olahiuj的博客

废话写在前面一切都要从一只蝙蝠说起。。正文“你们的作文标题，最好好好学习《renmin日报》的评论，很经典的”（语用：请给三个“好”字注音雾）考虑到评论比较多，就写了一个扒评论标题的东西，然后jieba分词、判断词性，对所得的标题模式去重计数之后按频率降序排序。当然结果不是特别理想，毕竟标题这个东西不太适合分词，太简洁了，就图一乐呵期间尝试了thulac和pkuseg，后面辣个好像装...

背景首先什么是爬虫网络爬虫（又被称为网页蜘蛛，网络机器人，在FOAF社区中间，更经常的称为网页追逐者），是一种按照一定的规则，自动的抓取万维网信息的程序或者脚本。为了拓展视野、接触一些从未接触过的东西(废话)，就有了这篇blog 难道你要我说我是闲得蛋疼来搞搞正咳咳，正题正题基础知识python(废话)urllib和urllib2 库的用法正则表达式挂逼一样的利器大概就是这样了顺便说一下

BG最近搞的一个扒学校题库的评测记录然后扔进数据库的小玩意，打算用matplotlib画个图统计一下玩一玩Code半成品import urllib2 as ubimport pymongoimport redef getPage(url): headers = {'User-Agent': 'Mozilla/5.0 (compatible; MSIE 5.5; Windows NT)'}

BGround抓网页什么的已经很熟♂练♂了，想要搞一搞模拟登陆了正题之前以前一直都是用urllib2的urlopen().read()开网页的，但是经常性的有UrlError这种神奇的错误(字面意思)，搜了很久问了很久就找到了requests 调用的方法大概是import requestsresponse = requests.get(url, headers = headers)print

Description嗯，这次简单点 突然很想看电影，于是就抄起了python搞了一发豆瓣的电影年度清单，顺便统计了评分排名和分类之类的。还算简单吧 16年电影都在这个链接(大概)'https://movie.douban.com/j/search_subjects?type=movie&tag=%E7%83%AD%E9%97%A8&sort=time&page_limit=365&page_s

正文调用itchat访问图灵机器人api聊天的小程序，应付一下过年的刷屏群发 之前搞的alice只能回英语，而且略呆傻 图灵api的key去注册账号就有了，网址戳这里 就是这样Code# -*- coding: utf-8 -*-import requests, jsonimport itchat, aiml, osfrom itchat.content import *@itchat.

最近有点颓，还是写写python缓解一下（不务正业xidea之前看到有拆笔记本屏幕做魔镜的觉得特别神奇，当时记得是要树莓派来着。现在自己搞搞发现百度的语音识别api还不错，加上以前注册的图灵ai大概也能搞个语音聊天机器人，主要还是笔记本上终于带了一个麦克风（哭泣然后搞搞就出来了;-P虽然写得略丑但是还是很有成就感的Code# -*- coding: utf-8 -*...