今天介紹個神奇的網站！堪稱爬蟲偷懶的神器！我們在寫爬蟲，構建網絡請求的時候，不可避免地要添加請求頭(headers)，以mdn學習區為例，我們的請求頭是這樣的：一般來說，我們只要添加user-agent就能滿足絕大部分需求了，Python代碼如下：importrequestsheaders={#'authority':'developer.mozilla.org',#'pragma':'no-cache',#'cache-control':'no-cach
系統 2019-09-27 17:53:21 1788
json格式的限制json格式的key必須是字符串數據類型文件中所有的字符串必須是""如果數字是key，那么dump之后會強行轉換成字符串數據類型json支持元組,對元組做value的字典會把元組強制轉化成列表,元組不能作為key可以多次dump，但是不能load,但是如果非要用json模塊進行dump，最好用dumps寫入,loads輸出dic={‘1’:‘中國’,‘3’:4}str_dic=json.dumps(dic,ensure_ascii=Fal
系統 2019-09-27 17:53:06 1788
如下所示：#-*-coding:utf-8-*-importrequestsimportthreadingimporttimeclasspostrequests():def__init__(self):self.url='請求網址'self.files={'unknown_image':open('劉詩詩.jpg','rb')}defpost(self):try:r=requests.post(self.url,files=self.files)print
系統 2019-09-27 17:52:33 1788
Python中的json對象實際是一個字典結構，用于存儲和交換信息，導入json模塊：importjson1，把字符串轉換為jsonjson的load()方法用于把josn格式的字符串轉換為json對象，這實際上是一個字典結構：json_string='{"name":"John","age":30,"city":"NewYork"}'#parsestringtojsonjson_obj=json.loads(json_string)2，把字典轉換為jso
系統 2019-09-27 17:52:33 1788
文件操作對編程語言的重要性不用多說，如果數據不能持久保存，信息技術也就失去了意義。按照本人經驗，IO也是蠻頭疼的一件事，因為不會用得太多，所以總是記不住API，每次都要重新google就會打斷思路，還不一定每次都快速得到正確的文章。本文內容包括：文件的讀寫操作文件的各種系統操作存儲對象遍歷文件上代碼：importosimportos.pathrootdir="d:/code/su/data"#指明被遍歷的文件夾forparent,dirnames,file
系統 2019-09-27 17:52:30 1788
1、python裝飾器最基礎的函數1defsum1():2sum=1+23print(sum)4sum1()查看函數執行用了多長時間，寫了幾句代碼插進去了：1importtime23defsum1():4start=time.clock()5sum=1+26print(sum)7end=time.clock()8print("timeused:",end-start)910sum1()可是隨著繼續翻看，對越來越多的函數感興趣了，都想看下他們的運行時間如何，
系統 2019-09-27 17:52:26 1788
原文鏈接：https://www.runoob.com/w3cnote/python-func-decorators.html學習菜鳥教程上一個同學的筆記，寫的很好理解。轉來學習。原文鏈接：https://www.runoob.com/w3cnote/python-func-decorators.html開始之前先提醒一下：多個裝飾器的調用順序為：從下往上每個人都有的內褲主要功能是用來遮羞，但是到了冬天它沒法為我們防風御寒，咋辦？我們想到的一個辦法就是把內
系統 2019-09-27 17:52:15 1788
在Python世界中將對象分為兩種：一種是定長對象，比如整數，整數對象定義的時候就能確定它所占用的內存空間大小，另一種是變長對象，在對象定義時并不知道是多少，比如：str，list,set,dict等。>>>importsys>>>sys.getsizeof(1000)28>>>sys.getsizeof(2000)28>>>sys.getsizeof("python")55>>>sys.getsizeof("java")53如上，整數對象所占用的內存都是
系統 2019-09-27 17:52:10 1788
klearnpythonAPILinearRegressionfromsklearn.linear_modelimportLinearRegression#線性回歸#module=LinearRegression()module.fit(x,y)module.score(x,y)module.predict(test)LogisticRegressionfromsklearn.linear_modelimportLogisticRegression#邏輯回
系統 2019-09-27 17:51:04 1788
數據集介紹使用數據集Wine，來自UCI。包括178條樣本，13個特征。importpandasaspdimportnumpyasnpdf_wine=pd.read_csv('https://archive.ics.uci.edu/ml/machine-learning-databases/wine/wine.data',header=None)df_wine.columns=['Classlabel','Alcohol','Malicacid','Ash
系統 2019-09-27 17:50:52 1788
