第一周的学习记录

7月20日学习记载：学习直播课《Phthon基础》《Phthon进阶》，总计4小时33分钟。

学习内容：Python编程语言基础语法体系与高阶应用逻辑。

系统学习《Python基础》与《Python进阶》直播课程，聚焦变量类型、流程控制、函数定义、模块导入等核心语法单元，并通过大量交互式代码演练，深入理解面向对象编程（OOP）思想与异常处理机制。过程中特别关注语法设计背后的运行时原理，例如列表推导式的内存分配效率、装饰器的闭包实现路径。同步梳理课程知识图谱，标注易混淆概念（如深浅拷贝、可变/不可变对象行为差异），为后续自动化脚本开发构建坚实的语言底层认知框架。

 

 

 

 

7月21日学习记载：学习直播课《Phthon扩展》《Phthon自定义函数》，总计4小时50分钟。

学习内容：Python函数式编程能力拓展与工程化封装方法。

围绕《Python扩展》与《Python自定义函数》课程展开深度学习，重点掌握lambda表达式、map/filter/reduce高阶函数的适用场景与性能边界；系统实践函数参数传递机制（位置参数、关键字参数、*args/**kwargs）、作用域规则（LEGB原则）及闭包特性。在实操中发现自定义函数命名规范与文档字符串（docstring）编写对团队协作效率影响显著，遂建立个人函数模板库，强制嵌入类型提示（Type Hints）与单元测试桩，初步形成可复用、可维护的代码开发习惯。

 

 

 

 

7月22日学习记载：学习直播课《PyAutoGUI基础》《PyAutoGUI进阶》，总计4小时48分钟。

学习内容：跨平台GUI自动化控制原理与实战技术。

完成《PyAutoGUI基础》与《PyAutoGUI进阶》课程学习，深入理解屏幕坐标系映射、图像识别匹配（OpenCV底层调用）、键盘鼠标事件模拟等核心技术原理。通过编写桌面操作自动化脚本（如批量文件重命名、窗口焦点切换），验证其在教育场景中的实用价值——例如自动截取教学视频关键帧、生成课件操作演示录屏。实践中意识到图像识别受分辨率与缩放比例影响显著，需建立多环境适配策略，为后续《网络技术基础》课程配套工具开发奠定人机交互自动化能力基础。

 

 

 

 

7月23日学习记载：学习直播课《CnOCR学习》《CnOCR实战案例》，总计4小时58分钟。

学习内容：中文OCR技术原理、模型选型与端到端识别流程。

系统研习《CnOCR学习》与《CnOCR实战案例》课程，从光学字符识别（OCR）数学基础（图像预处理、CTC解码、注意力机制）切入，对比分析PaddleOCR、EasyOCR与CnOCR在中文场景下的精度、速度与资源占用差异。基于CnOCR完成教学课件PDF转文本实验，重点优化倾斜校正、表格区域分割、公式符号保留等痛点环节。认识到OCR不仅是文字提取工具，更是教学资源数字化的关键中间件——未来可将其嵌入视频字幕生成流程，实现手写板书内容的自动结构化提取。

 

 

 

 

7月24日学习记载：学习直播课《request模块》《BeautifulSoup学习》，总计4小时38分钟。

学习内容：网络数据采集协议解析与HTML解析技术栈构建。

通过《requests模块》与《BeautifulSoup学习》课程，深入掌握HTTP协议核心要素（状态码、请求头伪造、Session会话管理）、反爬机制应对策略（User-Agent轮换、Referer模拟、延时控制），以及DOM树解析逻辑。以招聘网站为靶向目标，构建健壮的网页抓取管道：requests负责稳定获取响应，BeautifulSoup精准定位职位信息节点，正则表达式清洗薪资/经验等非结构化字段。过程中深刻体会到数据采集的本质是“协议协商”而非暴力爬取，所有技术选择均需服从教学伦理与法律合规前提。

 

 

 

 

7月25日学习记载：学习直播课《实战项目：招聘网站数据采集系统1》《实战项目：招聘网站数据采集系统2》，总计4小时30分钟。

学习内容：招聘数据采集系统架构设计与工程落地实践。

整合前期所学，完成《实战项目：招聘网站数据采集系统》两阶段开发。第一阶段构建分布式采集调度框架，利用多线程+队列实现并发请求与结果聚合；第二阶段设计数据清洗流水线，引入pandas进行缺失值填充、字段标准化（如“3-5年”→“3”、“5”）、地域编码映射。特别针对动态加载页面（AJAX/滚动分页）采用Selenium补充采集，验证了“requests+BS4为主、Selenium为辅”的混合采集策略有效性。该系统不仅服务于课程案例，更成为《网络技术基础》中“应用层协议实际应用”的具象化教学载体。

 

 

 

 

7月26日学习记载：学习直播课《Excel：招聘数据分析报告》《Phthon操作Excel》，总计4小时20分钟。

学习内容：结构化数据分析与可视化报告生成技术闭环。

完成《Excel：招聘数据分析报告》与《Python操作Excel》课程学习，打通“采集→清洗→分析→呈现”全链路。使用openpyxl精准操控Excel样式（条件格式、图表嵌入、工作表保护），结合pandas完成多维度交叉统计（如岗位地域分布热力图、技能词云、薪资分位数分析）。最终输出可交互式Excel报告，支持筛选、排序、钻取，使抽象的网络就业数据转化为直观的教学素材。此举印证了技术工具的价值不在炫技，而在降低知识理解门槛——让《网络技术基础》的学习成果可量化、可展示、可传播。