阿星Plus

摘要： Scrapy Redis分布式爬虫组件 Scrapy是一个框架，他本身是不支持分布式的。如果我们想要做分布式的爬虫，就需要借助一个组件叫做Scrapy Redis，这个组件正是利用了Redis可以分布式的功能，集成到Scrapy框架中，使得爬虫可以进行分布式。可以充分的利用资源（多个ip、更多带宽、 阅读全文

摘要： Scrapy框架介绍 写一个爬虫，需要做很多的事情，比如：发送网络请求、数据解析、数据存储、反反爬虫机制(ip代理，设置请求头等)、异步请求等等。这些工作如果每次都要自己从零开始写的话，比较浪费时间。因此scrapy把一些基础的东西都封装好了，在scrapy框架上开发爬虫可以变得更加的高效，爬取效率 阅读全文

摘要： 图形验证码识别技术 阻碍我们爬虫的。有时候正是在登录或者请求一些数据时候的图形验证码。因此这里我们讲解一种能将图片翻译成文字的技术。将图片翻译成文字一般被成为光学文字识别（Optical Character Recognition），简写为OCR。实现OCR的库不是很多，特别是开源的。因为这块存在一 阅读全文

摘要： Ajax是什么 AJAX（Asynchronouse JavaScript And XML）异步JavaScript和XML。过在后台与服务器进行少量数据交换，Ajax 可以使网页实现异步更新。这意味着可以在不重新加载整个网页的情况下，对网页的某部分进行更新。传统的网页（不使用Ajax）如果需要更新 阅读全文

摘要： 有些时候，比如下载图片，是一个比较耗时的操作，如果采用同步的方式去下载，效率肯定会特别慢，这时候我们就可以考虑使用多线程的方式来下载图片 多线程介绍 多线程是为了同步完成多项任务，通过提高资源使用效率来进一步提高系统的效率 线程是在同一时间需要完成多项任务的时候实现的 最简单的比喻，多线程就像火车的 阅读全文

摘要： MongoDB 原生语句 "MongoDB Shell 命令" 安装pymongo Python连接MongoDB 阅读全文

摘要： Windows下安装MySQL 详细可参考 "Windows下MySQL安装流程，8.0以上版本ROOT密码报错及修改" 安装驱动程序 python想要操作MySQL，必须要有一个中间件，或者叫做驱动程序，驱动程序有很多，mysqlclient、mysqldb、pymysql。我选择用pymysql 阅读全文

摘要： 读取csv文件 这样操作以后获取数据的时候，就要通过下标来获取数据。如果想要在获取数据的时候通过标题来获取，那么就可以使用 DictReader 写入数据到csv文件 写入数据到csv文件，需要创建一个write对象，主要用到两个方法，一个是writerow写入一行，一个是writerows写入多行 阅读全文

摘要： 什么是json JSON(JavaScript Object Notation, JS 对象标记) 是一种轻量级的数据交换格式。它基于 ECMAScript (w3c制定的js规范)的一个子集，采用完全独立于编程语言的文本格式来存储和表示数据。简洁和清晰的层次结构使得 JSON 成为理想的数据交换语 阅读全文

摘要： match 从开始的位置进行匹配，如果开始的位置没有匹配到，就直接匹配失败 如果第一个字母不是h，那么就会失败 如果想要匹配换行的数据，那么就要传入一个 ，就可以匹配换行符了 search 在字符串中找满足条件的字符，如果找到，就返回，就是只会找到第一个满足条件的 group 在正则表达式中，可以对 阅读全文