Python爬虫-数据科学专业问答社区-CDA答疑社区

热线电话：13121318867

登录

詹惠儿

如何使用CSS禁用textarea的resizable属性？

CSS可调整大小的属性用于设置元素的可调整大小的区域。它主要用于textarea和div元素。要禁用元素的可调整大小的属性，请使用resize为none。这是默认值。句法调整大小：无;例： Disable resize property h1 { co

0.0000

0

4

0

关注作者

收藏

dreamhappy2012

正则表达式中的点（dot）怎么使用？

正则表达式中的点（dot） "."这个符号不是很明显（本文一律用英文dot代替）但是用法很有讲究：在正则表达式中dot几乎匹配任意一个字符，但是不匹配换行符\n。例子：谨慎使用dotdot是一个很强大的正则表达式“元符号”，一不小心就会用错。例如当需要匹配日期格式如：mm/dd/yy，其中分隔符/不局限于此，用户可以选择其他的符号。我们可以快速写出一个正则表达式去匹配：/d/d./d/d

0.0000

0

2

0

关注作者

收藏

dreamhappy2012

正则表达式^与$怎么使用？

正则表达式^与$怎么使用？答：^:从字符串开头进行匹配$:从字符串末尾进行匹配如对于字符串“aaaAAA”^((?![A-Z]).)*仍会匹配到“aaaAAA"而^((?![A-Z]).)*$才能保证不匹配。注：？！意为不包含

0.0000

0

1

0

关注作者

收藏

dreamhappy2012

正则表达式^在[]里面和[]外面分别表示什么？

正则表达式^在[]里面和[]外面如何区分？正则表达式^比较容易混淆，因为^在[]里面和外面的用法是不一样的^在[]里面代表是非数字，所以它代表是非^在[]外面代表是为首的数字，所以它代表头记忆的方法：乌龟把头(^)缩进里面，变为无（非)头乌龟乌龟把头(^)伸出来，变为(首）领

0.0000

0

1

0

关注作者

收藏

dreamhappy2012

.*? 或 .* 在正则表达式中表示什么？

在正则表达式中后面会多 .*? 或 .* ，表示什么意思？后边多一个？表示懒惰模式。必须跟在*或者后边用如：如果用正则匹配src中内容非懒惰模式匹配src=".*"匹配结果是：src="test.jpg" width="60px" height="80px"意思是从="往后匹配，直到最后

0.0000

0

4

0

关注作者

收藏

dreamhappy2012

常用的正则表达式有哪些？

常用的正则表达式有以下8个：匹配中文字符的正则表达式： [\u4e00-\u9fa5]匹配双字节字符(包括汉字在内)：[^\x00-\xff]匹配空行的正则表达式：\n[\s| ]*\r匹配HTML标记的正则表达式：/.*|/ 匹配首尾空格的正则表达式：(^\s*)|(\s*$)匹配IP地址的正则表达式：/(\d+)\.(\d+)\.(\d+)

0.0000

0

2

0

关注作者

收藏

dreamhappy2012

正则表达式基本符号有哪些？

正则表达式基本符号有哪些？正则表达式基本符号主要有以下14个：^ 表示匹配字符串的开始位置 (例外用在中括号中[ ] 时,可以理解为取反,表示不匹配括号中字符串)$ 表示匹配字符串的结束位置* 表示匹配零次到多次表示匹配一次到多次 (至少有一次)? 表示匹配零次或一次. 表示匹配单个字符 | 表示为或者,两项中取一项( ) 小括号表示匹配括号中全部字

0.0000

0

2

0

关注作者

收藏

dreamhappy2012

正则表达式中?=和?:和?!的区别？

正则表达式中 ?=和?!，怎么区别？首先需要理解前瞻，后顾，负前瞻，负后顾四个概念：前瞻：exp1(?=exp2) 查找exp2前面的exp1后顾：(?

0.0000

0

3

0

关注作者

收藏

PGC123

网址中的%是啥意思？

网址中的%是啥意思？答：网址中的%其实是一种编码格式，说明url中含有正文。这里由%和数字字母组成的有规律性的“乱码”它们并不真是乱码，它们是一种特殊的编码，计算机它是不认得中文汉字的，要让计算机认识这些编码必须要转换成一些字母和数字等组成的代码。事实上，我们在浏览器地址栏中看到的由%号和字母数字组成的乱码它们有一些规律，即都是三个字符一组，排在最前面的肯定是百分号%。它们

0.0000

0

3

0

关注作者

收藏

dreamhappy2012

正则表达式中 .* 与 .*? 的怎么区分？

简单说是贪婪匹配与非贪婪匹配的区别。比如说匹配输入串A: 202000000000200使用2.*2 将会匹配到2020000000002, 匹配方法: 先匹配至输入串A的最后, 然后向前匹配, 直到可以匹配到2, 称之为贪婪匹配。使用 2.?2将会匹配到202, 匹配方法: 匹配下一个2之前的所有字符, 称之为非贪婪匹配。所有带有量词的都是非贪婪匹配: .*?, . ?, .{2,6}?

0.0000

0

5

0

关注作者

收藏

dreamhappy2012

cookies是什么？主要功能有哪些？

cookies在浏览器端，在访问动态网页时候浏览器会自动附带上它发送给服务器，服务器通过识别cookies并鉴定其是哪个用户，判断其是否登录状态，然后返回对应的响应。功能特点：在同一个页面中设置 Cookie，实际上是按从后往前的顺序进行的。如果要先删除一个 Cookie，再写入一个 Cookie，则必须先写写入语句，再写删除语句，否则会出现错误。 Coo

0.0000

0

1

0

关注作者

收藏

dreamhappy2012

python数据清洗的基本思路是什么？

在做数据分析的时候，少不了数据清洗这个步骤。很多时候我们会自己爬取数据，但是爬取了数据库的数据之后，数据不能直接拿来使用，我们怎么进行数据清洗和进行去重上传的数据清洗:数据清洗概念就是去重,检查数据一致性，处理无效值和缺失值等)删除重复信息、纠正存在的错误.可以利用pandas模块(最常用的清洗模块)和正则或者numpy模块(机器学习),简单的去换行和去除空格可以直接调用方法==

0.0000

0

1

0

关注作者

收藏

dreamhappy2012

HTTP返回的成功状态码有哪些？

2xx成功响应类别：成功状态码（Success）原因短语：请求已正常处理完毕常见的2xx状态码有：200、204、206以下分别介绍这三个代码：200ok表示请求被服务器正常处理最常见的就是这个了随着这个状态码返回的信息跟你的请求方法有关比如GET请求，请求的资源会作为响应实体返回而HEAD请求，信息只存在于响应报文首部，因为它不会返回报文

150.0000

1

2

0

关注作者

收藏

詹惠儿

如何理解DNS？

DNS解析是Web爬行中众所周知的瓶颈。由于域名服务的分布式特性，DNS解析可能需要在互联网上进行多次请求和往返，需要几秒甚至更长时间。马上，这会危及我们每秒获取数百个文档的目标。标准的补救措施是介绍缓存：我们最近执行DNS查找的URL很可能在DNS缓存中找到，从而无需转到Internet上的DNS服务器。但是，遵守礼貌限制会限制缓存命中率。相反，最初联系的DNS服务器可能会递归调用

0.0000

0

3

0

关注作者

收藏

詹惠儿

如何比较两个单词的相似性指数

python中的nltk库比较任何两个单词的相似性指数import nltk from nltk.corpus import wordnet # Let's compare the noun of "ship" and "boat:" w1 = wordnet.synset('run.v.01') # v here denotes the tag verb w2 = wordnet.

0.0000

0

0

0

关注作者

收藏

詹惠儿

用python进行PCA（下）

第5步：应用PCA功能将PCA功能应用于训练和测试集进行分析。# Applying PCA function on training # and testing set of X component from sklearn.decomposition import PCA pca = PCA(n_components = 2) X_train = pca.fit_transfor

61.1675

1

1

0

关注作者

收藏

詹惠儿

python规范化的术语

将我们的文档（以及我们的查询）分解为标记后，最简单的情况是查询中的标记是否与文档的标记列表中的标记匹配。但是，在很多情况下，两个字符序列不完全相同，但您希望匹配发生。例如，如果您搜索美国，您可能希望也匹配包含USA的文档。令牌标准化是规范化令牌的过程，以便尽管令牌的字符序列存在表面差异，但仍会发生匹配。标准化的最标准方法是隐式创建等价类，通常以集合的一个成员命名。例如，如果令牌反歧视和反

0.0000

0

2

0

关注作者

收藏

詹惠儿

去停用词是什么？

有时，一些非常常见的单词在帮助选择符合用户需求的文档时似乎没什么价值，它们完全被排除在词汇表之外。这些话被称为停止说话。确定停止列表的一般策略是对术语进行排序收集频率（每个术语在文档集合中出现的总次数），然后采用最频繁的术语，通常手动过滤其相对于被索引的文档的域的语义内容，作为停止列表，然后在索引期间丢弃其成员。停止列表的示例如图2.5所示。使用停止列表可以显着减少系统必须存储的过帐数量;并且很多

0.0000

0

2

0

关注作者

收藏

詹惠儿

python怎么符号化？

给定一个字符序列和一个定义的文档单元，标记化是将其切成碎片的任务，称为令牌，也许同时丢掉某些字符，如标点符号。以下是标记化的示例：这些令牌通常被宽泛地称为术语或单词，但有时制作类型/令牌很重要区别。一个代币是一些特定文档中的字符序列的实例，它们被组合在一起作为用于处理的有用语义单元。一个type是包含相同字符序列的所有标记的类。一个term是包含在IR系统字典中的（可能是规范化的）类型

0.0000

0

2

0

关注作者

收藏

詹惠儿

爬虫怎么连接服务器？

假设Web有40亿个页面，每个页面都有10个指向其他页面的链接。在最简单的形式中，我们需要32位或4个字节来指定每个链接的每个末端（源和目标），总共需要 a（250）内存字节。可以利用Web图的一些基本属性在10％的内存要求下使用。乍一看，我们似乎有一个数据压缩问题 - 适用于各种标准解决方案。但是，我们的目标不是简单地压缩Web图形以适应内存;我们必须以有效支持连接查询的方式这样做

0.0000

0

2

0

关注作者

收藏

<1…456…8>

CDA考试动态

CDA报考指南