前言最近学习了Fiddler抓包工具的简单使用，通过抓包，我们可以抓取到HTTP请求，并对其进行分析。现在我准备尝试着结合Python来模拟GitHub登录。Fiddler抓包分析首先，我们想要模拟一个网站的登录，我们必须要简单了解其大致过程。在这里，我通过Fiddler来抓取GitHub登录的请求，从网页上登录的URL为：https://github.com/login，抓包结果如下：左边的是会话列表，右边的是请求和响应的数据。一般情况下，登录都是用PO
系统 2019-09-27 17:52:33 1993
目录：1、%用法2、format用法一、%用法1、整数的格式化%o——oct八进制%d——dec十进制%x——hex十六进制例>>>print('%o'%20)24>>>print('%d'%20)20>>>print('%x'%20)142、浮点数的格式化%e——保留小数点后面六位有效数字，指数形式输出%.3e，保留3位小数位，使用科学计数法%f——保留小数点后面六位有效数字%.3f，保留3位小数位%g——在保证六位有效数字的前提下，使用小数方式，否则使
系统 2019-09-27 17:52:22 1993
写的dht协议搜索的程序，这几天优化了一下发现速度确实快了好多。但是出现了一个新的问题，内存直接飙升，我开了十个爬虫占用内存800m。开始我以为是节点太多了，找了几个小问题修改一下，发现没用。后来就到网上查找python内存分析的工具，查了一点资料发现python有个meliae库操作非常方便，就使用分析了一下，发现不是节点太多的原因00,是保存发送的t_id，用来标示返回的消息是那个发出的一个字典过大了。从分析的结果非常容易的定位了某个对象的数量和大小，
系统 2019-09-27 17:52:11 1993
Python爬虫之设置seleniumwebdriver等待ajax技术出现使异步加载方式呈现数据的网站越来越多，当浏览器在加载页面时，页面上的元素可能并不是同时被加载完成，这给定位元素的定位增加了困难。如果因为在加载某个元素时延迟而造成ElementNotVisibleException（不可见元素异常）的情况出现，那么就会降低自动化脚本的稳定性，设置元素等待可改善这种问题造成的不稳定。一、强制等待强制等待是利用python语言自带的time库中的sle
系统 2019-09-27 17:51:22 1993
1、Windows环境下pyenv-win的安装pyenv用于Linux系统中，用来管理多版本的Python环境，由bash脚本编写，使用pyenv-installer来安装。pyenvgithub下载地址：https://github.com/pyenv/pyenv。pyenv-win用于Windows环境中，下载地址：https://github.com/pyenv-win/pyenv-win。Windows10环境中pyenv-win的安装步骤如下（
系统 2019-09-27 17:50:30 1993
python基础学习笔记（七）2013-04-2400:16虫师阅读(...)评论(...)编辑收藏本章介绍如何将语句组织成函数，这样，可以告诉计算机如何做事。下面编写一小段代码计算婓波那契数列（前两个数的和是第三个数）fibs=[0,1]#定义一个列表，初始内容是0，1foriinrange(8):#循环8次fibs.append(fibs[-2]+fibs[-1])#append在末尾追加一个数，这个是它前面两个数的和#输入>>>fibs#输出[0,1
系统 2019-09-27 17:48:55 1993
简介f-string，亦称为格式化字符串常量（formattedstringliterals），是Python3.6新引入的一种字符串格式化方法，该方法源于PEP498�CLiteralStringInterpolation，主要目的是使格式化字符串的操作更加简便。f-string在形式上是以f或F修饰符引领的字符串（f'xxx'或F'xxx'），以大括号{}标明被替换的字段；f-string在本质上并不是字符串常量，而是一个在运行时运算求值的表达式：Wh
系统 2019-09-27 17:48:41 1993
启动python从IDLE启动PythonIDLE是一个PythonShell。Shell的意思是“外壳”，是一个通过键入文本与程序交互的途径（类似windows中的cmd。VisualStudio也是一种Shell）>>>是指Python准备好了，可以输入Python指令alt+N快速回到上一条语句（复制粘贴）;alt+P下一条字符串print("hello,world")#"内是字符串"计算print(5+3)括号内没有""+print("ilove"
系统 2019-09-27 17:48:40 1993
支持向量机是一种二分类模型，基本模型是定义在特征空间的间隔最大的线性分类器。间隔最大化使它有别于感知机。在面试中，经常遇到手推SVM，所以公式的推导也很重要。模型：策略：间隔最大化，形式化为求解凸二次规划，等价于正则化的合页损失函数最小化算法：略支持向量机包括：线性可分支持向量机，线性支持向量机，非线性支持向量机间隔最大化的直观解释：对训练数据集找到几何间隔最大的超平面意味着以充分大的确信度对训练数据进行分类。使其面对最难分的实例点也有足够大的确信度将它们
系统 2019-09-27 17:47:32 1993
原文链接：https://blog.csdn.net/hangdongzhang/article/details/78405483下载解压1>下载Python源码地址：https://www.python.org/downloads/我们这里下载了3.6.3版本.tgz后缀的文件。2>解压#tar-xvzfPython-3.6.3.tgz#cdPython-3.6.312编译安装#./configure--prefix=/usr/local/python3
系统 2019-09-27 17:46:18 1993
