摘要：
转自：https://www.cnblogs.com/jajian/p/10926681.html 业务场景 公司有个借贷的项目，具体业务类似于阿里的蚂蚁借呗，用户在平台上借款，然后规定一个到期时间，在该时间内用户需将借款还清并收取一定的手续费，如果规定时间逾期未还上，则会产生滞纳金。 用户发起借款 阅读全文
摘要：
一、文件管理概述 谈及到 Linux 文件管理，首先我们需要了解的就是，我们要对文件做些什么事情？其实无非就是对一个文件进行创建、复制、移动、查看、编辑、压缩、查看、删除等等 二、系统目录结构 首先我们知道 Linux 的目录结构为树状结构，最顶级的目录为根目录 /，其他目录通过挂载可以将它们添加到 阅读全文
摘要：
1.什么是Bash shell(壳) Bash Shell是一个命令解释器，它在操作系统的最外层，负责用户程序与内核进行交互操作的一种接口，将用户输入的命令翻译给操作系统，并将处理后的结果输出至屏幕。 通过xshell连接，就是打开了一个bash程序的窗口，不能点鼠标，只能输入命令 当我们使用远程连 阅读全文
摘要：
一、Unix 的起源与发展 Unix 是较早被广泛使用的计算机操作系统之一，它的第一版于1969年由 Ken Thompson 在 AT&T 贝尔实验室是实现，1973年 Ken Thompson 与 Dennis Ritchie 用C语言重写了 Unix 的第三版内核 二、开放源代码的发展 源代码 阅读全文
摘要：
提升scrapy爬取数据的效率 增加并发： 默认scrapy开启的并发线程为32个，可以适当进行增加。在settings配置文件中修改CONCURRENT_REQUESTS = 100值为100,并发设置成了为100。 降低日志级别： 在运行scrapy时，会有大量日志信息的输出，为了减少CPU的使 阅读全文
摘要：
简介 原来scrapy的Scheduler维护的是本机的任务队列（存放Request对象及其回调函数等信息）+本机的去重队列（存放访问过的url地址） 分布式爬取的关键： 1、共享队列 2、重写Scheduler，让其无论是去重还是任务都去访问共享队列 3、为Scheduler定制去重规则（利用re 阅读全文
摘要：
scrapy的中间件简介 1 都写在middlewares.py 2 爬虫中间件 3 下载中间件 4 要生效，一定要配置，配置文件 下载中间件： 下载中间件的用途 1、在process——request内，自定义下载，不用scrapy的下载 2、对请求进行二次加工，比如 设置请求头 设置cookie 阅读全文
摘要：
scrapy介绍 通用的网络爬虫框架 架构介绍（框架） 一、scrapy执行流程 五大组件 -引擎(EGINE)：大总管，负责控制数据的流向 -调度器(SCHEDULER)：由它来决定下一个要抓取的网址是什么，去重 -下载器(DOWLOADER)：用于下载网页内容, 并将网页内 容返回给EGINE， 阅读全文
摘要：
selenium 为了解决requests无法直接执行JavaScript代码的问题 安装： pip3 install selenium 浏览器的驱动： ps：需要下载对应版本的浏览器 http://npm.taobao.org/mirrors/chromedriver/ 84.0.4147.105 阅读全文
摘要：
xpath xpath: XPath 是一门在 XML 文档中查找信息的语言 三个关键： / 从根节点选取。 // 不管位置，直接找 /@属性名 文本内容： doc=''' <html> <head> <base href='http://example.com/' /> <title>Exampl 阅读全文