10 2018 档案

【Tesseract】windows 下的安装及简单应用
摘要：Tesseract 是一个开源的 OCR 引擎，可以识别多种格式的图像文件并将其转换成文本，最初由 HP 公司开发，后来由 Google 维护。下载地址：https://digi.bib.uni-mannheim.de/tesseract/ 其中文件名中带有 dev 的为开发版本，不带 dev 的为 阅读全文
posted @ 2018-10-30 13:47 丹枫无迹 阅读(9527) 评论(0) 推荐(0)
【Python 库】fake-useragent 伪装请求头
摘要：写爬虫的时候，在进行 request 请求的时候，多数情况下需要添加请求头，否则就不能正常请求。 添加请求头最常用的做法是修改 User-Agent 来伪装浏览器。 以前在写请求头的时候，都是通过 copy 来解决的，昨天看到了一个库 fake-useragent，以后再也不用烦恼了。 官网地址：h 阅读全文
posted @ 2018-10-29 11:25 丹枫无迹 阅读(3095) 评论(0) 推荐(0)
Python：黑板课爬虫闯关第四关
摘要：第四关需要用到多线程，需要注意的是，黑板课服务器15秒内最多返回两个请求，否则返回404，所以，开20个线程和开2个线程是一样的。 阅读全文
posted @ 2018-10-29 09:54 丹枫无迹 阅读(618) 评论(0) 推荐(1)
【Python 库】用 peewee 框架连接 SQL Server
摘要：peewee-mssql 目前版本较老，与 peewee 最新的 3.x 版本不兼容，需要将 peewee 降到2.10.2，另需要安装 pymssql 作为驱动。 阅读全文
posted @ 2018-10-23 09:30 丹枫无迹 阅读(2106) 评论(0) 推荐(0)
【Python】说说字典和散列表，散列冲突的解决原理
摘要：散列表 Python 用散列表来实现 dict。散列表其实是一个稀疏数组（总是有空白元素的数组称为稀疏数组）。在一般书中，散列表里的单元通常叫做表元（bucket）。在 dict 的散列表当中，每个键值对都占用一个表元，每个表元都有两个部分，一个是对键的引用，一个是对值的引用。因为每个表元的大小一致 阅读全文
posted @ 2018-10-09 10:36 丹枫无迹 阅读(2710) 评论(2) 推荐(1)
【Python】序列的增量赋值
摘要：增量赋值运算符有 += 和 *=。+= 背后的特殊方法是 __iadd__，如果一个类没有实现 __iadd__ 方法，Python 会退一步调用 __add__ 方法。这两个方法的区别在于，__iadd__ 为就地改动，不会改变原值的内存地址，而 __add__ 方法会得到一个新对象。 阅读全文
posted @ 2018-10-05 11:32 丹枫无迹 阅读(1181) 评论(0) 推荐(0)