当前位置: 首页 > news >正文

电子技术——内部电容效应以及MOS与BJT的高频响应模型

电子技术——内部电容效应以及MOS与BJT的高频响应模型

Logo

耦合和旁路电容决定了放大器的低频响应,同时内部电容效应决定了放大器的高频响应。本节,我们简单简单介绍一下内部电容效应,并且更重要的是如何在小信号模型中模型化内部电容效应。

MOSFET

在我们之前学习MOSFET的时候,我们就已经知道MOS中存在内部电容。实际上,我们已经在使用栅极和沟道之间的内部电容,即场效应。之前,我们假设MOS中的电容都是稳态的,也就是我们忽略了电容的充电和放电时间。结果就是我们并没有考虑电容的任何频率效应。实际上,MOSFET放大器在高频的时候增益会有所减小。同样的,在之后数字电路的章节,我们会学习MOS数字逻辑反相器会显示出有限的传播延迟。为了考虑这些情况,我们必须把内部电容考虑进去。这就是本节我们要讨论的。

为了说明产生内部电容的物理原因,我们使用下面的图片:

物理原因
上图是一个N沟道的MOSFET,并且处于饱和区。如图,存在四个电容。其中两个 CgsC_{gs}CgsCgdC_{gd}Cgd 通过栅极电容效应形成,另外两个 CsbC_{sb}CsbCdbC_{db}Cdb 是pn结的耗散区电容。

之前我们介绍过栅极电容,其中的硅氧化物层充当电介质,金属极板和沟道形成一个平行板电容器,每单位面积的容值记为 CoxC_{ox}Cox 。当MOS处于饱和区的时候,我们知道总容值是 23WLCox\frac{2}{3} WL C_{ox}32WLCox 。除此之外,因为极板与源极区和栅极区分别有一个小的重叠面积,重叠长度为 LovL_{ov}Lov ,则重叠部分的电容为:

Cov=WLovCoxC_{ov} = WL_{ov} C_{ox} Cov=WLovCox

一般的, Lov=0.05L∼0.1LL_{ov} = 0.05L \sim 0.1LLov=0.05L0.1L 。现在我们能表示出栅极到源极直接的电容为:

Cgs=23WLCox+CovC_{gs} = \frac{2}{3} WLC_{ox} + C_{ov} Cgs=32WLCox+Cov

对于栅极到漏极之间的电容,我们注意到沟道被截断,所以电容只由重叠部分组成:

Cgd=CovC_{gd} = C_{ov} Cgd=Cov

对于耗散层的电容,可以使用我们之前推导的反向偏置pn结中的电容表达式:

Csb=Csb01+VSBV0C_{sb} = \frac{C_{sb0}}{\sqrt{1 + \frac{V_{SB}}{V_0}}} Csb=1+V0VSBCsb0

其中 Csb0C_{sb0}Csb0 是在体极和源极之间无偏置时候的电容值, VSBV_{SB}VSB 是反向偏置电压的大小, V0V_0V0 是pn结内建电压(0.6V 到 0.8V),同样的对于体极和漏极之间的电容:

Cdb=Cdb01+VDBV0C_{db} = \frac{C_{db0}}{\sqrt{1 + \frac{V_{DB}}{V_0}}} Cdb=1+V0VDBCdb0

我们发现,对于两个电容的过度系数均为 m=1/2m = 1/2m=1/2

值得注意的是,每一个结电容都是由耗散区的底部和周围的三个面(第四个面向沟道)分别贡献而成。上述表达式都是建立在小信号模型的表达式上。

MOSFET的高频模型

下图展示了MOSFET的高频模型,其中包括我们介绍的四个电容:

高频模型
这个模型可以用来计算MOS放大器的高频响应,然而这个模型实在是太复杂了,不管是对于手动分析还是计算机仿真分析来说。幸运的是,如果体极和源极是相连的,我们的模型可以大大简化:

简化模型

在这个模型中, CgdC_{gd}Cgd 尽管很小,但是对于决定高频响应有至关重要的作用,不能忽略。但是电容 CdbC_{db}Cdb 在高频响应分析中基本可以忽略,忽略之后的模型如下:

简化模型
最后对应的T模型为:

T模型

MOS的单位增益频率

对于MOS放大器来说,有一个重要的参数就是单位增益频率 fTf_TfT ,也称为 过度频率 。定义为CS放大器配置时的短路电流是单位电流增益时候的频率。下图展示了一个CS放大器的混合 π\piπ 模型。为了决定短路电流增益,我们在输入端放入测试电流源 IiI_iIi ,并且短路输出端:

短路输出端
通过简单的计算得出,输出电流为:

Io=gmVgs−sCgdVgsI_o = g_mV_{gs} - sC_{gd}V_{gs} Io=gmVgssCgdVgs

回想一下 CgdC_{gd}Cgd 非常小,我们可以忽略第二项:

Io≃gmVgsI_o \simeq g_m V_{gs} IogmVgs

我们可以导出 VgsV_{gs}Vgs

Vgs=Iis(Cgs+Cgd)V_{gs} = \frac{I_i}{s(C_{gs} + C_{gd})} Vgs=s(Cgs+Cgd)Ii

则电流比为:

IoIi=gms(Cgs+Cgd)\frac{I_o}{I_i} = \frac{g_m}{s(C_{gs} + C_{gd})} IiIo=s(Cgs+Cgd)gm

带入物理频率 s=jωs = j \omegas= 得到:

∣IoIi∣=gmω(Cgs+Cgd)|\frac{I_o}{I_i}| = \frac{g_m}{\omega(C_{gs} + C_{gd})} IiIo=ω(Cgs+Cgd)gm

则单位增益时候的频率是在:

ωT=gm/(Cgs+Cgd)\omega_T = g_m / (C_{gs} + C_{gd}) ωT=gm/(Cgs+Cgd)

或是:

fT=gm2π(Cgs+Cgd)f_T = \frac{g_m}{2\pi (C_{gs} + C_{gd})} fT=2π(Cgs+Cgd)gm

因为 fTf_TfT 正比于 gmg_mgm ,并且 gmg_mgm 决定了中频带的增益。反比与 (Cgs+Cgd)(C_{gs} + C_{gd})(Cgs+Cgd) 限制了放大器的带宽, fTf_TfT 的值越大,MOS的频率效率就越好。

一般的, fTf_TfT 对于旧技术(5um COMS)来说在100MHz,对于高速新技术(0.13um COMS)在几GHz。

总结

总结

BJT

与MOS同样的,BJT也存在内部电容效应。

基极充电或扩散电容 CdeC_{de}Cde

当BJT工作在主动模式下,次载流子充满基极区域。对于npn晶体管,基极区域充满了电子,我们记电荷量 QnQ_nQn 可以表示为:

Qn=τFiCQ_n = \tau_F i_C Qn=τFiC

其中 iCi_CiC 是集电极电流, τF\tau_FτF 是器件的时间常数,具有时间量纲,被称为 前向基极-过渡时间 ,表示一个次载流子(电子)通过基极区域的平均时间。一般情况下,在 10ps 到 100ps。

上式是一个大信号模型,因为 iCi_CiCvBEv_{BE}vBE 呈现指数关系,同时 QnQ_nQn 也同样依赖于 vBEv_{BE}vBE 。对于小信号模型,我们定义 小信号扩散电容

Cde≡dQndvBE=τFdiCdvBE=τFgm=τFICVTC_{de} \equiv \frac{d Q_n}{d v_{BE}} = \tau_F \frac{d i_C}{d v_{BE}} = \tau_F g_m = \tau_F \frac{I_C}{V_T} CdedvBEdQn=τFdvBEdiC=τFgm=τFVTIC

这里 ICI_CIC 是集电极偏置电流。因此当 vbev_{be}vbe 改变 vBEv_{BE}vBE 的时候,发射极电流增加 gmvbeg_m v_{be}gmvbe 因此电荷量增加 τFgmvbe\tau_F g_m v_{be}τFgmvbe 多出来的电荷由基极电流提供。

基极-发射极结电容 CjeC_{je}Cje

在BJT的主动模式下,基极和发射极直接存在电容 CjeC_{je}Cje ,我们知道,正向偏置的pn的电容为:

Cje≃2Cje0C_{je} \simeq 2C_{je0} Cje2Cje0

这里 Cje0C_{je0}Cje0 是零偏置下的电容。

集电极-基极结电容 CμC_\muCμ

在在BJT的主动模式下,集电极-基极是一个反向偏置的pn结,我们称其为 耗散电容 ,其值为:

Cμ=Cμ0(1+VCBV0c)mC_\mu = \frac{C_{\mu0}}{(1 + \frac{V_{CB}}{V_{0c}})^m} Cμ=(1+V0cVCB)mCμ0

这里 Cμ0C_{\mu0}Cμ0 是无偏置下的电容。 VCBV_{CB}VCB 是反向电压, V0cV_{0c}V0c 是内建电压(0.75V), mmm 是过渡系数(0.2-0.5)。

高频模型

下图展示了BJT的混合 π\piπ 和T模型下的高频模型。

混合pi模型
T模型
在图中,分别有两个电容,一个是发射极到基极的电容:

Cπ=Cde+CjeC_\pi = C_{de} + C_{je} Cπ=Cde+Cje

另一个是集电极到基极的电容 CμC_\muCμ 。除此之外,我们还添加了基极的固有电阻 rxr_xrx 在外部基极B和内部基极B‘之间,因为 rx≪rπr_x \ll r_\pirxrπ 因此在低频模型下,我们可以忽略,但是在高频模型下,这个电阻是通过电流的并且和电容相互作用,就无法忽略。

BJT的单位增益频率

在datasheet中通常不直接给出 CπC_\piCπ 而是给出 β\betaβ 与频率之间的关系。为了决定 CπC_\piCπCμC_\muCμ 我们需要导出与 β\betaβ 之间的关系。我们使用下面的CE短路电流:

模型
在节点C的电流为:

Ic=(gm−sCμ)VπI_c = (g_m -sC_\mu)V_\pi Ic=(gmsCμ)Vπ

这里 VπV_\piVπIbI_bIb 的关系为:

Vπ=Ib(rπ∣∣Cπ∣∣Cμ)V_\pi = I_b(r_\pi||C_\pi||C_\mu) Vπ=Ib(rπ∣∣Cπ∣∣Cμ)

则电流比为:

hfe=IcIb=gm−sCμ1/rπ+s(Cπ+Cμ)h_{fe} = \frac{I_c}{I_b} = \frac{g_m - sC_\mu}{1/r_\pi + s(C_\pi + C_\mu)} hfe=IbIc=1/rπ+s(Cπ+Cμ)gmsCμ

在一定的频率下, ωCμ≪gm\omega C_\mu \ll g_mωCμgm 因此:

hfe≃gmrπ1+s(Cπ+Cμ)rπ=β01+s(Cπ+Cμ)rπh_{fe} \simeq \frac{g_m r_\pi}{1 + s(C_\pi + C_\mu)r_\pi} = \frac{\beta_0}{1 + s(C_\pi + C_\mu)r_\pi} hfe1+s(Cπ+Cμ)rπgmrπ=1+s(Cπ+Cμ)rπβ0

这里的 β0\beta_0β0 为低频下的 β\betaβ 并且 hfeh_{fe}hfe 存在一个单极点频率,此时为 3dB3dB3dB 响应:

ωβ=1(Cπ+Cμ)rπ\omega_\beta = \frac{1}{(C_\pi +C_\mu)r_\pi} ωβ=(Cπ+Cμ)rπ1

下图展示了该电路的高频响应:

高频响应
存在单位增益频率 ωT\omega_TωT

ωT=β0ωβ=gmCπ+Cμ\omega_T = \beta_0 \omega_\beta = \frac{g_m}{C_\pi + C_\mu} ωT=β0ωβ=Cπ+Cμgm

fT=gm2π(Cπ+Cμ)f_T = \frac{g_m}{2\pi(C_\pi + C_\mu)} fT=2π(Cπ+Cμ)gm

这个形式和MOS的一致。

通常在datasheet中给出 fTf_TfT ,而 fTf_TfT 是一个关于偏置电流的参数:

单位增益
我们发现,在较低的偏置电流下,单位增益频率也较低。但是随着偏置电流继续加大,单位增益频率却降低了,此时不能使用上述表达式解释其原因,主要原因在 β0\beta_0β0 在大电流的情况下会下降。在 fTf_TfT 的常数区域,CπC_\piCπ 主要由扩散部分组成且远大于 CμC_\muCμ 因此 Cπ+Cμ≃Cde=τFgmC_\pi + C_\mu \simeq C_{de} = \tau_Fg_mCπ+CμCde=τFgm

fT=12πτFf_T = \frac{1}{2 \pi \tau_F} fT=2πτF1

一般情况下,fTf_TfT 在 100MHz到几十GHz。

关于高频模型,当频率处于 5∼10fβ5 \sim 10 f_\beta510fβ 的时候,我们可以忽略 rπr_\pirπ 此时的阻抗由 rxr_xrx 决定。因此在高频模型下 rxr_xrx 具有关键作用。

在结束本节之前,我们应该注意到在高频模型下,BJT能够精准的工作直到 0.2fT0.2f_T0.2fT 。若想获得更大的 fTf_TfT 需要往BJT模型中加入更多的寄生元件。

总结

BJT

相关文章:

电子技术——内部电容效应以及MOS与BJT的高频响应模型

电子技术——内部电容效应以及MOS与BJT的高频响应模型 耦合和旁路电容决定了放大器的低频响应,同时内部电容效应决定了放大器的高频响应。本节,我们简单简单介绍一下内部电容效应,并且更重要的是如何在小信号模型中模型化内部电容效应。 MOS…...

华为OD机试题 - 出租车计费(JavaScript)

最近更新的博客 2023新华为OD机试题 - 斗地主(JavaScript)2023新华为OD机试题 - 箱子之形摆放(JavaScript)2023新华为OD机试题 - 考古学家(JavaScript)2023新华为OD机试题 - 相同数字的积木游戏 1(JavaScript)2023新华为OD机试题 - 最多等和不相交连续子序列(JavaScri…...

Django框架进阶版

一、Django介绍 1.起源 2005年发布,采用python语言编写的。 早期Django主要做新闻和内容管理 重量级python web框架,配备了大量组件 2.组件 包含组件如下 基本配置文件/路由系统 MTV设计模式 Cookies和Session 分页和发邮件 Admin管理后台 3…...

2023美赛F题全部代码+数据+结果 数学建模

2023年美赛F题全部思路 数据代码都已完成 全部内容见链接:https://www.jdmm.cc/file/2708700/ 1.根据文献选的GGDP的指标,发现GGDP与水资源等有关,由此可以筛选出影响GGDP的所有因子,并可以用所有因子利用层次分析法建立评价体…...

Java基础-logback日志使用

日志 1.1 作用: ​ 跟输出语句一样,可以把程序在运行过程中的详细信息都打印在控制台上。 ​ 利用log日志还可以把这些详细信息保存到文件和数据库中。 1.2 使用步骤: ​ 不是java的,也不是自己写的,是第三方提供…...

kaggle竞赛-宠物受欢迎程度(赛题讲解与数据分析)

比赛官网地址 赛题介绍 petfinder是马来西亚领先的动物福利平台宠物网站地址 该网站使用可爱指数来排名宠物照片。它分析了图片组成和其他因素,并与数千个宠物档案的表现进行了比较。 在这场比赛中,你将分析原始图像和元数据来预测宠物照片的“Pawp…...

Go语言基础知识学习笔记

环境准备 下载安装Golang:https://golang.google.cn/dl/ 因为国外下载速度较慢,我们需要配置国内代理 # 开启包管理工具 go env -w GO111MODULEon # 设置代理 go env -w GOPROXYhttps://goproxy.cn,direct # 设置不走 proxy 的私有仓库,多…...

Python3 错误和异常

Python3 错误和异常 作为 Python 初学者,在刚学习 Python 编程时,经常会看到一些报错信息,在前面我们没有提及,这章节我们会专门介绍。 Python 有两种错误很容易辨认:语法错误和异常。 Python assert(断…...

程序人生 - 学习和分享

文章目录记于 230217学习安排泛学AI 和 未来记于 230217 刚入行时,经常看到技术博客中,博主们分享生活,比如相亲、上班生活,甚至还有人发结婚照。这个栏目通常被称为:程序人生。 这个现象已经很久没看到了&#xff0c…...

基于树莓派的智能家居项目整理

一、功能介绍 二、设计框图 三、实物展示 四、程序 一、功能介绍硬件:树莓派3B、LD3320语音识别模块、pi 摄像头、继电器组、小灯、火焰传感器、蜂鸣器、电 磁锁 项目框架: 采用了简单工厂模式的一个设计方式。稳定,拓展性…...

《洛阳冬冷》

——洛阳的冬天太冷,最暖不过你的眼神。 ******* 她拿了个画着几丛竹子的小团扇子一路分花拂柳地往前走,后面一水儿的侍女不敢出声,只得地默默跟着她。她一张脸本来生得就好看,这一怒起来竟然还更加的好看了。此时她走得太急&…...

YOLOv5简介

YOLOv5 一、输入端 1. Mosaic数据增强: CutMix 数据增强:随机生成一个裁剪框Box,裁剪掉A图中的相应位置,然后用B图相应位置的ROI放到A中被裁剪的区域中形成新的样本。采用加权求和的方式计算损失,将A区域中被cut掉的…...

【面向对象语言三大特性之 “继承”】

目录 1.继承的概念及定义 1.1继承的概念 1.2 继承定义 1.2.1定义格式 1.2.2继承关系和访问限定符 1.2.3继承基类成员访问方式的变化 2.基类和派生类对象赋值转换 3.继承中的作用域 4.派生类的默认成员函数 5.继承与友元 6. 继承与静态成员 7.复杂的菱形继承及菱形虚拟…...

Ambari2.7.5集群搭建详细流程

0 说明 本文基于本地虚拟机从零开始搭建ambari集群 1 前置条件 1.1 本地虚拟机环境 节点角色ambari-1ambari-server ambari-agentambari-2ambari-agentambari-3ambari-agent 1.2 安装包 1.3 修改主机名并配置hosts文件 hostnamectl set-hostname ambari-1 hostnamectl se…...

房产|1月全国70城房价出炉!疫情放开后你关心的城市房价有何变化

2023年1月份,70个大中城市中新房销售价格环比上涨城市个数增加;一线城市新房销售价格环比同比转涨、二三线城市环比降势趋缓,二三线城市同比下降。 | 新房/二手房12月-1月环比上涨城市数量变化 70个大中城市中,新房环比上涨城市…...

秒验 重新定义“一键登录”

现如今,一般APP在注册登录时,仍然要经历填写用户名、密码、绑定手机号等一系列传统流程,有的人认为可以通过第三方登录避免这些流程,但仍旧要经历手机验证码的环节,而且存在验证码被拦截的风险,短信费用也很…...

ZenBuster:一款功能强大的多线程跨平台URL枚举工具

关于ZenBuster ZenBuster是一款功能强大的多线程跨平台URL枚举工具,该工具基于Python开发,同时还具备暴力破解功能。 该工具适用于安全专业人员,可以在渗透测试或CTF比赛中为广大研究人员提供帮助,并收集和目标相关的各种信息。…...

2023年美赛ICM问题E:光污染 这题很好做啊!

2023年美赛ICM问题E:光污染 这题很好做啊!![在这里插入图片描述](https://img-blog.csdnimg.cn/e918cc6fc9214b53bf4859063bfe56b0.png#pic_center) 我看到DS数模的分析,看似头头是道,实则GouPi不通,我出一个,用于大家…...

InVEST模型 | 01 InVEST模型安装(Windows10)

除了在Python Anaconda环境中进行安装InVEST模型Python安装,平时最常使用的安装方式是通过.exe直接进行安装,本节介绍的就是直接下载安装的步骤: 打开InVEST模型下载页面 链接为:https://naturalcapitalproject.stanford.edu/…...

spring-web InvocableHandlerMethod 源码分析

说明 本文基于 jdk 8, spring-framework 5.2.x 编写。author JellyfishMIX - github / blog.jellyfishmix.comLICENSE GPL-2.0 类层次 HandlerMethod,处理器的方法的封装对象。HandlerMethod 只提供了处理器的方法的基本信息,不提供调用逻辑。 Invoca…...

一分钟了解微信公众号服务器配置自动回复

1、建一个web服务工程 2、开放任意一个接口, 比如 /aaa/bbb/ccc 把接口路径配置在这里,ip为公网ip或域名,其他的参数默认,对入门选手没啥用 3、该接口允许get和post两种方式访问,接口需要对于访问方式编写两套逻辑…...

打印不同的图形-课后程序(JAVA基础案例教程-黑马程序员编著-第四章-课后作业)

【案例4-1】打印不同的图形 记得 关注,收藏,评论哦,作者将持续更新。。。。 【案例介绍】 案例描述 本案例要求编写一个程序,可以根据用户要求在控制台打印出不同的图形。例如,用户自定义半径的圆形和用户自定义边长的…...

14. QT_OPenGL中引入顶点着色器和片段着色器

1. 说明: 着色器是OPenGL中非常重要的一部分,在有了模型后,如果未给模型添加着色器,那么渲染效果会折扣很多。着色器中使用到的语言是GLSL(OPenGL Shader Language),可以通过这篇文章GLSL基本语法进行了解。 效果展示&#xff1a…...

ecaozzz

2. 图形报表ECharts 2.1 ECharts简介 ECharts缩写来自Enterprise Charts,商业级数据图表,是百度的一个开源的使用JavaScript实现的数据可视化工具,可以流畅的运行在 PC 和移动设备上,兼容当前绝大部分浏览器(IE8/9/10/…...

应用部署初探:6个保障安全的最佳实践

在之前的文章中,我们了解了应用部署的阶段以及常见的部署模式,包括微服务架构的应用应该如何部署等基本内容。本篇文章将介绍如何安全地部署应用程序。 安全是软件开发生命周期(SDLC)中的关键部分,同时也需要成为 S…...

转转测试环境docker化实践

测试环境对于任何一个软件公司来讲,都是核心基础组件之一。转转的测试环境伴随着转转的发展也从单一的几套环境发展成现在的任意的docker动态环境docker稳定环境环境体系。期间环境系统不断的演进,去适应转转集群扩张、新业务的扩展,走了一些…...

linux 之 ps命令介绍

哈喽,大家好,我是有勇气的牛排(全网同名)🐮 有问题的小伙伴欢迎在文末评论,点赞、收藏是对我最大的支持!!!。 前言 如过想实现对进程监控,就需要使用到ps命…...

Server端的Actor,分工非常的明确,但是只将Actor作为一部手机来用,真的合适吗?

这是一篇介绍PowerJob,Server端Actor的文章,如果感兴趣可以请点个关注,大家互相交流一下吧。 server端一共有两个Actor,一个是处理worker传过来的信息,一个是server之间的信息传递。 处理Worker的Actor叫做WorkerRequ…...

2023年美赛C题 预测Wordle结果Predicting Wordle Results这题太简单了吧

2023年美赛C题 预测Wordle结果Predicting Wordle Results 更新时间:2023-2-17 11:30 1 题目 2023年MCM 问题C:预测Wordle结果![在这里插入图片描述](https://img-blog.csdnimg.cn/e059d917333e497e90ca082605869e3c.png#pic_center) Wordle是纽约时报目前每天提…...

UE4 渲染学习笔记(未完)

原文链接:虚幻4渲染管线入门 - 知乎 从原文摘抄一下: 渲染框架 1,一套是传统的以RHICmdList为核心构建RenderPass,从RHICmdList.BeginRenderPass(...)开始,以RHICmdList.EndRenderPass()结束的框架。 2.一套是以新的Gr…...

任何用c语言做网站/网络培训心得体会

今天在做一个功能的时候,需要把 Request.ServerVariables 属性绑定给 Repeater 控件显示,Request.ServerVariables 返回的是一个 NameValueCollection 对象,一个键值对的集合。 谷歌了一下,居然无一例外需要在 Repaeter_ItemDataB…...

微信上可以做网站吗/seo属于技术还是营销

FAIL_ON_SYMBOL_HASH_OVERFLOW 这个类型不存在。 问题的原因是jar包版本冲突。这个是在jackson的 since 2.4版本的包里面才有。2.3之前的版本是没有得。 这个存在2.4及以上才出现的,所以,实际运行的项目中jackson的jar冲突了。 我这儿的问题是flume的l…...

dreamweaver可以做手机网站吗/百度贴吧广告投放

努力 奋斗 人生总要有这么一段时光 纯粹而简单 疯狂而热烈 拼搏而勇敢 若干年后 回忆起来 让自己感动 惊艳了时光 温柔了岁月 丰富了记忆 成为你人生宝贵的一笔财富...

做现货黄金看什么网站/seo技术代理

2019独角兽企业重金招聘Python工程师标准>>> dozer是一种JavaBean的映射工具,类似于apache的BeanUtils。但是dozer更强大,它可以灵活的处理复杂类型之间的映射。不但可以进行简单的属性映射、复杂的类型映射、双向映射、递归映射等&#xff0…...

河北建设集团网站/网站关键词上首页

(一)地图AOI的基本信息 地图AOI数据那些事(一)AOI概念系统性介绍 - 知乎 (二)postgreSQL中的地理坐标基础框架与利用postgreSQL的地图全... https://v.youku.com/v_show/id_XMzEzNjExNzU0MA.html &…...

淮安网站制作/外贸网站建设推广公司

什么是Urllib Urllib是python内置的HTTP请求库  包括以下模块  urllib.request 请求模块  urllib.error 异常处理模块  urllib.parse url解析模块  urllib.robotparser robots.txt解析模块 urlopen 关于urllib.request.urlopen参数的介绍:  urllib.requ…...