一. 下载服务器

Python 内置了一个下载服务器，只需要进去目标目录，执行下面的启动命令即可：

Python2：

mia@ubuntu:~/Desktop$ ls
a.txt  b.txt  c
mia@ubuntu:~/Desktop$ python2 -m SimpleHTTPServer
Serving HTTP on 0.0.0.0 port 8000 ...

SimpleHTTPServer 启动之后， 局域网内的任意一台电脑通过访问 http://192.168.6.126:8000/ 地址来下载文件：

SimpleHTTPServer 启动的下载服务器

Python3：
Python3 对系统库进行了重新整理，因此启动方式也会有所不同。Python3 执行以下命令，也会在当前目录下启动一个文件下载服务器，默认打开 8000 端口，也可以自行指定端口：

mia@ubuntu:~$ python3 -m http.server 8001
Serving HTTP on 0.0.0.0 port 8001 (http://0.0.0.0:8001/) ...

http.server 启动的下载服务器

注：上述的 Python 语句本质上是启动了一个 Python 内置的 Web 服务器。如果当前目录下存在 index.html 文件，则会显示一个 html 页面。反之，则显示当前目录下的文件列表，也就是我们上面看到的下载服务器。

二. JSON 格式化工具

JSON 是一种非常流行的数据交换格式，即易于人类阅读和编写，同时也易于机器解析和生成。在日常工作中，我们经常需要将 JSON 字符串转换为 JSON 对象，普遍的一种做法是，打开浏览器搜索 “在线JSON格式化工具”。

除此之外，在命令行中，我们可以借助 python -m json.tool 解析 JSON 字符串。下面的 JSON字符串直接阅读会非常困难：

mia@ubuntu:~/Desktop$ echo '{"own_collections":[],"own_collections_page":1,"own_collections_total_pages":0,"manageable_collections":[],"manageable_collections_page":1,"manageable_collections_total_pages":0,"notebooks":[{"id":50215835,"name":"Python > 每日get一个技能","book":false},{"id":50111086,"name":"环境搭建和工具使用","book":false},{"id":49600701,"name":"数据分析 > 常用库","book":false}],"notebooks_page":1,"notebooks_total_pages":1}'
{"own_collections":[],"own_collections_page":1,"own_collections_total_pages":0,"manageable_collections":[],"manageable_collections_page":1,"manageable_collections_total_pages":0,"notebooks":[{"id":50215835,"name":"Python > 每日get一个技能","book":false},{"id":50111086,"name":"环境搭建和工具使用","book":false},{"id":49600701,"name":"数据分析 > 常用库","book":false}],"notebooks_page":1,"notebooks_total_pages":1}

可以使用管道操作符，作为输入传递给 json.tool：

mia@ubuntu:~/Desktop$ echo '{"own_collections":[],"own_collections_page":1,"own_collections_total_pages":0,"manageable_collections":[],"manageable_collections_page":1,"manageable_collections_total_pages":0,"notebooks":[{"id":50215835,"name":"Python > 每日get一个技能","book":false},{"id":50111086,"name":"环境搭建和工具使用","book":false},{"id":49600701,"name":"数据分析 > 常用库","book":false}],"notebooks_page":1,"notebooks_total_pages":1}' | python -m json.tool
{
    "manageable_collections": [],
    "manageable_collections_page": 1,
    "manageable_collections_total_pages": 0,
    "notebooks": [
        {
            "book": false,
            "id": 50215835,
            "name": "Python > \u6bcf\u65e5get\u4e00\u4e2a\u6280\u80fd"
        },
        {
            "book": false,
            "id": 50111086,
            "name": "\u73af\u5883\u642d\u5efa\u548c\u5de5\u5177\u4f7f\u7528"
        },
        {
            "book": false,
            "id": 49600701,
            "name": "\u6570\u636e\u5206\u6790 > \u5e38\u7528\u5e93"
        }
    ],
    "notebooks_page": 1,
    "notebooks_total_pages": 1,
    "own_collections": [],
    "own_collections_page": 1,
    "own_collections_total_pages": 0
}

三. 检验第三方库是否正确安装

安装完一个第三方库，我们都知道在 python shell 中直接 import 一下，观察是否有报错，即可检验第三方库是否正确安装：

mia@ubuntu:~/Desktop$ pip2 list --format=columns | grep -iE flask
Flask                              1.1.4
mia@ubuntu:~/Desktop$ python
Python 2.7.17 (default, Feb 27 2021, 15:10:58) 
[GCC 7.5.0] on linux2
Type "help", "copyright", "credits" or "license" for more information.
>>> import flask
>>> 

但如果是想在脚本中实现上述验证操作，则需要借助 Python 解释器的 -c 参数来执行 import 语句：

mia@ubuntu:~/Desktop$ python2 -c "import flask"
mia@ubuntu:~/Desktop$ pip2 list --format=columns | grep -iE numpy
mia@ubuntu:~/Desktop$ python2 -c "import numpy"
Traceback (most recent call last):
  File "<string>", line 1, in <module>
ImportError: No module named numpy

使用 python -c "import xxx" ，不但比交互式的验证更加高效，更重要的是，能够写入脚本，适用于更多的场景。