视频中的条形码。举个例子，下图是我实验的一个截图，我手持Modern Warfare 3，我们的程序能够顺利检测到其背面的条形码。

如果你想要在Linxu中获得一个高效、自动化、高质量的科学画图的解决方案，应该考虑尝试下matplotlib库。Matplotlib是基于python的开源科学测绘包，基于python软件基金会许可证发布。

今天的博客是直接来源于我自己的个人工具函数库。过去几个月，有些PyImageSearch读者电邮问我：“如何获取URL指向的图片并将其转换成OpenCV格式（不用将其写入磁盘再读回）”。这篇文章我将展示一下怎么实现这个功能。

我的Raspberry Pi 2昨天刚邮到，这家伙看上去很小巧可爱。这小家伙有4核900MHZ的处理器，1G内存。要知道，Raspberry Pi 2 可比我中学电脑实验室里大多数电脑快多了。话说，自从Raspberry Pi 2发布以来，我收到了很多请求，要求我能写一个在它上面安装OpenCV和Python的详细说明。因此如果你想在Raspberry Pi启动运行OpenCV和Python，就往下面看！

本教程的所有Python代码可以在网上的IPython notebook中获取。考虑在公司里使用Plotly？可以看一下Plotly的on-premises企业版。注意操作系统：尽管Windows或Mac用户也可以跟随本文操作，但本文假定你使用的是Ubuntu系统（Ubuntu桌面版或Ubuntu服务器版）。

在这篇文章中，我们将分析一个网络爬虫。网络爬虫是一个扫描网络内容并记录其有用信息的工具。它能打开一大堆网页，分析每个页面的内容以便寻找所有感兴趣的数据，并将这些数据存储在一个数据库中，然后对其他网页进行同样的操作。

在前面的四篇文章中, 我们一直采用 python 3 自带的 urllib 模块来抓取网页, 然后用 re 模块来处理抓取到的数据. 这次我们使用 Requests 库来代替 urllib, 用 BeautifulSoup 来代替 re 模块.

受杰森Almost Looks Like Work的启发，我来展示一些病毒传播模型。需要注意的是这个模型并不反映现实情况，因此不要误以为是西非可怕的传染病。相反，它更应该被看做是某种虚构的僵尸爆发现象。那么，让我们进入主题。

大家都知道，通过文本或标签来搜索图片的体验非常糟糕。在本文作者将介绍如何自己创建一个图像搜索引擎。

使用python做了一个小监控，监控公司一个项目的日志库：如果扫到有一定数量的error日志就报警，如果只有一两条错误就可以无视了，也就是短时间爆发大量错误日志，就可以断定系统有问题了。报警方式就用发送邮件的方式。

在教程的第一部分，你完成了游戏客户端的大部分代码。你编写的代码在游戏界面上绘制了网格线，并允许玩家在网格线上放置新的线条。在第二部分，也是本教程的最后一部分，你将完成游戏服务端的编写，通过客户端与服务端的连接通信，实现多玩家游戏。

你曾经想知道计算机是如何工作的吗？尽管我们不能在一篇文章里面教会你所有的东西，但是通过学习如何写出你自己的程序来获得一个良好的开端。在这篇Python教程中，你将会学到计算机编程的基础知识，使用对新手来说最棒的编程语言之一。

我确定，你一定曾和你的朋友们一起玩过在线多人游戏。但是你是否想过这些游戏的内部是怎样实现的呢，游戏是怎样在计算机中运行的呢？

在这个教程中，你将通过编写一个简单的游戏来学习有关多人游戏编程。与此同时，你也将学习到面向对象程序设计的思想。

这篇博文的目的是应用计算机视觉和图像处理技术，展示一个条形码检测的基本实现。我所实现的算法本质上基于StackOverflow 上的这个问题，浏览代码之后，我提供了一些对原始算法的更新和改进。不过这个算法并不是对所有条形码有效。

最近我用Python做了一个国际象棋程序并把代码发布在Github上了。这个代码不到1000行，大概20%用来实现AI。在这篇文章中我会介绍这个AI如何工作，每一个部分做什么，它为什么能那样工作起来。你可以直接通读本文，或者去下载代码，边读边看代码。

2012年注：本文首发于2005年。发布之后，Django上线了一个RemovingTheMagic项目，提出了我的一些质疑（尽管我本人发现它仍然不可用），web.py促进了FriendFeed的tornado.web和Google的gae.webapp以及其它项目（尽管如此我仍然喜欢web.py），本文引起了Reddit流量的永久井喷，仍然没有真正地停止增长。

语法分析器描述了一个句子的语法结构，用来帮助其他的应用进行推理。自然语言引入了很多意外的歧义，以我们对世界的了解可以迅速地发现这些歧义。

本文有两个目的：一是讲述实现计算机语言解释器的通用方法，另外一点，着重展示如何使用Python来实现Lisp方言Scheme的一个子集。我将我的解释器称之为Lispy (lis.py)。几年前，我介绍过如何使用Java编写一个Scheme解释器，同时我还使用Common Lisp语言编写过一个版本。

色情业是个大行业。互联网上没有多少网站的流量能和最大的色情网站相匹敌。要搞定这巨大的流量很难。更困难的是，在色情网站上提供的很多内容都是低延迟的实时流媒体而不是简单的静态视频。但是对于所有碰到过的挑战，我很少看到有搞定过它们的开发人员写的东西。所以我决定把自己在这方面的经验写出来。

你有没有曾经好奇过Chrome浏览器是如何知道一个网页的语言，并对外国文字的网页提供翻译服务的？或者，Facebook是如何翻译你朋友用写在你主页上的外国文字？检测一种语言实际上非常简单，改进了用户体验，而且不需要用户做任何的事情。