原文链接：https://edu.csdn.net/bundled/detail/49?utm_source=wx0有人说，随着AI和大数据的兴起，Python变得越来越强了，它语言简洁、开发效率高、可移植性强，并且可以和其他编程语言（比如C++）轻松无缝衔接所以，很多程序员把Python当作第一语言来学习，单在和小伙伴们的沟通中，我发现了大部分小伙伴经常在基础部分就放弃了，原因无非是：1、基础相当薄弱型：最近在学爬虫，遇到一个知识点，钻研了2小时没出来，
系统 2019-09-27 17:54:12 2044
我们直接用Requests、Selenium等库写爬虫，如果爬取量不是太大，速度要求不高，是完全可以满足需求的。但是写多了会发现其内部许多代码和组件是可以复用的，如果我们把这些组件抽离出来，将各个功能模块化，就慢慢会形成一个框架雏形，久而久之，爬虫框架就诞生了。利用框架我们可以不用再去关心某些功能的具体实现，只需要去关心爬取逻辑即可。有了它们，可以大大简化代码量，而且架构也会变得清晰，爬取效率也会高许多。所以如果对爬虫有一定基础，上手框架是一种好的选择。本
系统 2019-09-27 17:53:32 2044
一、开发接口的作用1、mock接口：模拟一些接口。有一些有关联的接口，在别的接口没有开发好的时候，需要用这个接口，就可以写一个假接口，返回想要的结果来模拟这个接口。2、知道服务端的开发逻辑，有助于测试；3、比如不想让其他人看很多数据库中的数据，可以通过接口只返回一部分数据。二、开发一个接口1、flask是一个轻量级的开发框架__name__：代表当前这个python文件server=flask.Flask(__name__)：把当前这个python文件，当
系统 2019-09-27 17:52:45 2044
1、首先导入pandas库，一般都会用到numpy库，所以我们先导入备用：importnumpyasnpimportpandasaspd2、导入CSV或者xlsx文件：df=pd.DataFrame(pd.read_csv('name.csv',header=1))df=pd.DataFrame(pd.read_excel('name.xlsx'))3、用pandas创建数据表：df=pd.DataFrame({"id":[1001,1002,1003,1
系统 2019-09-27 17:51:16 2044
image前言学过Python数据分析的朋友都知道，在可视化的工具中，有很多优秀的三方库，比如matplotlib，seaborn，plotly，Boken，pyecharts等等。这些可视化库都有自己的特点，在实际应用中也广为大家使用。plotly、Boken等都是交互式的可视化工具，结合Jupyternotebook可以非常灵活方便地展现分析后的结果。虽然做出的效果非常的炫酷，比如plotly，但是每一次都需要写很长的代码，一是麻烦，二是不便于维护。我
系统 2019-09-27 17:51:05 2044
之前遇到一个场景是这样的：我在自己的电脑上需要用mongodb图形客户端，但是mongodb的服务器地址没有对外网开放，只能通过先登录主机A，然后再从A连接mongodb服务器B。本来想通过ssh端口转发的，但是我没有从机器A连接ssh到B的权限。于是就自己用python写一个。原理很简单。1.开一个socketserver监听连接请求2.每接受一个客户端的连接请求，就往要转发的地址建一条连接请求。即client->proxy->forward。proxy
系统 2019-09-27 17:50:32 2044
关于Python3进度打卡文章目录关于Python3进度打卡第一天——9.4一、安装环境变量二、关于编辑三、基本介绍第二天——9.5一、基本数据类型二、基本语句三、编程实践第三天——9.7一、制作贪吃蛇游戏的准备二、需求及算法分析三、代码实现四、一些全局参数的初始化五、关于贪吃蛇及食物的位置六、关于贪吃蛇的上下左右移动七、判断能否迟到食物八、绘制贪吃蛇、食物的函数九、贪吃蛇的逻辑调用十、主逻辑层判断游戏是否结束第一天——9.4一、安装环境变量1、首先访问h
系统 2019-09-27 17:50:31 2044
最近要写一款基于被动式的漏洞扫描器，因为被动式是将我们在浏览器浏览的时候所发出的请求进行捕获，然后交给扫描器进行处理，本来打算自己写这个代理的，但是因为考虑到需要抓取https，所以最后找到Mitmproxy这个程序。安装方法：pipinstallmitmproxy接下来通过一个案例程序来了解它的使用，下面是目录结构sproxy|utils|__init__.py|parser.py|sproxy.pysproxy.py代码#coding=utf-8fro
系统 2019-09-27 17:50:22 2044
由于客户提供的是excel文件，在使用时期望使用csv文件格式，且对某些字段内容需要做一些处理，如从某个字段中固定的几位抽取出来，独立作为一个字段等，下面记录下使用acaconda处理的过程；importpandasdf=pandas.read_excel("/***/***.xlsx")df.columns=[内部为你给你的excel每一列自定义的名称]（比如我给我的excel自定义列表为：["url","productName","***"，。。。,"
系统 2019-09-27 17:49:31 2044
如果你花费了很多的时间去进行Django数据库事务处理的话，你将会了解到这是让人晕头转向的。在过去，只是提供了简单的基础文档，要想清楚知道它是怎么使用的，还必须要通过创建和执行Django的事务处理。这里有众多的Django事务处理的名词，例如：commit_on_success,commit_manually,commit_unless_maneged，rollback_unless_managed,enter_transaction_managemen
系统 2019-09-27 17:49:03 2044
