- 博客(13)
- 收藏
- 关注
RSS订阅原创 Python requests + BeautifulSoup 静态网页数据采集入门，遵守爬虫规范实战
动态加载数据：requests 只能拿到初始 HTML，如果数据是 JS 渲染出来的，bs4 无法获取；class 属性带空格：代表多个 class，匹配时注意写法；相对链接：页面 a 标签 href 可能是，需要拼接域名得到完整 url；网络不稳定：必须加上 try-except 捕获网络异常，防止脚本直接中断。requests+BeautifulSoup 组合是静态网页采集的入门方案，上手简单，适合小规模学习采集。爬虫技术本身没有好坏，但是使用边界非常重要。
2026-10-13 11:08:44
150
原创 Python opencv 实战入门，图像灰度、边缘检测、轮廓提取
OpenCV 是计算机视觉入门首选库，本文案例适合学习基础图像处理操作。边缘检测、轮廓识别是很多视觉项目的基础，比如零件计数、二维码识别、图片物体检测。如果需要深度学习目标检测，可以继续学习 YOLO。图像处理的核心思路是预处理：灰度、降噪、边缘提取，再做识别。后续会分享 OpenCV 视频帧读取和视频处理实战，感兴趣可以关注博主。
2026-10-11 16:54:06
95
原创 Python + Matplotlib 数据可视化：绘制业务统计图表，让数据直观展示
中文方框乱码：rcParams 配置字体，不同操作系统字体名称不一样；保存图片文字截断：绘图末尾加上 plt.tight_layout ()；savefig 必须放在 show 前面，否则图片保存空白；多图绘制：使用 plt.subplot 绘制多子图，一张画布放多个图表；颜色搭配：尽量少用过于刺眼的颜色，汇报图表简洁为主。Matplotlib 是可视化基础库，掌握柱状图、折线图、饼图之后，日常业务汇报图表基本都能搞定。如果需要交互式图表，可以学习 plotly。
2026-10-09 14:22:00
213
原创 Python 自动化办公实战：用 openpyxl 批量处理 Excel 表格，告别重复手工操作
文件打开占用问题：代码保存 Excel 的时候，一定要关闭 Excel 文件，否则会报权限错误；格式限制：openpyxl 不支持 xls，如果是 xls 文件，需要转换或者更换库；大数据性能：几万行数据不要直接读写全部单元格，优先使用 iter_rows + 只读模式；公式：读取表格的时候，默认拿到的是公式结果，不是公式文本。Python+openpyxl 自动化 Excel，核心思路就是把人工的操作转换成代码循环。
2026-10-07 11:33:11
184
原创 为什么你的Python自动化脚本必封号？彻底拆解平台AI风控打分逻辑
Python自动化的核心精髓，不是代码跑得通，而是行为像真人。机器的本质是规律，人类的本质是随机。想要学好自动化、反爬、风控技术，必须跳出“伪装IP、伪装UA”的低级思维，转向行为模拟、时序随机、场景模拟的高阶思路。技术无罪，用法有度。建议大家专注自动化测试、合规爬虫、办公自动化等合法场景，远离违规批量操作，深耕技术方能长期成长。
2026-10-05 10:47:39
173
原创 Python 多账号风控隔离：Cookie 持久化 + 独立代理 + 环境分离彻底解决账号关联
多账号自动化的核心不是功能多，而是隔离彻底。关联风控比单次风控更可怕，一旦触发批量连坐。这套架构适合学习工程化自动化、多用户会话管理、代理池架构，是高阶 Python 自动化必备知识。
2026-10-03 11:27:57
213
原创 Python 自动化避坑实战：风控特征复盘，行为随机化与日志监控方案
行为随机化、日志监控这套技术，合法场景可以用于 Web 自动化测试、合规爬虫的数据采集。学习风控原理，是为了理解 Web 安全，而不是寻找绕过平台规则的方法。作为程序员，一定要守住合规底线。不要沉迷账号矩阵、自动化引流。技术学习的目标是提升自身编程能力，把所学技术应用在软件开发、自动化测试等合法场景，才是长久之路。
2026-10-01 11:40:37
157
原创 Python 自动化避坑实战：风控特征复盘，行为随机化与日志监控方案
行为随机化、日志监控这套技术，合法场景可以用于 Web 自动化测试、合规爬虫的数据采集。学习风控原理，是为了理解 Web 安全，而不是寻找绕过平台规则的方法。作为程序员，一定要守住合规底线。不要沉迷账号矩阵、自动化引流。技术学习的目标是提升自身编程能力，把所学技术应用在软件开发、自动化测试等合法场景，才是长久之路。
2026-09-27 11:17:18
156
原创 Python 自动化行为模拟避坑实战：风控特征复盘，日志监控与行为随机化优化
平台风控识别脚本，不只是看 IP、UA，更多是长期行为时序、操作模式。打破固定操作流程，增加随机行为分支，增加日志和异常监控，可以降低脚本特征。技术是双刃剑，掌握 Python 自动化能力，要守住合规底线。遵守网站用户协议、网络相关法律法规，把技术投入到合法场景，才是长久学习之路。
2026-09-25 14:37:43
211
原创 Python 内存管理实战：从引用计数到内存泄漏排查的完整链路
去年我接手过一个图片处理服务，运行三天必 OOM，重启就好，过三天又犯。开发第一反应是"图片太大"，于是加了压缩；第二反应是"并发太高"，于是限流到每秒 5 个请求。结果内存曲线只是从陡坡变成了缓坡——照样三天崩一次。最后用 抓了快照，发现罪魁祸首是一行看起来人畜无害的代码：python编辑 对象内部持有着解码后的像素缓冲区，一张 4K 图解压后几十 MB。这个列表成了无底洞，GC 再勤快也救不了——因为引用一直存在，对象就永远不会被回收。修复方案是换成 ，上线后常驻内存从 6GB 稳定到 800M
2026-09-23 11:06:53
166
原创 pytest 从入门到工程化：fixture、参数化、覆盖率与 CI 集成
先说一个我踩过的坑。两年前我们有个计费模块，改了个精度舍入的逻辑，本地跑了几条用例全绿，上线两小时后财务找上门——某个边缘渠道的金额因为浮点误差差了 0.01。复盘发现：测试文件只有 7 个用例，全是 happy path，而且跑测试靠手动，没人知道上次全量跑是什么时候。那次之后我把测试接进了 CI：提交必跑、覆盖率低于 80% 直接红、PR 不绿不让合。一年多下来，这个模块的线上回归 bug 掉了七成以上。——这句话是我做工程这些年最深的体会。今天把 pytest 从零到工程化的完整链路讲一遍。
2026-09-19 11:10:16
225
原创 Python 3.14 自由线程实测：无GIL模式到底快了多少？附迁移避坑指南
不知道你有没有经历过这种绝望：明明服务器是 8 核 16 线程，跑一个 CPU 密集型的 Python 脚本时top一看，CPU 占用率死死卡在 12.5% 上下，剩下的核心全在围观。。好消息是，这个存在了二十多年的"祖传枷锁"，终于在 Python 3.14 里被正式卸下了。自由线程（Free-Threaded）模式作为官方实验特性落地，官方口径是程序启动速度提升 200%、多核硬件资源利用率提升 50%，社区在并行计算场景下甚至测出了 10 倍以上的加速。
2026-09-17 15:14:28
121
原创 从散养脚本到标准工程：Python 项目结构的完整改造指南
我见过太多这样的 Python 项目：根目录躺着main.pyutils.pytest.py，配置硬编码在函数里，日志全靠 print，依赖全凭pip freeze一把梭。跑是能跑，但三个月后没人敢动——改一处崩三处，新人上手第一周全在猜"这个函数到底哪在用"。这不是代码烂，是缺工程化。今天我把一个"散养脚本"改造成标准工程的过程完整走一遍，每一步都讲清楚为什么。
2026-09-14 11:28:28
126
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人