奔跑的数据_个人页

2023年05月

• 05.25 14:27:05
  发表了文章 2023-05-25 14:27:05

  如何自动化查询TESCO商品信息

  可以在网站https://www.tesco.com/查询食品、饮料、家居用品、电器、玩具等商品。如果需要定期获取商品信息，可以使用爬虫程序进行采集。但是直接访问链接获取会被网站拒绝响应，因此需要进行如下优化。
• 05.24 14:20:40
  发表了文章 2023-05-24 14:20:40

  如何采集javascript动态加载网页

  从一个运行 javascript 的网站加载所有数据来加载内容，目前的问题是当运行启动代码时它无法加载 javascript 内容，因为用户应该向下滚动才能加载。如何编写启动代码来滚动整页呈现 javacript 并返回 html呢？ 为了加载运行JavaScript来加载内容的网站上的所有数据，可以修改Splash代码以模拟滚动并确保整个页面呈现，从而能够检索所需的HTML内容
• 05.23 14:53:41
  发表了文章 2023-05-23 14:53:41

  如何使用C#和HTMLAgilityPack抓取网页

  HTMLAgilityPack是一款备受欢迎的用于解析和操作HTML文档的库。在使用之前，开发者需要考虑一些优缺点。下面是一些值得注意的优点： 1. 强大的错误容忍性 2. 灵活的API 3. 广泛的应用场景 然而，也有一些缺点需要考虑： 1. 性能问题 2. 对最新HTML特性的支持限制 3. 可能存在依赖和冲突
• 05.18 15:25:48
  发表了文章 2023-05-18 15:25:48

  Pytube下载YouTube视频提示错误'streamingData'

  Pytube是一个用Python编写的工具，可以方便地从YouTube下载视频。使用中提示错误‘streamingData’，需要注意以下两个问题，如果想下载高清视频需要使用pytube的12.0.0版本，并且应用上面的第一个方案。
• 05.16 14:35:10
  发表了文章 2023-05-16 14:35:10

  Selenium使用中报错：We\'re sorry but hr-frontend-v2 doesn\'t work properly without JavaScript enabled

  Selenium使用中报错：We\'re sorry but hr-frontend-v2 doesn\'t work properly without JavaScript enabled. Please enable it to continue 这个错误提示表明目标网页要求启用JavaScript才能正常工作，而默认情况下，Selenium WebDriver是启用JavaScript的。如果遇到此错误，请按照以下步骤尝试解决问题

  
• 05.15 14:52:19
  发表了文章 2023-05-15 14:52:19

  Playwright\Selenium如何选择及示例

  Playwright和Selenium都是用于Web UI自动化测试的工具，但是它们有一些不同的特点和功能。 Playwright是由微软开发的一个较新的框架，它使用websockt协议来操作浏览器内核，可以实时获取页面状态，也可以和浏览器双向沟通。 Selenium是一个出现较早的工具，它使用http协议来自动化Web浏览器，允许开发人员编写与网页和元素交互的测试。
• 05.11 15:48:37
  发表了文章 2023-05-11 15:48:37

  stream流式JSON数据的特点及Java示例

  流式JSON数据是指将JSON数据分成小块进行传输或处理的方式。与传统的JSON数据不同，流式JSON不需要将所有数据一次性读取到内存中进行处理，而是可以在数据流中逐个读取并处理。这种方式可以有效地避免内存溢出和性能问题，同时也可以使数据传输更加高效和可靠。流式JSON数据适用于许多场景，包括大数据处理、网络传输、实时数据处理和日志处理。在这些场景中，流式JSON可以显著提高数据处理和传输的效率和可靠性。同时，流式JSON还可以帮助开发人员更好地管理和处理JSON数据，并使得处理大量JSON数据变得更加容易和高效。
• 05.10 15:09:21
  发表了文章 2023-05-10 15:09:21

  使用 Python/Selenium 抓取网站的 Power BI dashboard

  Power BI可以帮助用户从不同来源的数据中提取信息，生成交互式报表和可视化仪表盘。Power BI dashboard是Power BI的一个重要组成部分，它可以将来自多个数据源的数据整合到一个面板上，为用户提供全面的数据洞察。通过Power BI dashboard，用户可以方便地查看关键指标的实时数据、分析趋势变化和发现隐藏在数据中的模式和趋势。重点是Power BI dashboard是使用 JavaScript 呈现的，因此在尝试抓取任何数据之前，需要确保页面已完成加载。可以使用 WebDriverWait 类等待某个元素出现在页面上，这是页面加载完成的良好指示。
• 05.09 14:40:22
  发表了文章 2023-05-09 14:40:22

  Mojo编程语言：Python易用性与C性能的完美结合

  Mojo是Python的超集，也就是说，任何有效的Python代码也是有效的Mojo代码。Mojo还添加了一些新的语法和特性，如类型推断、编译时计算、内联函数等，以提高性能和灵活性。Mojo是一门新兴的编程语言，但已经有一些用户可以通过Mojo Playground在线体验Mojo的编程。Mojo的开发团队计划逐步开源Mojo，并与社区进行交流和反馈。Mojo的发展趋势是利用MLIR（多层次中间表示）作为其核心基础，实现跨平台、跨语言、跨硬件的优化和部署。Mojo还希望成为一个统一的AI语言，支持各种AI框架和库，如TensorFlow、PyTorch等。
• 05.08 14:33:05
  发表了文章 2023-05-08 14:33:05

  Proxy-Connection 和 Connection 有什么区别

  Proxy-Connection 是一个 HTTP 请求头，它用于在客户端和代理服务器之问传递连接相关的信息。它的作用是协商浏览器和代理之间的连接是否保持，以及处理一些不兼容的情况。简单来说，Proxy-Connection 是一个为了兼容性而存在的头，而 Connection 是一个为了性能而存在的头。
• 05.04 14:55:20
  发表了文章 2023-05-04 14:55:20

  Python中如何使用os模块和shutil模块处理文件和文件夹

  os和shutil都是Python标准库中用于处理文件和文件夹的模块，它们都提供了许多常用的文件和文件夹操作功能，但是它们的使用场景和优势有所不同。os模块和shutil模块各自具有不同的优势，可以根据实际需要选择使用。如果只需要对单个文件或目录进行基本的文件操作，可以使用os模块；如果需要复制或移动多个文件或目录，或者需要进行文件和目录的压缩和解压缩，就应该使用shutil模块。有些需求同时使用两者才能满足要求

2023年04月

• 04.27 14:58:08
  发表了文章 2023-04-27 14:58:08

  OkHttp的特性优点及爬虫示例

  OkHttp是一个Java和Android应用程序的HTTP客户端库，旨在提高资源加载速度和节省带宽。这段代码用于从大众点评网站上采集某个城市中包含某个关键词的景点信息。代码使用了OkHttp和jsoup库来发送HTTP请求和解析HTML响应。具体来说，程序通过发送HTTP GET请求获取包含特定关键词的城市中所有景点的列表，然后对每个景点分别发送HTTP GET请求获取其名称、简介和评论信息，并将这些信息保存在ScenicSpot类的对象中，程序还使用了爬虫加强版代理IP避免被大众点评网站封禁。
• 04.26 16:52:00
  发表了文章 2023-04-26 16:52:00

  委托与线程在C#编程中的应用及选择

  委托是一种表示对具有特定参数列表和返回类型的方法的引用的类型。可以使用委托将方法作为参数传递给其他方法，或者异步地调用方法。 线程是一个执行单元，它可以与进程中的其他线程并发运行。可以使用线程来同时执行多个任务，或者并行化计算密集型的工作。 委托和线程之间的区别在于，委托是一种引用方法的方式，而线程是一种执行方法的方式。可以使用委托在不同的线程上调用方法，要么使用委托的 BeginInvoke 和 EndInvoke 方法，要么使用 ThreadPool 或 Task 类。
• 04.24 15:40:47
  发表了文章 2023-04-24 15:40:47

  Python线程的创建、执行和管理以及注意事项

  Python提供了多种方法来创建、执行和管理线程，并且需要注意线程安全性和性能方面的问题。在选择方法时，需要考虑具体需求和场景。例如用”汽车”和“冰淇淋”作为关键词对B站进行搜索，将返回的视频标题进行采集整理并写入数据库，同时计算数据总量，以此进行热点事件分析
• 04.23 16:51:55
  发表了文章 2023-04-23 16:51:55

  FastAPI – 一个现代高性能Python Web框架及其示例

  FastAPI是一个用于构建API的现代、高性能Python web框架。它使用标准的Python类型提示来支持数据自动验证和API文档自动生成。该框架的一些优点包括速度快、易用性好、自动文档生成、类型注解、异步支持和验证功能。 FastAPI与其他Python框架的不同之处在于，它基于ASGI而非WSGI，支持异步代码。FastAPI还使用Python 3.6+的类型提示来声明参数、请求体、响应模型等，而其他框架需要额外的库或插件来实现数据验证和序列化。
• 04.19 14:47:34
  发表了文章 2023-04-19 14:47:34

  Selenium 如何定位 JavaScript 动态生成的页面元素

  Selenium 是一个自动化测试工具，可以用来模拟浏览器的操作，如点击、输入、滚动等。但是有时候，我们需要定位的页面元素并不是一开始就存在的，而是由 JavaScript 动态生成的。这时候，如果我们直接用 Selenium 的 find_element 方法去定位元素，可能会出现找不到元素的错误，因为页面还没有加载完成。为了解决这个问题，我们需要使用一些特定的定位技巧，让 Selenium 等待元素出现后再进行操作。
• 04.18 14:57:48
  发表了文章 2023-04-18 14:57:48

  使用Python和Selenium库实现饭圈自动化投票

  饭圈文化是一种由热爱和支持自己喜欢的偶像所构成的文化。在这个文化中，粉丝们通常会通过多种方式来表达他们的爱意，例如关注偶像参与的综艺和电视剧，使用各种社交平台为偶像打榜投票，以争取让偶像获得更高的排名和更多的曝光。可以自动遍历HTML表格并找到“投票”链接进行单击，从而实现不同用户的自动化投票
• 04.17 15:11:40
  发表了文章 2023-04-17 15:11:40

  如何隐藏Selenium特征实现自动化网页采集

  Selenium是一个流行的自动化网页测试工具，可以通过模拟用户在Chrome浏览器中的操作来完成网站的测试。然而，有些网站会检测浏览器是否由Selenium驱动，如果是，就会返回错误的结果或拒绝访问。为了避免这种情况，我们需要隐藏Selenium的特征，让网站认为我们是正常的用户。

  
• 04.12 16:39:07
  发表了文章 2023-04-12 16:39:07

  成都房地产市场火爆，房价走势之数据分析

  2023年4月，成都二手房参考均价为15627元/平，环比上涨0.31%，同比下跌1.42%。成都新房成交均价为20159元/平，环比持平。从区域来看，高新区、锦江区、武侯区、青羊区、金牛区等主城区的房价较高，均超过2万/平。而郫都区、新都区、温江区、龙泉驿区等远郊区的房价较低，多在1万/平左右。从走势来看，成都的房价在过去一年中呈现出稳中有升的态势，没有出现大幅波动。 那么今后成都的房价会如何发展呢？通过爬虫程序采集对房天下、安居客、知乎等相关网站的数据进行整理，可以有如下数据统计

  
• 04.10 17:23:11
  发表了文章 2023-04-10 17:23:11

  介绍CabloyJS全栈框架的功能特点

  CabloyJS是一款全栈框架，它自带工作流引擎，并提供了丰富的SEO工具和报告。作为一个低代码开发平台，CabloyJS的跨端跨平台理念可以帮助开发者实现一次开发，到处运行的目标。此外，CabloyJS还提供了网页信息分析、数据采集和代理IP等功能。

  
• 04.06 14:19:23
  发表了文章 2023-04-06 14:19:23

  Puppeteer工具简介及其在网页爬取和自动化中的应用

  Puppeteer是一个流行的Node.js库,在开发者中广泛使用的用于网页爬取和自动化任务的工具。它提供两种操作模式，即headfull和headless。在headfull模式下，Puppeteer控制的Chrome或Chromium浏览器是有界面的，也就是可以看到浏览器运行的情况。在此模式下，可以使用浏览器的开发者工具进行调试。这种模式非常适合在本地进行开发和调试。而在headless模式下，它在后台运行，没有用户界面，这种模式非常适合在服务器上运行，因为没有界面，所以可以节省很多资源。

  

2023年03月

• 03.29 13:53:50
  发表了文章 2023-03-29 13:53:50

  如何使用PHP的swoole扩展提高服务器并发能力

  PHP的swoole扩展是一个高性能的网络通信框架，它可以让PHP开发者轻松地创建TCP/HTTP服务，来响应客户端的请求。但是，有些请求可能涉及到一些复杂和耗时的业务逻辑，如果在工作进程中直接处理，可能会影响服务器的并发能力。

  
• 03.27 16:06:43
  发表了文章 2023-03-27 16:06:43

  提高LDAP服务安全性和易用性的TCP代理插件

  LDAP服务是一种应用层协议，用于提供分布式目录服务，并管理用户、组织、设备等实体的信息。为了提高客户端访问LDAP服务的便捷性和安全性，可以采用TCP代理插件。该插件可在客户端和LDAP服务器之间建立可靠的TCP连接，并根据需要转发或修改数据包。

  
• 03.20 15:18:03
  发表了文章 2023-03-20 15:18:03

  Python关于全局解释器锁的提议

  关于全局解释器锁（GIL）是一个提议，旨在解决CPython中最大的可扩展性限制——全局解释器锁（GIL）。GIL阻止了多个线程同时执行Python代码，从而影响了Python利用多核CPU的能力。全局解释器锁提出了添加一个构建配置（--disable-gil），让CPython可以在没有GIL的情况下运行Python代码，并且进行必要的改动，使得解释器线程安全。

  
• 03.15 15:16:56
  发表了文章 2023-03-15 15:16:56

  JavaScript异步编程之Promise和async/await的比较

  异步方法使您能够在不等待完成的情况下并发执行多个操作。在JavaScript中，有两种常用的实现异步方法的方式：Promise和async/await。 1. Promise.all()可以并行执行多个异步操作，并在所有操作都完成后得到结果； 2. async/await可以顺序执行多个异步操作，并在每个操作完成后得到结果； 3. Promise.all()需要使用then或catch方法处理回调或异常； 4. async/await可以使用try-catch语句处理异常； 5. async/await更接近于同步编程风格；

  
• 03.14 15:30:18
  发表了文章 2023-03-14 15:30:18

  Python多线程爬虫编程中queue.Queue和queue.SimpleQueue的区别和应用

  在Python中，queue模块提供了多种队列类，用于在多线程编程中安全地交换信息。其中，queue.Queue 和queue.SimpleQueue 是两个常用的先进先出（FIFO）的队列类，它们有以下区别和优缺点： queue.Queue 是一个更复杂的队列类实现涉及到多个锁和条件变量，因此可能会影响性能和内存效率。 SimpleQueue 是一个更简单的队列类它只提供了put()和get()两个方法，并且不支持maxsize参数

  
• 03.09 15:59:37
  发表了文章 2023-03-09 15:59:37

  Java web 开发涉及多线程和锁定的应用场景有哪些？（邮件发送和接收示例）

  Java web 开发中，有一些场景需要用到多线程和锁定，以提高性能、保证数据一致性或实现特定的功能，多线程和锁定提升网站性能、保障数据安全或实现复杂功能的重要技术手段。

  
• 03.06 16:15:09
  发表了文章 2023-03-06 16:15:09

  使用Selenium和代理用户名和密码在C#中进行无头浏览

  Selenium是一个自动化测试工具，可以模拟用户在浏览器中的操作。在C#中使用Selenium和爬虫代理加强版IP的时候，因为代理服务器需要用户名和密码进行认证，Chrome浏览器会弹出一个认证窗口要求输入用户名和密码。可以创建一个Chrome扩展插件，然后加载使用完成自动认证窗口。

  
• 03.02 15:06:13
  发表了文章 2023-03-02 15:06:13

  puppeteer vs python requests：哪种工具更适合采集视频链接？

  如果你想要从网上下载一些视频资源，你可能会遇到一些难题：有些网站需要动态渲染或者用户交互才能显示视频链接，有些网站需要处理复杂的编码和数据格式。那么，在这些情况下，你应该选择哪种浏览器自动化工具呢？本文将对比两种常用的工具：puppeteer和python requests，并分析它们在采集视频链接方面的优缺点。

  
• 03.01 15:40:23
  发表了文章 2023-03-01 15:40:23

  Python二进制通信：struct、array、ctypes模块比较

  Python是一种广泛应用于数据处理和网络编程的语言。在与C语言或其他设备进行二进制通信时，Python需要使用一些专门的模块来转换数据格式。本文将介绍三个常用的模块：struct、array、ctypes，并从结构说明和性能分析两方面进行比较。

  

2023年02月

• 02.28 15:12:14
  发表了文章 2023-02-28 15:12:14

  绕过HTTPS请求中的TLS特征识别及反爬机制

  使用 urllib.request 库进行 HTTPS 请求时，可能会出现 TLS 特征被识别的情况，可以考虑以下一些方法来绕过反爬机制：使用代理 IP、修改请求头部信息、降低请求频率或使用其他语言库，如 aiohttp、 Scrapy、Selenium 等，来进行复杂的反爬处理。 这段代码实现了一个基于 asyncio 和 aiohttp 的异步百度百科查询工具，具有较高的并发性能和响应速度，同时通过爬虫代理加强版IP和随机User-Agent能够提高采集的效率。

  
• 02.27 16:31:03
  发表了文章 2023-02-27 16:31:03

  Python 文件上传：如何使用 multipart/form-data 编码和 requests 包

  为 Python 标准库没有提供创建 multipart/form-data 编码类型请求的内置方法，这种编码类型允许发送二进制数据和其他表单字段。因此，在 Python 文件上传时，程序必须要么使用第三方库，要么手动构造请求体和头部。其中一个比较简单的方法是使用 requests 包（PyPI 链接），简单快捷的在 Python 3 中使用Requests 包，通过Multipart/Form-Data 编码并上传文件。

  
• 02.23 15:14:16
  发表了文章 2023-02-23 15:14:16

  如何使用Python对嵌套结构的JSON进行遍历获取链接并下载文件

  JSON（JavaScript Object Notation）是一种基于JavaScript语言的轻量级数据交换格式，它用键值对的方式来表示各种数据类型，包括字符串、数字、布尔值、空值、数组和对象，本文展示如何使用Python对嵌套结构的JSON进行遍历获取链接并下载文件。

  
• 02.22 14:38:54
  发表了文章 2023-02-22 14:38:54

  Node.js前端如何使用反向代理解决跨域

  Node.js 是一个基于 Chrome V8 引擎的 JavaScript 运行环境，它让 JavaScript 在服务器端运行，特点是单线程、异步、事件驱动、非阻塞 I/O 等，使得它能够处理大量的并发请求，并且具有高效、轻量、可扩展等优势。 在使用 Node.js 前端开发时，可以解决跨域和 https 协议的限制。

  
• 02.21 14:30:54
  发表了文章 2023-02-21 14:30:54

  如何使用Python批量下载图片

  爬虫程序在采集网页的过程中，需要从网上下载一些图片，比如表情包、壁纸、素材等，如果图片的数量很多，这样做就会非常麻烦和耗时。那么有没有更方便快捷的方法呢？答案是肯定的。我们可以利用[Python编程语言](https://www.python.org/)来实现批量下载图片的功能。Python是一种简单易学、功能强大、跨平台的编程语言，它有很多优秀的第三方库和模块，可以帮助我们处理各种网络请求和数据处理。