<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[ff_smile]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/ff_smile</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; ff_smile]]></copyright><item><title><![CDATA[python使用pycurl模块详解]]></title><link>https://blog.youkuaiyun.com/ff_smile/article/details/78871330</link><guid>https://blog.youkuaiyun.com/ff_smile/article/details/78871330</guid><author>ff_smile</author><pubDate>Fri, 22 Dec 2017 11:23:28 +0800</pubDate><description><![CDATA[#!/usr/bin/env python2

#encoding=utf8

import pycurl

import StringIO

# 安装pycurl到http://pycurl.sourceforge.net/这里去找.

# 在windows安装的话http://pycurl.sourceforge.net/download/ , 看你使用的版本决定下载那个，]]></description><category></category></item><item><title><![CDATA[在macOS上安装Anaconda]]></title><link>https://blog.youkuaiyun.com/ff_smile/article/details/78871294</link><guid>https://blog.youkuaiyun.com/ff_smile/article/details/78871294</guid><author>ff_smile</author><pubDate>Fri, 22 Dec 2017 11:21:38 +0800</pubDate><description><![CDATA[macOS图形安装



下载适用于您的Python版本的图形macOS安装程序。


可选：使用MD5或SHA-256验证数据完整性。有关散列的更多信息，请参阅有关加密散列验证的内容。。


双击下载的文件。


回答简介，自述和许可证屏幕上的提示。


在目的地选择屏幕上，选择仅适用于我的安装。

注：如果您收到错误消息“您不能在此位置安装Anaconda”]]></description><category></category></item><item><title><![CDATA[Scrapy: 如何设置代理]]></title><link>https://blog.youkuaiyun.com/ff_smile/article/details/78871269</link><guid>https://blog.youkuaiyun.com/ff_smile/article/details/78871269</guid><author>ff_smile</author><pubDate>Fri, 22 Dec 2017 11:20:13 +0800</pubDate><description><![CDATA[下面记录下如何在Scrapy设置代理。

在Scrapy工程下新建"middlewares.py"，和settings.py同级

#!usr/bin/env  
# -*-coding:utf-8 -*-
class ProxyMiddleware(object):
    # overwrite process request
    def process_request(self, req]]></description><category></category></item><item><title><![CDATA[MySQL 删除重复数据]]></title><link>https://blog.youkuaiyun.com/ff_smile/article/details/78871237</link><guid>https://blog.youkuaiyun.com/ff_smile/article/details/78871237</guid><author>ff_smile</author><pubDate>Fri, 22 Dec 2017 11:18:06 +0800</pubDate><description><![CDATA[昨天遇到一个问题，就是需要删掉一个表里的重复数据，还有就是希望这个表的ID能够连续，因为一旦删掉重复记录，作为自增主键的ID就会不连续了，所以就要想办法搞定

表中数据：



我想要把名字重复的去掉，但是还希望ID能够连续。

首先是将数据库里边的重复记录删掉，我看网上有好多答案是这样的：

1 delete from people 
2 where peopleId in ]]></description><category></category></item><item><title><![CDATA[python爬虫scrapy之如何同时执行多个scrapy爬行任务]]></title><link>https://blog.youkuaiyun.com/ff_smile/article/details/78871228</link><guid>https://blog.youkuaiyun.com/ff_smile/article/details/78871228</guid><author>ff_smile</author><pubDate>Fri, 22 Dec 2017 11:17:09 +0800</pubDate><description><![CDATA[背景：

　　刚开始学习scrapy爬虫框架的时候，就在想如果我在服务器上执行一个爬虫任务的话，还说的过去。但是我不能每个爬虫任务就新建一个项目吧。例如我建立了一个知乎的爬行任务，但是我在这个爬行任务中，写了多个spider，重要的是我想让他们同时运行，怎么办？

小白解决办法：

　　1、在spiders同目录下新建一个run.py文件，内容如下（列表里面最后可以加上参数，如--no]]></description><category></category></item><item><title><![CDATA[Scrapy框架利用CrawlSpider创建自动爬虫]]></title><link>https://blog.youkuaiyun.com/ff_smile/article/details/78871219</link><guid>https://blog.youkuaiyun.com/ff_smile/article/details/78871219</guid><author>ff_smile</author><pubDate>Fri, 22 Dec 2017 11:16:25 +0800</pubDate><description><![CDATA[一、适用条件

   可以对有规律或者无规律的网站进行自动爬取




 二、代码讲解 

 (1)创健scrapy项目





[python] view
 plain copy






E:myweb>scrapy startproject mycwpjt  
New Scrapy project 'mycwpjt', using temp]]></description><category></category></item><item><title><![CDATA[Python BeautifulSoup4 搜索部分]]></title><link>https://blog.youkuaiyun.com/ff_smile/article/details/78871195</link><guid>https://blog.youkuaiyun.com/ff_smile/article/details/78871195</guid><author>ff_smile</author><pubDate>Fri, 22 Dec 2017 11:15:04 +0800</pubDate><description><![CDATA[BeautifulSoup 
bs4主要使用find()方法和find_all()方法来搜索文档。 
find()用来搜索单一数据，find_all()用来搜索多个数据

find_all()与find()

name –> tag名 
string –> 内容 
recursive –>是否搜索所有子孙节点 默认为true 设为false只搜索子节点

两方法用法相似这里以f]]></description><category></category></item><item><title><![CDATA[fiddler filter 过滤css 图片等]]></title><link>https://blog.youkuaiyun.com/ff_smile/article/details/78871174</link><guid>https://blog.youkuaiyun.com/ff_smile/article/details/78871174</guid><author>ff_smile</author><pubDate>Fri, 22 Dec 2017 11:13:39 +0800</pubDate><description><![CDATA[找到 request header-》Show only if yrl contains：



 







1




REGEX:(?insx)/[^\?/]*\.(css|ico|jpg|png|gif|bmp|wav)(\?.*)?$








　　







1




REGEX:(?insx]]></description><category></category></item><item><title><![CDATA[如何在Windows系统中设置Python程序定时运行]]></title><link>https://blog.youkuaiyun.com/ff_smile/article/details/78871132</link><guid>https://blog.youkuaiyun.com/ff_smile/article/details/78871132</guid><author>ff_smile</author><pubDate>Fri, 22 Dec 2017 11:11:16 +0800</pubDate><description><![CDATA[首先，我们肯定是要用到Windows下的【计划任务】功能（注：楼主的系统是Windows8.1，但是Windows7或Windows10情况应该差不多），如下图所示：








之后点击右侧的【创建基本任务】，输入任务名称以及可选的任务描述：









点击下一步，设置任务的开始时间，这个应该没什么难度，我这里设置为每天早上10点运行此计划任务：]]></description><category></category></item><item><title><![CDATA[matplotlib的简单应用]]></title><link>https://blog.youkuaiyun.com/ff_smile/article/details/78119204</link><guid>https://blog.youkuaiyun.com/ff_smile/article/details/78119204</guid><author>ff_smile</author><pubDate>Thu, 28 Sep 2017 08:34:40 +0800</pubDate><description><![CDATA[1.折线图 
  from matplotlib import pylab 
  x = [1,2,3,4,8] 
  y = [5,7,2,1,5] 
  pylab.plot(x,y,'m')#plot（X轴数据，Y轴数据，展现方式：颜色/线条样式） 
  pylab.show() 
   
  （1）线条样式 
  —普通直线 
  –虚线 
  -.      -.形式 
  ：细小虚线]]></description><category></category></item><item><title><![CDATA[pandas的简单应用与数据导入]]></title><link>https://blog.youkuaiyun.com/ff_smile/article/details/78116866</link><guid>https://blog.youkuaiyun.com/ff_smile/article/details/78116866</guid><author>ff_smile</author><pubDate>Wed, 27 Sep 2017 20:28:19 +0800</pubDate><description><![CDATA[创建一列数据import pandas 
a = pandas.Series([8,9,3,1]) 
print(a) 
''' 
输出： 
（下表默认的都是从0开始，在Series（）里可以用index=[]指定下标，下标名必须和列表里数字的个数一样。） 
下标      数据 
0           8 
1           9 
2           3 
3           1]]></description><category></category></item><item><title><![CDATA[numpy的简单应用]]></title><link>https://blog.youkuaiyun.com/ff_smile/article/details/78116255</link><guid>https://blog.youkuaiyun.com/ff_smile/article/details/78116255</guid><author>ff_smile</author><pubDate>Wed, 27 Sep 2017 19:25:27 +0800</pubDate><description><![CDATA[数组 array
  创建一维数组格式 
  array([元素1,元素2,元素3,…,元素n]) 
  例如： 
   import numpy 
      x = numpy.array([1,2,5,7,9]) 
      print(x)#输出[1 2 5 7 9]
  
  一维数组取值 
  print(x[1])#输出2，第二个数，和list的取值方式一样
  
  创建二维数组格]]></description><category></category></item><item><title><![CDATA[如何利用客户端缓存对网站进行优化? If-Modified-Since & If-None-Match]]></title><link>https://blog.youkuaiyun.com/ff_smile/article/details/78091805</link><guid>https://blog.youkuaiyun.com/ff_smile/article/details/78091805</guid><author>ff_smile</author><pubDate>Tue, 26 Sep 2017 09:33:44 +0800</pubDate><description><![CDATA[介绍 
        你的网站在并发访问很大并且无法承受压力的情况下,你会选择如何优化? 
        很多人首先会想从服务器缓存方面着手对程序进行优化,许多不同的服务器缓存方式都有他们自己的特点,像我曾经参与的一些项目中,根据缓存的命中率不同使用过 Com+/Enterprise Libiary Caching/Windows服务,静态文件等方式的服务器端缓存和 HTTP Compre]]></description><category></category></item><item><title><![CDATA[Python在大数据分析及机器学习中的兵器谱]]></title><link>https://blog.youkuaiyun.com/ff_smile/article/details/78084891</link><guid>https://blog.youkuaiyun.com/ff_smile/article/details/78084891</guid><author>ff_smile</author><pubDate>Mon, 25 Sep 2017 14:40:10 +0800</pubDate><description><![CDATA[1.网页爬虫工具集




Scrapy

推荐大牛pluskid早年的一篇文章：《Scrapy 轻松定制网络爬虫》



Beautiful Soup
客观的说，Beautifu Soup不完全是一套爬虫工具，需要配合urllib使用，而是一套HTML/XML数据分析，清洗和获取工具。


Python-Goose
Goose最早是用Java写得，后来用Scala]]></description><category></category></item><item><title><![CDATA[Matplotlib 教程]]></title><link>https://blog.youkuaiyun.com/ff_smile/article/details/78084666</link><guid>https://blog.youkuaiyun.com/ff_smile/article/details/78084666</guid><author>ff_smile</author><pubDate>Mon, 25 Sep 2017 14:24:41 +0800</pubDate><description><![CDATA[Matplotlib 的默认配置都允许用户自定义。你可以调整大多数的默认配置：图片大小和分辨率（dpi）、线宽、颜色、风格、坐标轴、坐标轴以及网格的属性、文字与字体属性等。不过，matplotlib 的默认配置在大多数情况下已经做得足够好，你可能只在很少的情况下才会想更改这些默认配置。




1
2
3
4
5
6
7
8
9



from pylab import *

X ]]></description><category></category></item><item><title><![CDATA[Matplotlib 入门教程]]></title><link>https://blog.youkuaiyun.com/ff_smile/article/details/78084642</link><guid>https://blog.youkuaiyun.com/ff_smile/article/details/78084642</guid><author>ff_smile</author><pubDate>Mon, 25 Sep 2017 14:22:14 +0800</pubDate><description><![CDATA[第一章 Matplotlib 简介

欢迎阅读 Python 3+ Matplotlib 系列教程。 在本系列中，我们将涉及 Matplotlib 数据可视化模块的多个方面。 Matplotlib 能够创建多数类型的图表，如条形图，散点图，条形图，饼图，堆叠图，3D 图和地图图表。

首先，为了实际使用 Matplotlib，我们需要安装它。

如果你安装了更高版本的 Python，你]]></description><category></category></item><item><title><![CDATA[python numpy教程]]></title><link>https://blog.youkuaiyun.com/ff_smile/article/details/78082845</link><guid>https://blog.youkuaiyun.com/ff_smile/article/details/78082845</guid><author>ff_smile</author><pubDate>Mon, 25 Sep 2017 10:47:55 +0800</pubDate><description><![CDATA[基础篇

NumPy的主要对象是同种元素的多维数组。这是一个所有的元素都是一种类型、通过一个正整数元组索引的元素表格(通常是元素是数字)。在NumPy中维度(dimensions)叫做轴(axes)，轴的个数叫做秩(rank)。

例如，在3D空间一个点的坐标[1, 2, 3]是一个秩为1的数组，因为它只有一个轴。那个轴长度为3.又例如，在以下例子中，数组的秩为2(它有两个维度).第一个维]]></description><category></category></item><item><title><![CDATA[Python3之shutil模块]]></title><link>https://blog.youkuaiyun.com/ff_smile/article/details/78081909</link><guid>https://blog.youkuaiyun.com/ff_smile/article/details/78081909</guid><author>ff_smile</author><pubDate>Mon, 25 Sep 2017 09:31:02 +0800</pubDate><description><![CDATA[饭店饭店VCR刚发的vcgrfvc]]></description><category></category></item></channel></rss>