摘要：
返回当前工作目录 os.getcwd() 返回 path 的绝对路径 os.path.abspath(path) os.path.abspath('.') 相当于 os.getcwd() 分割目录和文件名 返回一个 tuple(目录, 文件名)，以最后一个斜杠作为分割 os.path.split(p 阅读全文
摘要：
第五关是在第三关的基础上加了验证码。验证码识别我们可以通过 tesserocr 来识别，tesserocr 的使用在我的前面两篇博客中有介绍。在这里，tesserocr 的识别率不是很高，大概只有10%到15%。 阅读全文
摘要：
tesserocr 是 python 的一个 OCR 库，windows 下安装 tesserocr 直接用 pip 安装是不可以的，会报错，只能用 .whl 的方式安装。安装 .whl 时，可能遇到 failed to create process 报错，pip 版本等级过低，中文路径无法识别等问题，给出了解决方案。 阅读全文
摘要：
Tesseract 是一个开源的 OCR 引擎，可以识别多种格式的图像文件并将其转换成文本，最初由 HP 公司开发，后来由 Google 维护。下载地址：https://digi.bib.uni-mannheim.de/tesseract/ 其中文件名中带有 dev 的为开发版本，不带 dev 的为 阅读全文
摘要：
写爬虫的时候，在进行 request 请求的时候，多数情况下需要添加请求头，否则就不能正常请求。 添加请求头最常用的做法是修改 User-Agent 来伪装浏览器。 以前在写请求头的时候，都是通过 copy 来解决的，昨天看到了一个库 fake-useragent，以后再也不用烦恼了。 官网地址：h 阅读全文
摘要：
第四关需要用到多线程，需要注意的是，黑板课服务器15秒内最多返回两个请求，否则返回404，所以，开20个线程和开2个线程是一样的。 阅读全文
摘要：
peewee-mssql 目前版本较老，与 peewee 最新的 3.x 版本不兼容，需要将 peewee 降到2.10.2，另需要安装 pymssql 作为驱动。 阅读全文
摘要：
散列表 Python 用散列表来实现 dict。散列表其实是一个稀疏数组（总是有空白元素的数组称为稀疏数组）。在一般书中，散列表里的单元通常叫做表元（bucket）。在 dict 的散列表当中，每个键值对都占用一个表元，每个表元都有两个部分，一个是对键的引用，一个是对值的引用。因为每个表元的大小一致 阅读全文
摘要：
增量赋值运算符有 += 和 *=。+= 背后的特殊方法是 __iadd__，如果一个类没有实现 __iadd__ 方法，Python 会退一步调用 __add__ 方法。这两个方法的区别在于，__iadd__ 为就地改动，不会改变原值的内存地址，而 __add__ 方法会得到一个新对象。 阅读全文
摘要：
黑板课爬虫闯关第三关，每次登录之前，先要请求网址，获取服务器发的 cookie 中的 csrftoken 作为下次登录时的 csrfmiddlewaretoken 参数的值和用户名密码一起传给服务器。 阅读全文
摘要：
第二关依然是非常的简单 地址：http://www.heibanke.com/lesson/crawler_ex01/ 随便输入昵称呢密码，点击提交，显示如下： 阅读全文
摘要：
黑板课爬虫闯关，第一关非常的简单，get 请求网址，在响应的 html 中用正则获取需要在网址后面输入的数字，生成新的 url，继续请求，直到通关。 阅读全文
摘要：
正则大同小异，python 中的正则跟其他语言相比略有差异：
1、替换字符串时，替换的字符串可以是一个函数；
2、split 函数可以指定分割次数，这会导致有个坑；
3、前项界定的表达式必须定长，否则报 look-behind requires fixed-width pattern 错误。 阅读全文
摘要：
基于python 3.6 和 pygame 1.9.2 的扫雷游戏，高仿 XP 上的扫雷。 阅读全文
摘要：
基于 pygame 的贪吃蛇游戏。附源码，可运行。 阅读全文
摘要：
指出了《Python游戏编程入门》[美] Jonathan S·Harbour 著 一书中第四章测试打字速度程序原书代码的错误。 阅读全文
摘要：
处女座强迫症患者，看到 function name should be lowercase 的警告就烦躁，终于可以关掉了。 阅读全文
摘要：
python3 爬虫入门级示例，附源码。 阅读全文
摘要：
Robots 协议（也称为爬虫协议、机器人协议等）的全称是“网络爬虫排除标准”（Robots Exclusion Protocol），网站通过 Robots 协议告诉搜索引擎哪些页面可以抓取，哪些页面不能抓取。robots.txt 是搜索引擎访问网站的时候要查看的第一个文件。 阅读全文
摘要：
bs4全名BeautifulSoup，是编写python爬虫常用库之一，主要用来解析html标签。本文详细介绍了通过遍历、所搜、CSS选择器查找元素。 阅读全文