引言

概述

概念：基于网络请求的模块

作用：用来模拟浏览器发请求，从而实现爬虫

通用爬虫

步骤：

  1. 指定url
  2. 请求发送：get返回的是一个响应对象
  3. 获取响应数据: text返回的是字符串形式的响应数据
  4. 持久化存储

爬取搜狗首页的页面源码数据

1
2
3
4
5
6
7
8
9
10
11
 
import requests
# 1.指定url
url = 'https://www.sogou.com/'
# 2.请求发送：get返回的是一个响应对象
response = requests.get(url=url)
# 3. 获取响应数据: text返回的是字符串形式的响应数据
page_text = response.text
page_text
# 4. 持久化存储
with open('./sogou.html','w',encoding='utf-8') as fp:
    fp.write(page_text)

实现一个简易的网页采集器

  • 请求参数动态化（自定义字典给get方法的params传参）
  • 使用UA伪装
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
 
url = 'https://www.sogou.com/web'
# 请求参数的动态化
wd = input('enter a key word：')
params = {
    'query':wd
}
# 没有做UA伪装是得不到数据的
headers = {
  'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/76.0.3809.132 Safari/537.36'
}

response = requests.get(url=url, params=params,headers=headers)

# 将响应数据的编码格式手动进行指定，来解决乱码问题。
response.encoding = 'utf-8'
page_text = response.text
fileName = wd + '.html'
with open(fileName,'w',encoding='utf-8') as fp:
    fp.write(page_text)
print(fileName,'爬取成功！')

动态加载的数据

  • 页面中想要爬取的内容并不是请求当前url得到的，而是通过另一个网络请求请求到的数据（例如，滚轮滑到底部，会发送ajax，对局部进行刷新）

例子：爬取豆瓣电影中动态加载出的电影详情

我们想爬取的页面是：豆瓣电影分类排行榜 - 科幻片 https://movie.douban.com/typerank?type_name=%E7%A7%91%E5%B9%BB&type=17&interval_id=100:90&action=

  • 首先在chorme的抓包工具中进行全局搜索发现它不是请求当前url得到的，而是一个新的url： https://movie.douban.com/j/chart/top_list?

  • 当然这是一个ajax请求（在chorme的抓包工具中选择 XHR 可以进行查看）

  • 在寻找另一部电影，请求的url仍然是 https://movie.douban.com/j/chart/top_list?

  • 然后我们就需要找参数的规律了：

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    		 
    type: 17
    interval_id: 100:90
    action: 
    start: 0
    limit: 1
    # 第二部
    type: 17
    interval_id: 100:90
    action: 
    start: 20
    limit: 20

  • start 和 limit 是可以变化的，基于例二，我们自定义字典进行传参，然后进行尝试。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
 
url = 'https://movie.douban.com/j/chart/top_list'
# 参数动态化
params = {
    'type': '5',
    'interval_id': '100:90',
    'action': '',
    'start': '01',
    'limit': '20',	
}
# start 决定起始位置，limit 为显示数量。
response = requests.get(url=url, params=params, headers=headers)

# json() 返回序列化好的对象（字典，列表）
movie_list = response.json()  
# 手动反序列化
# import json
# movie_list = json.loads(movie_list)
for movie in movie_list:
    print(movie['title'],movie['score'])

note：response.json() 可以免除我们手动使用json进行loads的过程。

爬取肯德基的餐厅位置信息

  • 地址为：http://www.kfc.com.cn/kfccda/storelist/index.aspx

  • post请求

  • 一次爬取多页数据

思路：

  • 首先，数据是动态加载的，分析请求方式为 post 发出的 url 与 data。
  • 通过pageSize就可以在循环内完成多所有地址的爬取。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
 
url = 'http://www.kfc.com.cn/kfccda/ashx/GetStoreList.ashx?op=keyword'
data = {
    'cname':'', 
    'keyword':'北京',
    'pageIndex':1,
    'pageSize':10,
    'pid':''
}

with open(data['keyword']+'肯德基地址.txt','w',encoding='utf-8') as f:
    for i in range(1,data['pageSize']+1):
        data['pageIndex'] = i    
        address_dic = requests.post(url=url, data=data, headers=headers).json()
        for address in address_dic['Table1']:
            print(address['addressDetail'])
            f.write(address['addressDetail'] + '\n')

补充：可以使用代理服务器，如搜索：全网代理IP

中标公告提取

提取内容:

工程建设中的中标结果信息/中标候选人信息

  1. 完整的html中标信息

  2. 第一中标候选人

  3. 中标金额

  4. 中标时间

  5. 其它参与投标的公司

思路：

  1. 从首页打开一个公告，先尝试得到一个公告的信息。
  2. 在得到另一个公告的信息进行比较，只有ID是变化的，所以有了ID就可以批量爬取了。
  3. 回到首页，判断加载方式，确定数据的请求方式，url以及参数。

实现过程：

  • 确认爬取的数据都是动态加载出来的
  • 在首页中捕获到ajax请求对应的数据包，从该数据包中提取出请求的url和请求参数
  • 对提取到的url进行请求发送，获取响应数据（json），（包含ID信息）
  • 从json串中提取到每一个公告对应的id值
  • 将id值和中标信息对应的url进行整合，进行请求发送捕获到每一个公告对应的中标信息数据
1
2
3
4
5
6
7
8
9
10
11
12
13
14
 
# 该部分为得到一个公告的信息，但是我们这里的ID不灵活，需要进一步改进。
params = {
    'OPtype': 'GetGGInfoPC',
    'ID': 132458,
    'GGTYPE': 4,
    'url': 'AjaxHandler/BuilderHandler.ashx',
}
headers = {
    'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/76.0.3809.132 Safari/537.36',
    'Cookie': 'ASP.NET_SessionId=j0ps3kcjisaajyenlgihwwxo; Hm_lvt_94bfa5b89a33cebfead2f88d38657023=1570523570; Hm_lpvt_94bfa5b89a33cebfead2f88d38657023=1570523621; _qddagsx_02095bad0b=115b25431c8f1a2f7f607e8464ba7c5ef5807a77e65a44aa3c9045306ab0ba3bf02c48523e97b816f16d9ff0c57b6e77f46e59f8776b88c64cbd9da7f84676d8c4c9db3686235ef49e9ee7ff1871ec99884e7ba79b8c173e472b039b0c9a8fb61b4049ab036f68e1f5e0857c4bd4131f0c3b7478b98687d0b9c0538352871ec9',
}
url = 'https://www.fjggfw.gov.cn/Website/AjaxHandler/BuilderHandler.ashx'
response = requests.get(url=url, params=params, headers=headers)
response.text

完成了对公告详情的爬取后，接下来批量爬取公告。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
 
# 该部分完成了对前5页的公告信息进行爬取
url = 'https://www.fjggfw.gov.cn/Website/AjaxHandler/BuilderHandler.ashx'
headers = {
    'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/76.0.3809.132 Safari/537.36',
    'Cookie': 'ASP.NET_SessionId=j0ps3kcjisaajyenlgihwwxo; Hm_lvt_94bfa5b89a33cebfead2f88d38657023=1570523570; Hm_lpvt_94bfa5b89a33cebfead2f88d38657023=1570523621; _qddagsx_02095bad0b=115b25431c8f1a2f7f607e8464ba7c5ef5807a77e65a44aa3c9045306ab0ba3bf02c48523e97b816f16d9ff0c57b6e77f46e59f8776b88c64cbd9da7f84676d8c4c9db3686235ef49e9ee7ff1871ec99884e7ba79b8c173e472b039b0c9a8fb61b4049ab036f68e1f5e0857c4bd4131f0c3b7478b98687d0b9c0538352871ec9',
}
data = {
    'OPtype': 'GetListNew',
    'pageNo': 1,
    'pageSize': 10,
    'proArea': -1,
    'category': 'GCJS',
    'announcementType': -1,
    'ProType': -1,
    'xmlx': -1,
    'projectName': '',
    'TopTime': '2019-07-10 00:00:00',
    'EndTime': '2019-10-08 23:59:59',
    'rrr': 0.8853761868569314,
}
params = {
    'OPtype': 'GetGGInfoPC',
    'ID': 132458,
    'GGTYPE': 4,
    'url': 'AjaxHandler/BuilderHandler.ashx',
}
count = 0
for i in range(1,6):
    data['pageNo'] = i    
    # 第i页内容的爬取
    response = requests.post(url=url,data=data,headers=headers)
    post_data = response.json()
    for row in post_data['data']:
        ID = int(row['M_ID'])
        params['ID'] = ID
        company_respose = requests.get(url=url, params=params, headers=headers)
        company_detail = company_respose.json()['data']
#         print(company_detail)
        count += 1
print(count)

爬取图片

如何做？

  • 基于requests
  • 基于urllib
  • 区别：urllib中的 urlretrieve 不可以进行UA伪装
    requests在urllib基础上产生，更加pythonic！

基于requests的图片爬取

1
2
3
4
5
6
7
8
9
 
import requests
headers = {
    'User-Agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/76.0.3809.132 Safari/537.36'
}
# 基于requests的图片爬取
url = r'https://timgsa.baidu.com/timg?image&quality=80&size=b9999_10000&sec=1570593174006&di=5ade9e1cb9e63a708c69095283f8e40a&imgtype=0&src=http%3A%2F%2Fdingyue.nosdn.127.net%2F92Ot1vmaeOklEbu2G7ABakMeGiYWpYi8R3urPnggBDJSs1535663928397.jpeg'
img_data = requests.get(url=url, headers=headers).content   # content 返回的是bytes类型的响应数据
with open('./123.jpg','wb') as fp:
    fp.write(img_data)
  • request更具通用性，数据可以展示为：text（字符串），json（列表/字典），content（字节）。

基于urllib的图片爬取

1
2
3
4
 
# 基于urllib
from urllib import request
url = 'https://timgsa.baidu.com/timg?image&quality=80&size=b9999_10000&sec=1570593174006&di=5ade9e1cb9e63a708c69095283f8e40a&imgtype=0&src=http%3A%2F%2Fdingyue.nosdn.127.net%2F92Ot1vmaeOklEbu2G7ABakMeGiYWpYi8R3urPnggBDJSs1535663928397.jpeg'
request.urlretrieve(url,'./456.jpg')
  • 由于urlretrieve不能做UA伪装，所以存在图片缺失的可能。

聚焦爬虫

较通用爬虫相比，增加了数据解析。

数据解析

概念：将一整张页面的局部数据进行提取/解析

作用：用来实现聚焦爬虫

实现方式：

  • 正则
  • bs4
  • xpath
  • pyquery

数据解析的通用原理是什么？

  • 标签的定位
  • 数据的提取

页面中的相关的字符串的数据都存储在哪里？

  • 标签中间
  • 标签的属性中

基于聚焦爬虫的编码流程

  • 指定url
  • 发起请求
  • 获取响应数据
  • 数据解析
  • 持久化存储

正则解析

爬取煎蛋网中的图片

  • 地址为：http://jandan.net/pic/MjAxOTEwMDktNjk=#comments

实现过程：

  • 指定url
  • 获取响应数据
  • 数据解析
    • 写正则表达式
    • 正则匹配
  • 持久化存储
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
 
import re
import os
url = 'http://jandan.net/pic/MjAxOTEwMDktNjk=#comments'
page_text = requests.get(url=url,headers=headers).text
# 解析数据：img标签的src的属性值

# 写正则表达式
# print(page_text) # 参考page_text来定正则，网页源码可能有些小问题
# ex = r'<div class="text">.*?<img src="(.*?)" referrerpolicy'   # 坑！！！
ex = r'<div class="text">.*?<img src="(.*?)" referrerPolicy'   # 在源码中那里的p是小写，可爬下来的p是大写，坑~~~

dirName = './JDimg/'
if not os.path.exists(dirName):
    os.mkdir(dirName)
img_url_list = re.findall(ex,page_text,re.S)   # re.S处理回车
for img_url in img_url_list:
    ex2 = r'org_src="(.*?)"'
    gif_url = re.findall(ex2,img_url)
    if gif_url:
        new_url = 'http:' + gif_url[0]
    else:
        new_url = 'http:' + img_url
    name = new_url.split('/')[-1]
    img = requests.get(new_url,headers=headers).content
    img_path = dirName + name 
    with open(img_path,'wb') as fp:
        fp.write(img)
    print(name,'下载完成!!!')

note：内容依据响应数据page_text，而不是根据浏览器中网页上的代码，上面就出现一个字母的大小写不同而导致正则失效的例子。

bs4解析

环境的安装：

  • pip install bs4
  • pip install lxml

bs4的解析原理：

  • 实例化一个BeatifulSoup的一个对象，把即将被解析的页面源码数据加载到该对象中
  • 需要调用BeatifulSoup对象中的相关的方法和属性进行标签定位和数据的提取

BeatifulSoup的实例化

  • BeatifulSoup(fp, ‘lxml’) 将本地存储的html文档中的页面源码数据加载到该对象中
  • BeatifulSoup(page_text, ‘lxml’) 将从互联网中请求到的页面源码数据加载到该对象中

标签的定位

  • soup.tagName: 只可以定位到第一个tagName标签

  • 属性定位：

    • soup.find(‘div’,’attrName=’value’) 只能定位到符合要求的第一个
    • soup.findAll：返回列表，可以定位到符合要求的所有标签
      note：只有class需要加下划线，其它直接用原名就可以。

  • 选择器定位：

    • select(‘选择器’)
    • 选择器：id，class，tag，层级选择器（大于号表示一个层级，空格表示多个层级）

  • 取文本

    • text：将标签中所有文本取出
    • string：将标签中直系的文本取出

  • 取属性

    • tag[‘attrName’]

熟悉

此为练手的html。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
 
<html lang="en">
<head>
	<meta charset="UTF-8" />
	<title>测试bs4</title>
</head>
<body>
	<div>
		<p>百里守约</p>
	</div>
	<div class="song">
		<p>李清照</p>
		<p>王安石</p>
		<p>苏轼</p>
		<p>柳宗元</p>
		<a href="http://www.song.com/" title="赵匡胤" target="_self">
			<span>this is span</span>
		宋朝是最强大的王朝，不是军队的强大，而是经济很强大，国民都很有钱</a>
		<a href="" class="du">总为浮云能蔽日,长安不见使人愁</a>
		<img src="http://www.baidu.com/meinv.jpg" alt="" />
	</div>
	<div class="tang">
		<ul>
			<li><a href="http://www.baidu.com" title="qing">清明时节雨纷纷,路上行人欲断魂,借问酒家何处有,牧童遥指杏花村</a></li>
			<li><a href="http://www.163.com" title="qin">秦时明月汉时关,万里长征人未还,但使龙城飞将在,不教胡马度阴山</a></li>
			<li><a href="http://www.126.com" alt="qi">岐王宅里寻常见,崔九堂前几度闻,正是江南好风景,落花时节又逢君</a></li>
			<li><a href="http://www.sina.com" class="du">杜甫</a></li>
			<li><a href="http://www.dudu.com" class="du">杜牧</a></li>
			<li><b>杜小月</b></li>
			<li><i>度蜜月</i></li>
			<li><a href="http://www.haha.com" id="feng">凤凰台上凤凰游,凤去台空江自流,吴宫花草埋幽径,晋代衣冠成古丘</a></li>
		</ul>
	</div>
</body>
</html>

熟悉 BeautifulSoup 的选择器以及如何取文本和属性

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
 
fp = open('./test.html',encoding='utf-8') 
soup = BeautifulSoup(fp ,'lxml')
soup.div				
type(soup.div)                   # bs4.element.Tag
soup.find('div')
soup.find('div',class_="song")   # 由于class 是关键字，所以需要加下划线

#下面的 findAll 与 select 都将返回列表
soup.findAll('div')              
soup.select('div')     
soup.select('div[class="song"]') 
soup.select('.song')
soup.select('div > ul > li')
soup.select('div li')

# 取文本
soup.select('div li')[0].text    
soup.select('.song')[0].text
soup.select('.song')[0].string    # 只能取直系,所以这个结果为空
soup.select('b')[0].string      

# 取属性
soup.select('div a')[0]['href']

爬取三国演义小说的标题和内容

  • 地址为：http://www.shicimingju.com/book/sanguoyanyi.html

数据解析流程：

  • 首先定位标签
  • 然后取出文本和内容
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
 
main_url = 'http://www.shicimingju.com/book/sanguoyanyi.html'
page_text = requests.get(url=main_url,headers=headers).text
# 数据解析: 章节的标题和详情页的url
soup = BeautifulSoup(page_text,'lxml')
li = soup.select('.book-mulu a')
fp = open('./sanguo.txt','w',encoding='utf-8')
for i in li:
    title = i.string
    detail_url = 'http://www.shicimingju.com' + i['href']
    detail_page_text = requests.get(url=detail_url,headers=headers).text
    # 数据解析：章节内容
    detail_soup = BeautifulSoup(detail_page_text,'lxml')
    detail = detail_soup.find('div',class_='chapter_content').text
    fp.write(title + '\n' + detail + '\n\n')
fp.close()

xpath 解析

  • 环境的安装

    • pip install lxml

  • 解析原理

    • 实例化一个etree的对象，且把即将被解析的页面源码数据加载到该对象中
    • 调用etree对象中的xpath方法结合着不同形式的xpath表达式进行标签定位和数据提取

  • etree对象的实例化

    • etree.parse(‘fileName’)
    • etree.HTML(page_text)

  • 标签定位

    • 最左侧的/：一定要从根标签开始进行标签定位
    • 非最左侧的/：表示一个层级
    • 最左侧的//：可以从任意位置进行指定标签的定位
    • 非最左侧的//：表示多个层级
    • 属性定位：
      • //tagName[@attrName=”value”]
    • 索引定位：
      • //tagName[@attrName=”value”]/li[2]，索引是从1开始的
    • 逻辑运算： 
      - 找到href属性值为空且class属性值为du的a标签
      • //a[@href=”” and @class=”du”]
    • 模糊匹配：
      • //div[contains(@class, “ng”)]
      • //div[starts-with(@class, “ta”)]

  • 取文本

    • /text():取直系的文本内容
    • //text()：取所有文本内容

  • 取属性

    • /@attrName

note：

  • 返回的都是列表
  • 在google中的Element可以直接copy xpath

熟悉

依旧使用上面的html练手

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
 
from lxml import etree
tree = etree.parse('./test.html')
tree        # <lxml.etree._ElementTree at 0x231b25371c8>
tree.xpath('/html')
tree.xpath('/html//title')
tree.xpath('//div')
# 属性定位
tree.xpath('//*[@class="tang"]')
tree.xpath('//div[@class="song"]')
tree.xpath('//div[@class="tang"]/ul/li')
# 索引定位
tree.xpath('//div[@class="tang"]/ul/li[2]')   

# 取文本
tree.xpath('//b/text()')   # 取直系
tree.xpath('//div[@class="tang"]/ul/li//text()')   # 取所有

# 取属性
tree.xpath('//a/@href')

爬取虎牙主播名称，热度和标题

1
2
3
4
5
6
7
8
9
10
 
url = 'https://www.huya.com/g/xingxiu'
page_text = requests.get(url,headers=headers).text
tree = etree.HTML(page_text)
li_list = tree.xpath('//div[@class="box-bd"]/ul/li')
# print(page_text)
for li in li_list:
    title = li.xpath('./a[2]/@title')[0] 
    name = li.xpath('./span/span[1]/i/@title')[0] 
    hot = li.xpath('./span/span[2]/i[2]/text()')[0] 
    print(name,'的直播间: ',title,'热度为:',hot)

爬取所有页码的妹子

地址为：http://pic.netbian.com/4kmeinv/

  • 涉及中文乱码

    • 以前对response的 encoding 这样代价大
      iso-8859-1 –> utf-8 先编码成iso-8859-1 在解码成 utf或gbk
  • 多页码数据的爬取
    • 制定一个通用的url模板

基于request的爬虫练习的更多相关文章

  1. 基于golang分布式爬虫系统的架构体系v1.0

    基于golang分布式爬虫系统的架构体系v1.0 一.什么是分布式系统 分布式系统是一个硬件或软件组件分布在不同的网络计算机上,彼此之间仅仅通过消息传递进行通信和协调的系统.简单来说就是一群独立计算机 ...

  2. 爬虫，基于request，bs4 的简单实例整合

    简单爬虫示例 爬取抽屉,以及自动登陆抽屉点赞 先查看首页拿到cookie,然后登陆要携带首页拿到的 cookie 才可以通过验证 """""" ...

  3. 爬虫学习之基于Scrapy的爬虫自动登录

    ###概述 在前面两篇(爬虫学习之基于Scrapy的网络爬虫和爬虫学习之简单的网络爬虫)文章中我们通过两个实际的案例,采用不同的方式进行了内容提取.我们对网络爬虫有了一个比较初级的认识,只要发起请求获 ...

  4. 基于 Electron 的爬虫框架 Nightmare

    作者:William 本文为原创文章,转载请注明作者及出处 Electron 可以让你使用纯 JavaScript 调用 Chrome 丰富的原生的接口来创造桌面应用.你可以把它看作一个专注于桌面应用 ...

  5. 基于Nodejs的爬虫

    简介 基于 Node.JS 爬取 博客园 1W+博文,对博文内容做关键词提取,生成词云. 演示 安装 安装 git.Node.JS.MongoDB.Yarn 克隆代码 git clone git@gi ...

  6. 基于python的爬虫（一）

    抓取网页 python核心库 urllib2 实现对静态网页的抓取,不得不说,"人生苦短,我用python"这句话还是有道理的,要是用java来写,这估计得20行代码 (对不住了博 ...

  7. 基于.net的爬虫应用-DotnetSpider

    最近应朋友的邀请,帮忙做了个简单的爬虫程序,要求不高,主要是方便对不同网站的爬取进行扩展,获取到想要的数据信息即可.当然,基于数据的后期分析功能是后话,以后的随笔我会逐步的介绍. 开源的爬虫框架比较多 ...

  8. 基于scrapy-redis分布式爬虫的部署

    redis分布式部署 1.scrapy框架是否可以自己实现分布式? - 不可以.原因有二. 其一:因为多台机器上部署的scrapy会各自拥有各自的调度器,这样就使得多台机器无法分配start_urls ...

  9. 基于scrapy-redis分布式爬虫(简易)

    redis分布式部署 1.scrapy框架是否可以自己实现分布式? - 不可以.原因有二. 其一:因为多台机器上部署的scrapy会各自拥有各自的调度器,这样就使得多台机器无法分配start_urls ...

随机推荐

  1. C++踩坑记录（一）std:;string的析构

    之前写服务端程序有一个往消息队列里面推json的过程,然后发现推进去C#端取到的无论如何都是个空指针 简单复现一下现场 string str1 = string("hello1") ...

  2. Elasticsearch：运用scroll接口对大量数据实现更好的分页

    在Elasticsearch中,我们可以通过size和from来对我们的结果来进行分页.但是对于数据量很大的索引,这是有效的吗?Scroll API可用于从单个搜索请求中检索大量结果(甚至所有结果), ...

  3. CF700E Cool Slogans——SAM+线段树合并

    RemoteJudge 又是一道用线段树合并来维护\(endpos\)的题,还有一道见我的博客CF666E 思路 先把\(SAM\)建出来 如果两个相邻的串\(s_i\)和\(s_{i+1}\)要满足 ...

  4. [].slice.call(arguments,1) 个人理解

    var arr = []; [] == arr; 假设 var arr = [1,2,3,4,5]; 那么 arr.slice(1,2) == [2]; 通过 slice.call 才能使用call显 ...

  5. 11 SaltApi

    1.APIS https://docs.saltstack.com/en/latest/topics/api.html 1.python client api 必须运行在master节点上 2. 一般 ...

  6. 宽字符(UNICODE)字符集

    推荐使用宽字符(UNICODE)字符集,严格使用宽字符集的函数和定义.具体参考https://blog.csdn.net/qq_22642239/article/details/84822485

  7. Spring中，请求参数处理

    Spring中,Controller里,获取请求数据有多种情况 在使用@RequestParam的方式获取请求中的参数时, 如果没有设置required这个属性,或者主动设置为true,则意味着这个参 ...

  8. Burpsuite 2.0.11 Beta 破解版下载

    1.解包 jar xvf burpsuite_pro_v2.0.11beta.jar 自行定制,删除自带chrome和7zip软件包之后,软件精简至39M. 2.打包 jar cvfm META-IN ...

  9. BZOJ 1706: [usaco2007 Nov]relays 奶牛接力跑 倍增Floyd

    题不难,但是一开始把读入看错了,调了半天qaq~ Code: #include <bits/stdc++.h> #define N 300 #define setIO(s) freopen ...

  10. DP（第一版）

    序 任何一种具有递推或者递归形式的计算过程,都叫做动态规划 如果你一开始学的时候就不会DP,那么你在考试的时候就一定不会想到用动态规划! 需要进行掌握的内容 1)DP中的基本概念 2)状态 3)转移方 ...