eval

输入 1.input() 函数 input() 函数：接受一个标准输入数据，返回为 string 类型。 在 Python3.x 中 raw_input() 和 input() 进行了整合，去除了 raw_input( )，仅保留了input( )函数。也就是说现在的输入函数为input( )函数，其接收任意任性输入，将所有输入默认为字符串处理，并返回字符串类型。 函数语法: input([prompt]) # prompt为提示信息，一般是字符串形式，可以呈现出来，不影响实际功能。 格式：input() 功能：接受一个标准输入数据， 返回：返回string类型。ctrl+z结束输入 这里要注意的是： input()接收所有输入，并默认将所有的输入都看作字符串来处理 input返回的是string类型，如果想输入数字，还需要进行类型转换 num = int ( input ( "Enter a number: " ) ) print ( num * 2 ) 2.eval()函数 语法： eval(expression[, globals[, locals]]) 各参数为： expression – 表达式。 globals – 变量作用域，全局命名空间，如果被提供，则必须是一个字典对象。 locals – 变量作用域，局部命名空间，如果被提供，可以是任何映射对象。 >> > x =

内置函数 　　我们一起来看看python里的内置函数。什么是内置函数？就是Python给你提供的，拿来直接用的函数，比如print，input等等。截止到python版本3.6.2，现在python一共为我们提供了 68个内置函数 。它们就是python提供给你直接可以拿来使用的所有函数。这些函数有些我们已经用过了，有些我们还没用到过，还有一些是被封印了，必须等我们学了新知识才能解开封印的。那今天我们就一起来认识一下python的内置函数。这么多函数，我们该从何学起呢？ 内置函数 abs() dict() help() min() setattr() all() dir() hex() next() slice() any() divmod() id() object() sorted() ascii() enumerate() input() oct() staticmethod() bin() eval() int() open() str() bool() exec() isinstance() ord() sum() bytearray() filter() issubclass() pow() super() bytes() float() iter() print() tuple() callable() format() len() property() type()

9.本地包含 查看源码 <?php include "flag.php" ; $a = @ $_REQUEST [ 'hello' ] ; eval ( "var_dump( $a );" ) ; show_source ( __FILE__ ) ; ?> 知识点 1.$_REQUEST: 可以获取以POST方法和GET方法提交的数据，但是速度比较慢 2.eval: 把字符串按照 PHP 代码来计算,该字符串必须是合法的 PHP 代码，且必须以分号结尾。 3.var_dump: 函数用于输出变量的相关信息 解题思路 方法1 eval应该是此题的突破口，能够执行php代码。eval()会将参数字符串当作命令语句执行，故利用类似单引号闭合的原理可以注入语句。构造payload hello是接受参数的变量，接下来就是构建hello变量，使其能够闭合var_dump，利用print_r输出 首先闭合 var_dump: 1)"; 第二步构建print_r： print_r(file("./flag.php")); / file() 函数把整个文件读入一个数组中 / URL构建结束： http://123.206.87.240:8003/index.php?hello=1);print_r(file(“flag.php”) 构建的URL触发的 eval操作为 eval(“var_dump(1

Duang！ 68个内置函数 分类记忆 数学运算 × 7 abs() 、 divmod() 、 max() 、 min() 、pow() 、round() 、sum() 类型转换 × 24 bool() 、 int() 、 float() 、 complex() 、str() 、 ord() 、 chr() 、 bytearray() 、 bytes() 、 memoryview() 、 bin() 、 oct() 、 hex() 、 tuple() 、 list() 、 dict() 、 set() 、 frozenset()、 enumerate() 、 range() 、 iter() 、 slice() 、super() 、object() 序列操作 × 8 all() 、any() 、 filter() 、 map() 、next() 、reversed() 、sorted() 、zip() 对象操作 × 9 help() 、dir() 、 id() 、hash() 、type() 、len() 、ascii() 、format() 、vars() 反射操作 × 8 Import() 、isinstance() 、issubclass() 、hasattr() 、getattr() 、setattr() 、delattr() 、callable() 变量操作 × 2

1.1 print输出多个参数 print可用于打印一个表达式，但实际上，print可以同时打印多个表达式，用逗号分隔即可 >> > print ( 'Name:' , 'Kobe' ) Name : kobe >> > print ( 'Age:' , 41 ) Age : 41 >> > name = 'Kobe' >> > salutation = 'Mr.' >> > greeting = 'Hello,' >> > print ( greeting , salutation , name ) Hello , Mr . Kobe 如果字符串变量中没有标点符号 如上变量greeting中没有逗号的话 print输出的时候应这么写： print ( greeting + ',' , salutation , name ) 如果需要，可自定义分隔符： >> > print ( "Mamba" , "Never" , "Out" , sep = " " ) Mamba Never Out 你还可自定义结束字符串，以替换默认的换行符。例如，如果将结束字符串指定为空字符串， 以后就可继续打印到当前行。 print ( 'Hello,' , end = '' ) print ( 'world!' ) 上述代码打印Hello, world!。 2.条件和条件语句 2.1 if 语句

定义和用法 eval() 函数可计算某个字符串，并执行其中的的 JavaScript 代码。 语法 eval(string) 参数 描述 string 必需。要计算的字符串，其中含有要计算的 JavaScript 表达式或要执行的语句。 返回值 通过计算 string 得到的值（如果有的话）。 说明 该方法只接受原始字符串作为参数，如果 string 参数不是原始字符串，那么该方法将不作任何改变地返回。因此请不要为 eval() 函数传递 String 对象来作为参数。 如果试图覆盖 eval 属性或把 eval() 方法赋予另一个属性，并通过该属性调用它，则 ECMAScript 实现允许抛出一个 EvalError 异常。 抛出 如果参数中没有合法的表达式和语句，则抛出 SyntaxError 异常。 如果非法调用 eval()，则抛出 EvalError 异常。 如果传递给 eval() 的 Javascript 代码生成了一个异常，eval() 将把该异常传递给调用者。 提示和注释 提示： 虽然 eval() 的功能非常强大，但在实际使用中用到它的情况并不多。 实例 例子 1 在本例中，我们将在几个字符串上运用 eval()，并看看返回的结果： <script type="text/javascript"> eval("x=10;y=20;document.write(x

今天是学习深度学习的第二天 1，大概了解了一遍TensorFlow的框架 　　TensorFlow的整体结构-数据流图（图，会话），图，会话，张量，变量，操作以及Tensor board的可视化 2，图的相关操作 　　默认图：tf.get_default_graph()（调用方法） .graph（查看属性） 　　自定义图：new_graph = tf.Graph()（创建图） with new_graph.as_default(): （定义数据和操作） 3，张量 Tensor 　　标量　　一个数字　　0阶张量 　　向量　　一维数组　[2,3,4]　　1阶张量 　　矩阵　　二维数组　[[2,3,4],[2,3,4]]　　二阶张量 　　。。。。。 　　张量　　n维数组　　n阶张量 　　创建张量的方法：a_new = tf.constant([4,9,10], dtype=ft.int32) 　　　　　　　　　　tensor = tf.placeholder(dtype=tf.float32, shape=[None, 10]) 　　 　　张量的转换：tensor.set_shape(shape)（ 改变原始的 tensor） 　　　　　　　　tf.reshape(tensor, shape)（ 不会改变原始的 tensor 返回新的改变形状后的 tensor 动态创建新张量时