- 写在前面 最近迷上了读书，先定个flag，每年阅读50本书。 读书，那必然要读好书，好书哪里找，豆瓣少不了，但是要不断的翻网页，这个事情感觉不是爬虫程序员能干出来的，作为梦想橡皮擦这样子的大佬，自然也不能做这么基础的翻网页动作，所以，必须写爬虫程序。 今天要爬取的核心为 https://book.douban.com/tag/?view=type&icn... 写在前面 最近迷上了读书，先定个flag，每年阅读50本书。 读书，那必然要读好书，好书哪里找，豆瓣少不了，但是要不断的翻网页，这个事情感觉不是爬虫程序员能干出来的，作为梦想橡皮擦这样子的大佬，自然也不能做这么基础的翻网页动作，所以，必须写爬虫程序。 今天要爬取的核心为 https://book.douban.com/tag/?view=type&icn...
- 一，结构图 二，序列的相关 1.大致的预览 在python的世界里，有6种内建的序列 列表 : [1,2,3,4,5,6,7] 元组: (1,2,3,5,6) 字符串:’今天天气不错呀’ Unicode字符串:’\u9007\u8222\’ buffer对象: xrange对象: 列表和元组区分开：是列表可以修改，元组不可以修改. 如果根据要求来... 一，结构图 二，序列的相关 1.大致的预览 在python的世界里，有6种内建的序列 列表 : [1,2,3,4,5,6,7] 元组: (1,2,3,5,6) 字符串:’今天天气不错呀’ Unicode字符串:’\u9007\u8222\’ buffer对象: xrange对象: 列表和元组区分开：是列表可以修改，元组不可以修改. 如果根据要求来...
- 术语一般解释dict 字典一种键值对的关系，一个键代表一个索引，一个键对应一个值index 索引在列表、数组、字典或一般容器中表示一个内容值的“地址”，通过索引可以获取值开发环境当前开发所需要的一些基本软件、硬件或操作系统list 列表一种数据的集合存储容器list 数组python中没有数组概念，相似的可以简单理解成list，但是两者是有区别的容器存储数据或者对象关键... 术语一般解释dict 字典一种键值对的关系，一个键代表一个索引，一个键对应一个值index 索引在列表、数组、字典或一般容器中表示一个内容值的“地址”，通过索引可以获取值开发环境当前开发所需要的一些基本软件、硬件或操作系统list 列表一种数据的集合存储容器list 数组python中没有数组概念，相似的可以简单理解成list，但是两者是有区别的容器存储数据或者对象关键...
- 模块 一般情况下，是一个以.py为后缀的文件。使用import导入。我们创建一个py文件，名为myprint，该py文件作为模块，在里面定义一个函数名为myprint： def myprint(): print('这是我的print模块') 12 保存后，在同目录下创建一个py文件，里面使用import导入包，并且使用模块名调用我们刚刚定义的myprint.py文... 模块 一般情况下，是一个以.py为后缀的文件。使用import导入。我们创建一个py文件，名为myprint，该py文件作为模块，在里面定义一个函数名为myprint： def myprint(): print('这是我的print模块') 12 保存后，在同目录下创建一个py文件，里面使用import导入包，并且使用模块名调用我们刚刚定义的myprint.py文...
- 孰能生巧，用在技术领域在通用不过了，作为一个初学者，需要牢固的掌握技术，那必须依赖自己每日的耕耘。我是梦想橡皮擦，希望某天我们在高处相逢。 Python爬虫目录 写在前面 编码开始 去重手段 完整代码展示 运行结果 写在后面 写在前面 看完标题之后，如果你对什么是增量爬虫产生了疑问，恭喜，你又将有收获了，如... 孰能生巧，用在技术领域在通用不过了，作为一个初学者，需要牢固的掌握技术，那必须依赖自己每日的耕耘。我是梦想橡皮擦，希望某天我们在高处相逢。 Python爬虫目录 写在前面 编码开始 去重手段 完整代码展示 运行结果 写在后面 写在前面 看完标题之后，如果你对什么是增量爬虫产生了疑问，恭喜，你又将有收获了，如...
- 背景 之前一直在研究scrapy下数据抓取，在研究ajax数据抓取时碰巧研究了一下selenium，确实很实用，不过只做scrapy下的数据抓取，不怎么合适 一是性能的损耗，一直需要开一个浏览器 二是对于爬虫来说，分析ajax的请求才是正事 好吧，说远了，今天来扯一下我对于自动化测试一些见解。 python下的自动化测试库实在之多，selenium是浏览器测试的大杀器，关... 背景 之前一直在研究scrapy下数据抓取，在研究ajax数据抓取时碰巧研究了一下selenium，确实很实用，不过只做scrapy下的数据抓取，不怎么合适 一是性能的损耗，一直需要开一个浏览器 二是对于爬虫来说，分析ajax的请求才是正事 好吧，说远了，今天来扯一下我对于自动化测试一些见解。 python下的自动化测试库实在之多，selenium是浏览器测试的大杀器，关...
- 我们在用python处理中文的时候，或多或少会遇到这样一些错误 常见错误1: SyntaxError: Non-ASCII character '\xe4' in file C 1 SyntaxError: Non-ASCII character '\xe4' in file C 常见错误2: UnicodeE... 我们在用python处理中文的时候，或多或少会遇到这样一些错误 常见错误1: SyntaxError: Non-ASCII character '\xe4' in file C 1 SyntaxError: Non-ASCII character '\xe4' in file C 常见错误2: UnicodeE...
- Python爬虫入门教程 80-100 写在前面 newspaper newspaper框架的使用 例如：单条新闻内容获取 newspaper文章缓存 其他功能 写在后面 这里是梦想橡皮擦 Python爬虫系列的第80篇，点击图片看全部博客 写在前面 原计划继续写一篇Portia的使用博客，结果在编写代... Python爬虫入门教程 80-100 写在前面 newspaper newspaper框架的使用 例如：单条新闻内容获取 newspaper文章缓存 其他功能 写在后面 这里是梦想橡皮擦 Python爬虫系列的第80篇，点击图片看全部博客 写在前面 原计划继续写一篇Portia的使用博客，结果在编写代...
- 最近逐渐打算将工作的环境转移到ubuntu下，突然发现对于我来说，这ubuntu对于我这种上上网，收收邮件，写写博客，写写程序的时实在是太合适了，除了刚接触的时候会不怎么完全适应命令行及各种权限管理，apt-get命令相当的方便，各种原先在windows下各种奇怪错误在ubuntu下都没有出现了，好了，我就不说废话了，今天大致简单的介绍下python下的ORM t... 最近逐渐打算将工作的环境转移到ubuntu下，突然发现对于我来说，这ubuntu对于我这种上上网，收收邮件，写写博客，写写程序的时实在是太合适了，除了刚接触的时候会不怎么完全适应命令行及各种权限管理，apt-get命令相当的方便，各种原先在windows下各种奇怪错误在ubuntu下都没有出现了，好了，我就不说废话了，今天大致简单的介绍下python下的ORM t...
- 声明，这些读书笔记我都是跳跃性的去找对我项目有帮助的，有一些废话我就直接删除了，所以一般不会特定的保留顺序，如果需要参考原版，请参考书中的内容。 9.数据交换值的时候不推荐使用中间变量。 之前大家一般都会使用中间变量来交换值，现在推荐直接交互。比如 x,y = y,x 1 x,y = y,x 那我们更深入一点，为什么会快呢。 一般情况下，p... 声明，这些读书笔记我都是跳跃性的去找对我项目有帮助的，有一些废话我就直接删除了，所以一般不会特定的保留顺序，如果需要参考原版，请参考书中的内容。 9.数据交换值的时候不推荐使用中间变量。 之前大家一般都会使用中间变量来交换值，现在推荐直接交互。比如 x,y = y,x 1 x,y = y,x 那我们更深入一点，为什么会快呢。 一般情况下，p...
- 写在前面 本篇博客内容其实和上一篇涉及的内容类似，都是爬虫管理平台。你可以通过搜索引擎找到爬虫管理平台的定义： 爬虫管理平台是一个一站式管理系统，集爬虫部署、任务调度、任务监控、结果展示等模块于一体，通常配有可视化 UI 界面，可以在 Web 端通过与 UI 界面交互来有效管理爬虫。爬虫管理平台一般来说是支持分布式的，可以在多台机器上协作运行。 目前在市... 写在前面 本篇博客内容其实和上一篇涉及的内容类似，都是爬虫管理平台。你可以通过搜索引擎找到爬虫管理平台的定义： 爬虫管理平台是一个一站式管理系统，集爬虫部署、任务调度、任务监控、结果展示等模块于一体，通常配有可视化 UI 界面，可以在 Web 端通过与 UI 界面交互来有效管理爬虫。爬虫管理平台一般来说是支持分布式的，可以在多台机器上协作运行。 目前在市...
- 写在前面 对于分布式爬虫学习来说，或者对于技术学习来说，没有捷径，两条路可以走，第一自己反复练习，孰能生巧；第二看别人分享的代码反复学习别人的写法，直到自己做到。 上篇博客相信你已经可以简单的将分布式爬虫运行起来，你可能会发现分布式爬虫是思想上的一个调整，从代码的写法上并没有过多的改变，但是要知道我们是使用scrapy-redis直接构建的分布式爬虫，相当... 写在前面 对于分布式爬虫学习来说，或者对于技术学习来说，没有捷径，两条路可以走，第一自己反复练习，孰能生巧；第二看别人分享的代码反复学习别人的写法，直到自己做到。 上篇博客相信你已经可以简单的将分布式爬虫运行起来，你可能会发现分布式爬虫是思想上的一个调整，从代码的写法上并没有过多的改变，但是要知道我们是使用scrapy-redis直接构建的分布式爬虫，相当...
- 梦想橡皮擦：是不是以为我会继续写glidedsky网站后面的打擂？很遗憾，猜错了，今天我们放松一下，学个不用写代码的爬虫程序。 Python爬虫入门教程 88-100 WebScraper目录 写在前面 Web Scraper安装 初步尝试使用Web Scraper create new sitemap add new selec... 梦想橡皮擦：是不是以为我会继续写glidedsky网站后面的打擂？很遗憾，猜错了，今天我们放松一下，学个不用写代码的爬虫程序。 Python爬虫入门教程 88-100 WebScraper目录 写在前面 Web Scraper安装 初步尝试使用Web Scraper create new sitemap add new selec...
- 今天接到一个新的粉丝诉求，让我爬双色球的历史记录，有点意思，瞬间想到的就是他想用这个数据来预测双色球的结果呢？如果他成功了，那梦想橡皮擦也可以顺带着走上人生的巅峰了。嘿… 写在前面 对于这种需求来说，其实不需要引入太复杂的框架，熟悉爬虫编码流程的大佬们清楚，好多爬虫其实用 requests 就可以搞定了，根本不用上爬虫框架。 爬虫第一步，找数据源，找到可... 今天接到一个新的粉丝诉求，让我爬双色球的历史记录，有点意思，瞬间想到的就是他想用这个数据来预测双色球的结果呢？如果他成功了，那梦想橡皮擦也可以顺带着走上人生的巅峰了。嘿… 写在前面 对于这种需求来说，其实不需要引入太复杂的框架，熟悉爬虫编码流程的大佬们清楚，好多爬虫其实用 requests 就可以搞定了，根本不用上爬虫框架。 爬虫第一步，找数据源，找到可...
- 帮粉丝写爬虫第一篇，接到一个简单的任务，让我爬取一下河北单招学校相关的信息，那最后这10篇博客，第一篇就从这里开始吧。（其实写到现在，我甚至想继续写下去了，没准能凑个爬虫108篇~哈哈哈） 当我把源码发给他的时候，以下是对话内容，“这就完啦？！”，“啊，不然呢？” 文章目录 写在前面 编码开始 read_html函数说明 爬取河北... 帮粉丝写爬虫第一篇，接到一个简单的任务，让我爬取一下河北单招学校相关的信息，那最后这10篇博客，第一篇就从这里开始吧。（其实写到现在，我甚至想继续写下去了，没准能凑个爬虫108篇~哈哈哈） 当我把源码发给他的时候，以下是对话内容，“这就完啦？！”，“啊，不然呢？” 文章目录 写在前面 编码开始 read_html函数说明 爬取河北...
上滑加载中
推荐直播
-
HDC深度解读系列 - Serverless与MCP融合创新，构建AI应用全新智能中枢2025/08/20 周三 16:30-18:00
张昆鹏 HCDG北京核心组代表
HDC2025期间，华为云展示了Serverless与MCP融合创新的解决方案，本期访谈直播，由华为云开发者专家(HCDE)兼华为云开发者社区组织HCDG北京核心组代表张鹏先生主持，华为云PaaS服务产品部 Serverless总监Ewen为大家深度解读华为云Serverless与MCP如何融合构建AI应用全新智能中枢
回顾中 -
关于RISC-V生态发展的思考2025/09/02 周二 17:00-18:00
中国科学院计算技术研究所副所长包云岗教授
中科院包云岗老师将在本次直播中，探讨处理器生态的关键要素及其联系，分享过去几年推动RISC-V生态建设实践过程中的经验与教训。
回顾中 -
一键搞定华为云万级资源，3步轻松管理企业成本2025/09/09 周二 15:00-16:00
阿言 华为云交易产品经理
本直播重点介绍如何一键续费万级资源，3步轻松管理成本，帮助提升日常管理效率！
回顾中
热门标签