Time of Update: 2016-06-06
例如 具有如下結構的html檔案 代碼如下: 感興趣內容1 感興趣內容2 …… 感興趣內容n 內容1 內容2 …… 內容n 我們嘗試獲得'感興趣內容' 對於常值內容,我們儲存到IDList中。 可是如何標記我們遇到的文本是感興趣的內容呢,也就是,處於 代碼如下: 這裡的內容 還有這裡 …… 以及這裡的內容 思路如下遇到 設定標記flag = True 遇到後 設定標記flag = False 當flag 為True時遇到 設定標記getdata = True 遇到
Time of Update: 2016-06-06
代碼如下:import time print time.time() print time.localtime(time.time()) print time.strftime('%Y-%m-%d', time.localtime()) print time.strftime('%y-%m-%d', time.localtime()) print time.strftime('%Y-%m-%d %H:%M:%S', time.localtime()) print time.strftime('%
Time of Update: 2016-06-06
最近寫一個爬蟲系統,需要用到python的日誌記錄模組,於是便學習了一下。python的標準庫裡的日誌系統從Python2.3開始支援。只要import logging這個模組即可使用。如果你想開發一個日誌系統, 既要把日誌輸出到控制台, 還要寫入記錄檔,只要這樣使用: 代碼如下:import logging# 建立一個loggerlogger = logging.getLogger('mylogger')logger.setLevel(logging.DEBUG)#
Time of Update: 2016-06-06
代碼如下: # -*-coding:utf8 -*- ''' Python常見檔案操作樣本 os.path 模組中的路徑名訪問函數 分隔 basename() 去掉目錄路徑, 返迴文件名 dirname() 去掉檔案名稱, 返回目錄路徑 join() 將分離的各部分組合成一個路徑名 split() 返回 (dirname(), basename()) 元組 splitdrive() 返回 (drivename, pathname) 元組 splitext() 返回 (filename,
Time of Update: 2016-06-06
爬蟲簡單說來包括兩個步驟:獲得網頁文本、過濾得到資料。 1、獲得html文本。 python在擷取html方面十分方便,寥寥數行代碼就可以實現我們需要的功能。 代碼如下: def getHtml(url): page = urllib.urlopen(url) html = page.read() page.close() return html 這麼幾行代碼相信不用注釋都能大概知道它的意思。 2、根據Regex等獲得需要的內容。 使用Regex時需要仔細觀察該網頁資訊的結構,
Time of Update: 2016-06-06
比如 1--1 2--1 2 3--1 2 3 3--1 2 3交錯的層級關係,剛開始感覺很亂沒有想明白,後來終於抓住了關鍵。只要算出每個層次的深度,就好辦了。 我定義了一個rank,進入一個子檔案夾時,讓rank+1,遍曆完子檔案夾rank就-1。 充分說明了遞迴、遍曆的順序以及rank值變化:(醜了點。。。) 下面放代碼: 代碼如下:'''
Time of Update: 2016-06-06
代碼如下:# _*_ coding:utf-8 _*_# name login_baidu.pyimport urllib,urllib2,httplib,cookielibdef auto_login_hi(url,name,pwd): url_hi="http://passport.baidu.com/?login" #設定cookie cookie=cookielib.CookieJar()
Time of Update: 2016-06-06
>>> teststr = '我的eclipse不能正確的解碼gbk碼!' >>> teststr '\xe6\x88\x91\xe7\x9a\x84eclipse\xe4\xb8\x8d\xe8\x83\xbd\xe6\xad\xa3\xe7\xa1\xae\xe7\x9a\x84\xe8\xa7\xa3\xe7\xa0\x81gbk\xe7\xa0\x81\xef\xbc\x81' >>> tests2 = u'我的eclipse不能正確的解碼gbk碼!' >>> test3 =
Time of Update: 2016-06-06
第一章 介紹 指令碼語言是類似DOS批處理、UNIX
Time of Update: 2016-06-06
今天因為給BeauBeau提供的抽獎號碼做SQL檔案,一開始收到ZIP檔案解開壓縮之後被嚇到了——29個CSV檔案,每個檔案儲存了1000個獎券ID和號碼-_-! 照上次一樣,開啟每個CSV檔案做先做單獨的SQL檔案,每個SQL中有1000條插入語句,隨後將29個檔案的所有SQL語句都複製粘貼到同一個總的SQL檔案中。
Time of Update: 2016-06-06
代碼如下:#coding:utf-8 import urllib.request import xml.dom.minidom import sqlite3 import threading import time class logger(object): def log(self,*msg): for i in msg: print(i) Log = logger() Log.log('測試下') class downloader(object): def
Time of Update: 2016-06-06
Python 中有三個非常好用的資料結構,列表,元組和字典, 元組是不可變的,列表可以儲存任意類型的Python對象,並可以隨意擴充沒有大小限制, 字典是一個key-value的索引值映射的類型,可以存放任何Python對象,可以嵌套字典, 值可以是字典元組或者字典這裡說是Python 字典和列表的陷阱不如說是Python的一些特性,如果不瞭解這些特性 就會引發一些難以尋找的bug下面我們來介紹這些特性Python中所有對列表和字典的使用僅僅是對原來對象的引用而不是建立一個新的對象 如下面代碼:
Time of Update: 2016-06-06
它是Python語言對流行的wxWidgets跨平台GUI工具庫的綁定。而wxWidgets是用C++語言寫成的。 和Python語言與wxWidgets GUI工具庫一樣,wxPython是開源軟體。這意味著任何人都可以免費地使用它並且可以查看和修改它的原始碼,或者貢獻補丁,增加功能。 wxPython是跨平台的。這意味著同一個程式可以不經修改地在多種平台上運行。現今支援的平台有:32位微軟Windows作業系統、大多數Unix或類Unix系統、蘋果Mac OS X。
Time of Update: 2016-06-06
從簡單的角度來看的話,zip格式會是個不錯的選擇,而且python對zip格式的支援夠簡單,夠好用。1)簡單應用 如果你僅僅是希望用python來做壓縮和解壓縮,那麼就不用去翻文檔了,這裡提供一個簡單的用法,讓你一看就能明白。 import zipfile f = zipfile.ZipFile('filename.zip', 'w' ,zipfile.ZIP_DEFLATED) f.write('file1.txt') f.write('file2.doc')
Time of Update: 2016-06-06
import os os.os.listdir(path) 然後再一個一個的分析檔案和目錄 通過和dos命令dir的巧妙結合,可以很輕鬆的做到這點,看樣本 擷取目錄下所有檔案方法 cmd = "dir /A-D /B" list_file = os.popen(cmd).readlines() cmd命令解釋為 /A-D 選取所有的非目錄檔案清單 /B 只使用空格分隔開所有的檔案名稱 在通過readlines方法,擷取到包含所有檔案的list,這樣就得到指定目錄下的所有檔案了
Time of Update: 2016-06-06
以前提取這些檔案用的是一同事些的批次檔;用起來不怎麼順手,剛好最近在學些python,所有就自己動手寫了一個python提取檔案的小程式;1、原理 提取檔案的原理很簡單,就是到一個指定的目錄,找出最後修改時間大於給定時間的檔案,然後將他們複製到目標目錄,目標目錄的結構必須和原始目錄一致,這樣工程人員拿到後就可以直接覆蓋整個目錄; 2、實現 為了程式的通用,我定義了下面的設定檔 config.xml 代碼如下: E:\temp\home\cargill E:\temp\dest\
Time of Update: 2016-06-06
如果想使用easy_install工具,可能需要先安裝setuptools,不過更酷的方法是使用ez_setup.py指令碼: 代碼如下:wget -q http://peak.telecommunity.com/dist/ez_setup.pypython ez_setup.py安裝完後,最好確保easy_install所在目錄已經被加到PATH環境變數裡: 代碼如下:Windows: C:\Python25\ScriptsLinux:
Time of Update: 2016-06-06
代碼如下:def find_file_by_pattern(pattern='.*', base=".", circle=True): '''''尋找給定檔案夾下面所有 ''' re_file = re.compile(pattern) if base == ".": base = os.getcwd() final_file_list = [] print base cur_list = os.listdir(base) for item in cur_list: if item ==
Time of Update: 2016-06-06
代碼如下:# coding=utf-8 from BeautifulSoup import BeautifulSoup, Tag, NavigableString from SentenceSpliter import SentenceSpliter from os.path import basename,dirname,isdir,isfile from os import makedirs from shutil import copyfile import io import time
Time of Update: 2016-06-06
>>> "hello".encode("hex") '68656c6c6f'相應的還可以>>> '68656c6c6f'.decode("hex") 'hello'查了一下手冊,還有這些codec可用CodecAliasesOperand typePurposebase64_codecbase64, base-64byte stringConvert operand to MIME base64bz2_codecbz2byte stringCompress the operand using