我在工作的時候，在測試環境下使用的數據庫跟生產環境的數據庫不一致，當我們的測試環境下的數據庫完成測試準備更新到生產環境上的數據庫時候，需要準備更新腳本，真是一不小心沒記下來就會忘了改了哪里，哪里添加了什么，這個真是非常讓人頭疼。因此我就試著用Python來實現自動的生成更新腳本，以免我這爛記性，記不住事。主要操作如下：1.在原先basedao.py中添加如下方法，這樣舊能很方便的獲取數據庫的數據，為測試數據庫和生產數據庫做對比打下了基礎。defselect
系統 2019-09-27 17:38:12 1630
安裝Tornado省事點可以直接用grequests庫，下面用的是tornado的異步client。異步用到了tornado，根據官方文檔的例子修改得到一個簡單的異步爬蟲類。可以參考下最新的文檔學習下。pipinstalltornado異步爬蟲#!/usr/bin/envpython#-*-coding:utf-8-*-importtimefromdatetimeimporttimedeltafromtornadoimporthttpclient,gen,
系統 2019-09-27 17:38:10 1630
列表有自己的sort方法，其對列表進行原址排序，既然是原址排序，那顯然元組不可能擁有這種方法，因為元組是不可修改的。排序，數字、字符串按照ASCII，中文按照unicode從小到大排序x=[4,6,2,1,7,9]x.sort()print(x)#[1,2,4,6,7,9]如果需要一個排序好的副本，同時保持原有列表不變，怎么實現呢？x=[4,6,2,1,7,9]y=x[:]y.sort()print(y)#[1,2,4,6,7,9]print(x)#[4,
系統 2019-09-27 17:38:09 1630
1.在Scrapy工程下新建“middlewares.py”#Importingbase64librarybecausewe'llneeditONLYincaseiftheproxywearegoingtouserequiresauthenticationimportbase64#StartyourmiddlewareclassclassProxyMiddleware(object):#overwriteprocessrequestdefprocess_r
系統 2019-09-27 17:38:07 1630
先看代碼：In[1]:a={'name':'wang'}In[2]:a.get('age')In[3]:a['age']---------------------------------------------------------------------------KeyErrorTraceback(mostrecentcalllast)in()---->1a['age']KeyError:'age'In[4]:a.get('age',10)Out[4
系統 2019-09-27 17:38:06 1630
本文介紹了Python對于線程的支持，包括“學會”多線程編程需要掌握的基礎以及Python兩個線程標準庫的完整介紹及使用示例。注意：本文基于Python2.4完成，；如果看到不明白的詞匯請記得百度谷歌或維基，whatever。1.線程基礎1.1.線程狀態線程有5種狀態，狀態轉換的過程如下圖所示：1.2.線程同步（鎖）多線程的優勢在于可以同時運行多個任務（至少感覺起來是這樣）。但是當線程需要共享數據時，可能存在數據不同步的問題。考慮這樣一種情況：一個列表里所
系統 2019-09-27 17:38:03 1630
前言很多時候在windows下壓縮文件沒問題，但是到了Linux下，出現亂碼，很常見。以前在Ubuntu下，用`unzip-OGBKfilename.zip`就可以搞定。換了Fedora后，暫時沒發現亂碼的壓縮文件。晚上下載一本書的光盤，又碰到了亂碼。嘗試之前的方法沒成功。看了下unzip的help，沒-O那個參數了==剛好找到一個用python解決的辦法，分享下。新建一個`.py`后綴的文件，直接復制粘貼代碼：#!/usr/bin/envpython#-
系統 2019-09-27 17:38:03 1630
【嵌牛導讀】Python是一門運用很廣泛的語言，自動化腳本、爬蟲，甚至在深度學習領域也都有Python的身影。作為一名前端開發者，也了解ES6中的很多特性借鑒自Python(比如默認參數、解構賦值、Decorator等)，同時本文會對Python的一些用法與JS進行類比。不管是提升自己的知識廣度，還是更好地迎接AI時代，Python都是一門值得學習的語言。【嵌牛鼻子】python與JS的相似之處【嵌牛提問】python與JS有哪些相似呢？【嵌牛正文】數據類
系統 2019-09-27 17:38:01 1630
最近我在用梯度下降算法繪制神經網絡的數據時，遇到了一些算法性能的問題。梯度下降算法的代碼如下（偽代碼）：defgradient_descent():#thegradientdescentcodeplotly.write(X,Y)一般來說，當網絡請求plot.ly繪圖時會阻塞等待返回，于是也會影響到其他的梯度下降函數的執行速度。一種解決辦法是每調用一次plotly.write函數就開啟一個新的線程，但是這種方法感覺不是很好。我不想用一個像cerely（一種分
系統 2019-09-27 17:37:56 1630
python是支持多線程的，主要是通過thread和threading這兩個模塊來實現的。thread模塊是比較底層的模塊，threading模塊是對thread做了一些包裝的，可以更加方便的使用。雖然python的多線程受GIL限制，并不是真正的多線程，但是對于I/O密集型計算還是能明顯提高效率，比如說爬蟲。下面用一個實例來驗證多線程的效率。代碼只涉及頁面獲取，并沒有解析出來。#-*-coding:utf-8-*-importurllib2,timeim
系統 2019-09-27 17:37:56 1630
