大家好，我是Python进阶者。...一、前言 前几天在Python铂金交流群【Jethro Shen】问了一个Python自动化办公的问题，提问截图如下： 代码运行后的结果： 他预期的效果是选项和答案部分也需要显示出来，目前看上去还是没有显示出来...】' in run.text: text_list= run.text.replace('\n ','\t\t').replace('【答案】','').split('\t\t')...run.text.replace('\n ','\t\t').split('\t\t') rows += text_list wb.save('1.xlsx') 可以得到预期的效果，...三、总结 大家好，我是皮皮。这篇文章主要盘点了一个Python自动化办公的问题，文中针对该问题，给出了具体的解析和代码实现，帮助粉丝顺利解决了问题。
前言 之前一直对爬虫有兴趣，但是一直没有真正静下心来去好好学习过，这一段时间跟着b站上的一个教程做了自己人生中第一个爬虫程序，还是很有成就感的。...我们安装完python环境以及编译器之后，需要引入我们所需要的的模块 ? 按照这个步骤将我们所需要的的模块安装完成即可。...>') #创建正则表达式对象，表示规则(字符串的模式) #这里我们可以先复制这个红色框中的内容过来，然后用(.*)来替换我们所需要的爬取的内容 这个电影信息的正则表达式爬取规则 import re...首先我们先介绍一下如何存储在Excel中 这里我们就需要用到xlwt这个模块，主要创建Excel文件对象，以及sheet工作对象，之后将我们爬取的数据写进sheet对象之中即可。...所有的代码解释我都放在注释里了，并没有详细说明，如果有需要或者不懂的，可以私聊博主。 这里也贴上B站教学视频地址 ?
我们需要创建一个Spider，必须继承scrapy.Spider，并有下面三个属性： **name:** 用于区别Spider。 该名字必须是唯一的，您不可以为不同的Spider设定相同的名字。...该方法负责解析返回的数据(response data)，提取数据(生成item)以及生成需要进一步处理的URL的 Request 对象。...**css():** 传入CSS表达式，返回该表达式所对应的所有节点的selector list列表. **extract(): **序列化该节点为unicode字符串并返回list。...**re():** 根据传入的正则表达式对数据进行提取，返回unicode字符串list列表。 另外也可以在Shell中调试xpath等，具体的操作在下面，慢慢看。...**强调：**第一次运行的时候，我遇到no module named win32API错误，这是因为Python没有自带访问windows系统API的库的，需要下载第三方库。
,为什么这样写呢?...) # 将上面赋予列表的第一个没有意义的'第一个列表'去掉 all_list.remove(all_list[0]) # 因为这时候标题只剩了99个了,也就是最后一个标题没有获取到...for index in range(len(_id)): # 获取到id # 因为range是从1开始的,但我们取列表需要从0开始,所以用a(好像可以直接循环,但是那时候我没写...# print(index) # 将题目与选项合并后的东西传入emd中...即为列表套字典(格式需要) list_emd[index]['question_txt...文件得到的内容传入列表中,即为列表套列表套字典..
你不需要考虑编码方式，除非文档没有指定一个编码方式，这时，Beautiful Soup就不能自动识别编码方式了。然后，你仅仅需要说明一下原始编码方式就可以了。...： 它返回的不是一个 list，不过我们可以通过遍历获取所有子节点，它是一个 list 生成器对象： for child in soup.body.children: print(child...4)text参数 通过 text 参数可以搜搜文档中的字符串内容，与 name 参数的可选值一样, text 参数接受字符串 , 正则表达式 , 列表, True。...无法解码的字符删除 print(soup_text.div.text.replace('\xa0','')) 运行结果： ? ...链接具体位置放在html->body->div->dd->dl->a的href属性中，例如下图的第759章的href属性为/1_1094/14235101.html，那么该章节的地址为：http://www.biqukan.com
选择正确的答案，将相应的字母填入题内的括号中。每题1分，满分40分。) 6 1. 关于道德的叙述，正确的是( )。...7 （A）道德中的“应该”与“不应该”因人而异，没有共同道德标准 8 （B）道德是处理人与人之间、人与社会之间关系的特殊行为规范 9 （C）道德是现代文明的产物 10 （D）道德从来没有阶级性...第7题的题目，和第19题的选项存在一些特殊的空白字符需要排除， 括号和小数点都同时存在半角和全角两种情况。 ❞ 对于需要注意的第二点： ?...查看一下这2处的空白字符： doc.paragraphs[21].text '7.（\xa0\xa0）是第一家实施六西格玛管理的公司。...从目前测试结果来看没有问题。 保存匹配到的数据到结构化字典 现在我打算将当前匹配出来的文本数据存储成字典形式的结构化数据，字典结构的设计如下： ?
= -1 ); // true indexOf() 方法可返回某个指定的字符串值在字符串中首次出现的位置。如果要检索的字符串值没有出现，则该方法返回 -1。...= -1 ); // true search() 方法用于检索字符串中指定的子字符串，或检索与正则表达式相匹配的子字符串。如果没有找到任何匹配的子串，则返回 -1。 你注意了吗？...; var n = str.replace(/MICROSOFT/i, "fly63"); 请注意正则表达式不带引号。..."; alert(str.replace(/^[\s\uFEFF\xA0]+|[\s\uFEFF\xA0]+$/g, '')); 您还可以使用上面的 replace 方案把 trim 函数添加到 JavaScript...它是只读的。str[0] = "A" 不会产生错误（但也不会工作！）
现在，就不能用match参数指定要获得的那个表格标题——因为这表格没有标题，但是可以将其值设置为“Nominal GDP”，这样依然能匹配到我们想要的表格。...not convert string to float: '−5.9\xa0' 问题的根源在于有一个隐藏字符xa0，它导致了错误，它是一个特殊字符，即“non-breaking Latin1 (ISO...我所使用的一个方法是使用replace直接替换，这种方法奏效了，但我担心它将来是否会与其他字符产生冲突。 在深入研究了Unicode这个坑之后，我决定使用normalize来清理这个值。...我还发现，在其他的一些表格的数据中也有多余的空格。于是编写了一个函数，对所有文本进行清理。...如果你紧跟我的思路，可能已经注意到链式方式调用replace的方法： .replace({'-n/a ': np.nan}) 我这样做的原因是我不知道如何使用第一个字典replace来清理n/a。
如果我使用大写字母Y，答案将是错误的。 If I use capital Y, the answer is going to be False. 字符串是讨论多态性的好地方。...因此，虽然将数字添加到数字中、将字符串添加到字符串中是有意义的，但将字符串添加到数字中或将字符串添加到数字中则没有意义。...为了获得一个包含所有属性的目录，我键入dir、str表示字符串，Python为我提供了一个字符串可用的不同属性的长列表。...让我们找出这个对象的类型——它是一个列表。 Let’s find out the type of this object –it’s a list. 因此，我们可以询问该列表中包含多少对象。...我们还可以执行以下操作： We can also do the following: 我们可以提取列表中的第一个对象，我们可以询问该对象的类型。
从文件或字符串中读取 XML 或 HTML 文档； 使用 XPath 或 CSS 选择器来查找和提取文档中的数据； 解析 XML 或 HTML 文档，并将其转换为 Python 对象或字符串； 对文档进行修改...对象具有xpath的方法，返回结果的列表 html = etree.HTML(text) ret_list = html.xpath("xpath语法规则字符串") xpath方法返回列表的三种情况...返回空列表：根据xpath语法规则字符串，没有定位到任何元素 返回由字符串构成的列表：xpath字符串规则匹配的一定是文本内容或某属性的值 返回由Element对象构成的列表：xpath规则字符串匹配的是标签...另外我们可以看到外文名有一些\xa0/\xa0这样的符号，\xa0 是一个 Unicode 字符，表示非断行空格。我们利用索引取值之后可以用字符串中的strip函数将它给去除。...，如果按照常规方法那样的的话，当没有获取到数据就会报错，为了避免这种情况的发生，可以用异常处理一下，这样就算没有获取到信息也不会报错，程序还是可以继续进行，其他地方像上映年份前后都有 这样的符号
最近整理书目的时候需要根据几百本书的书名整理出对应的出版社、出版时间、ISBN、评分等属性，书单Excel如下图1中的表。...(bsdf['书名']) #书名列表 #bsdf.head(3) 对书名列表进行循环，得到的属性用字典装着，每本书的属性是一个字典，用列表装各个字典。...同样，其他地方也是这样，而作者、出版社那几个属性是结构比较散的，需要特殊处理。 ?...图6，info部分的HTML树 需要得到的是{'出版社’:'中信出版集团'}这样的数据，通过HTML树结构可以看到的特征是键（如出版社）在span里，值可能在text里，也可能封装在span里的子元素里...(':','') if '\xa0' in clw[i]: f=1#需要m.tag=='a'下的值
小技巧 问题 平常我们（也可能只是我自己）把列表中的字符串拿出来，都会先把列表遍历，但是今天我遇到一个小问题，问题是这样的： a = ['a', 'b', 'c', 'd'] c = '' # 如何讲...a中的字符串拼接到c中c='abcd' 错误想法 可能是我太菜了吧，一开始，我是使用遍历，然后累加（突然暴露了我基础不牢靠的缺点，震惊！）...当然，我并不是一有问题就去群里问了，而是苦思冥想了一段时间，才去的，毕竟一有问题就去问，不好，需要有独立思考的过程 灵光一现 突兀的，一个想法就跳入了我的脑袋： 将列表转为字符串，将我不需要的内容通过...然后我就它封装成了一个函数，放在我需要的地方使用。 另一种简单方法？ 当我解决了这个简单的问题后，我就又回到了群里，发现了一个人说就一个方法可以解决，这个方法是：join。...我又单独搜索了一下join方法，发现他可以将列表通过某种字符拼接成一个新的字符串，比如这样： a = ['a', 'b', 'c', 'd'] c = ''.join(a) print(c) # 结果是
除了常规的bug和安全漏洞之外，还有几处方法用法错误，引起了我极大的兴趣。我为什么会对这几个方法这么感兴趣呢？因为它们极具迷惑性，可能会让我们傻傻分不清楚。 1. replace会替换所有字符？...答案：是false。 有些同学可能会反驳，Integer中不是有范围是：-128-127的缓存吗？ 为什么是false？ 先看看Integer的构造方法： ? 它其实并没有用到缓存。...String类型的字符串被称为不可变序列，也就是说该对象的数据被定义好后就不能修改了，如果要修改则需要创建新对象。...5. isEmpty和isBlank的区别 我们在对字符串进行操作的时候，需要经常判断该字符串是否为空。如果没有借助任何工具，我们一般是这样判断的： if (null !...答案是否定的。 为什么呢？ jdk官方说了不存在的情况会返回-1 ? indexOf方法返回的是指定元素在字符串中的位置，从0开始。
python的string模块 1.字符串属性方法操作: 1....，列表和其他序列会被格式化为一个值； 转换说明符，用于标记需要插入转换值的位置； 如果在格式化字符串中要输出百分号，则需要使用 %% 例子： 1: #一般格式化 2: >>> myformat...：完整版 说明：字符串格式化操作符的右操作数如果是元组，那么在格式化字符串 中必须将元组中的各个元素都有对应的转义说明符。...o 不带符号的八进制 u 不带符号的十进制 x 不带符号的十六进制（小写） X 不带符号的十六进制（大写） e 科学计数法的浮点数（小写） E 科学计数法的浮点数（大写） f，F 十进制浮点数 g 如果指数大于...，并且列表中的元素必须是字符 串； 例子： 1: >>> data = list('123456') 2: >>> data 3: ['1', '2', '3', '4', '5', '6'] 4
后来请教了一位大佬怎么解决文件名乱码的问题，他说这个需要正面解决吗？不需要，把文件名全部改掉，文件名永远不要用中文，永远不要。 我想他这么说的话，一定也是凭经验得出来的。...但这个多少解析起来有点麻烦，很多情况下我们是不需要管多音字的，我们只是用它来转换一下名字而已，而处理上面的二维数组又比较麻烦。 所以有没有一个方法直接给我们一个一维列表呢？有！...ming', 'de', 'xiao', 'tu', 'zi'] 这时候观察到得到的是一个列表，并且不再包含音调了。...好，再回到原来的问题，为什么 pinyin 的方法默认带声调，而 lazy_pinyin 方法不带声调，答案就是：它们二者使用的默认风格不同，我们看下它的函数定义就知道了： pinyin 方法的定义如下...errors 参数是有几种模式的： default：默认行为，不处理，原木原样返回 ignore：忽略字符，直接抛掉 replace：直接替换为去掉 \u 的 unicode 编码 callable 对象
提取的方法中很牛逼的正则表达式暂时不涉及，用一个简单的BeautifulSoup，其安装同requests一样，pip install 即可~ 根据上一讲的方法，可以通过审查元素发现文章所有内容都存放在...find_all方法的第一个参数是获取的标签名，第二个参数class_是标签的属性。 最后我们还是发现多了其他的一些标签不是我们想要的。find_all匹配的返回的结果是一个列表。...提取匹配结果后，使用text属性，提取文本内容，滤除br标签。随后使用replace方法，剔除空格，替换为回车进行分段。 在html中是用来表示空格的。...('\xa0'*8,'\n\n')) 这时候我们得到了想要的结果： ?...同样通过审查元素发现全书各个章节存放在了class属性为listmain的div标签下，各章之间差别就在于这些章节的【href】属性不一样，而且其属性正好对应着每一章节URL后半部分，那这样，我们就可以根据标签的
python 3.x中默认str是unicode格式编码的，例如UTF-8字符集。...例如find()、replace()等，但用法上可能会有所区别，比如str.replace()的替换参数期待的是字符，而bytes.replace()的替换参数可能是字节。...另外需要注意的是，编码和解码的过程中都需要指定编码表(字符集)，默认采用的是utf-8字符集。编码过程例如，使用encode()的方式将str编码为bytes数据。...例如，使用utf-8编码"我"字，得到一个bytes序列，然后使用gbk解码这个bytes序列。...如果使用文本编辑器一样的工具去显化这个过程，得到的将是乱码字符。
但我们可以在字符串中用一个百分比符号%s标记出一个占位符，它表示我们将要在该位置插入转换值的位置。s将会被格式化为字符串，如果被转换的对象不是字符串，则会将其转换为字符串。...转换类型 解释 d,i 带符号的十进制整数 o 不带符号的八进制 u 不带符号的十进制 x 不带符号的十六进制 e 科学计数法表示的浮点数(小写) E 科学计数法表示浮点数（大写） f.F 十进制浮点数...： 方法名 解释 案例 find 在一个长的字符串中查找字符串，返回字符串所在位置的最左端的索引，如果没有则返回-1 str='hello world'print(str.find('world'))输出...：6str='hello world'print(str.find('worldd'))输出：-1 join 用来连接列表中的字符串 l=['1','2','3','4','5','6']sep='+'...） str='HELLO WORLD'print(str.lower())输出：hello world replace 返回字符串中所有被匹配项被替换后的所得到的新字符串 str='HELLO WORLD'print
捕捉异常如：网络连接错误，重定向错误等 requests.text http响应内容的字符串形式，即返回的页面内容 r.encoding 从http header 中猜测的相应内容编码方式 #爬取网页内容...,"",'\n','\xa0'] #去除文本中所有标点符号和空格 for i in re_move: txt=txt.replace(i,"") word=jieba.lcut(txt) #选择分词模式...: 需要分词的字符串；cut_all 参数用来控制是否采用全模式；HMM 参数用来控制是否使用 HMM 模型 jieba.lcut 返回list jieba.Tokenizer(dictionary=DEFAULT_DICT...，默认为1 font_path 指定文体文件的路径，默认None max_words 指定词云显示的最大单词数量,默认200 stop_words 指定词云的排除词列表，即不显示的单词列表 mask 指定词云形状...,"",'\n','\xa0'] for i in re_move: txt=txt.replace(i,"") word=jieba.lcut(txt) with open("txt_save.txt
在曾经的以《一念永恒》小说为例进行讲解的 CSDN 文章中，有网友留言道： ? 那么，今天我就再安利一本小说《诡秘之主》。 起点中文网，它的月票基本是月月第一。...在使用这个工具前，我们需要先安装，在 cmd 中，使用 pip 或 easy_install 安装即可。...“发起请求”，得到的结果如下： ?...') 就是找到 id 属性为 list 的 div 标签，chapters.find_all('a') 就是在找到的 div 标签里，再提取出所有 a 标签，运行结果如下： ?...但是，我不建议这样做。 我们要做一个友好的爬虫，如果我们去提速，那么我们访问的服务器也会面临更大的压力。
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
即时通信 IM
ICP备案
对象存储
实时音视频
