在抓取网页时遇到了一段报错信息：
|
1 2 3 4 5 6 |
Traceback (most recent call last): File "D:/pythonDevelop/spider/pic_grab.py", line 14, in <module> print(get("http://pp.163 |
Python网络爬虫5 – 图片抓取
这一节看下如何抓取网页中的图片。目标网址是：http://pp.163.com/longer-yowoo/pp/10069141.html。这里有一组我非常喜欢的图片。
要抓取网页首先就要找出图片的网址。这里仍然是使用BeautifulSoup，具体如何使用在前一节《使用BeautifulSoup解析网页》时说过，现在就不说了。看下代码好了：
|
1 2 3 |
Python网络爬虫4 – 多线程抓取
之前的内容已经大致实现了如何获取网页、分析网页、获取目标内容。接下来的目标是如何让网页抓取进行得更效率些。在进行抓取的时候，时间的消耗主要是在请求等待的时间上，所以一个最容易想到的优化方式就是使用多线程。
多线程
多线程的实现还是比较简单的，下面是一个简单的线程实现方案：
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 |
#!python # encoding |
lambda表达式3 – 方法引用
一个实例
使用lambda表达式可以创建简洁的匿名方法。不过，有时候lambda表达式只是简单的调用了已有的方法。此时，使用方法引用无疑是一个更简洁易读的方案。
再来看看之前使用过的Person类：
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 |
public class Person { &nbs |
intellij idea git ignore
使用intellij idea时想将一个文件或目录排除在版本控制外，却找不到add to ignore选项。在使用git时，可以直接编辑.ignore文件，但是还是觉得有些不方便。所以安装一个插件好了：settings –> plugins –> Browse repositories，搜索ignore，选第一个.ignore – VCS INTEGRAT…
关于https的一个错误
前两天我维护的服务出了一个问题，在请求一个连接时发生了Exception：
|
1 2 3 4 5 6 |
Exception in thread "main" javax.net.ssl.SSLPeerUnverifiedException: Host name 'talkingdata.qccr.com' does not match the certificate subject provide |
Python网络爬虫3 – 使用BeautifulSoup解析网页
在第一节演示过如何使用正则表达式截取网页内容。不过html是比正则表达式更高一级的语言，仅仅使用正则表达式来获取内容还是有些困难的。
这次会使用一个新的工具：python的BeautifulSoup库，BeautifulSoup是用来从HTML或XML文件中提取数据的工具。
BeautifulSoup需要先安装才能使用。关于BeautifulSoup安装和使用可…
intellij idea查看scala sdk的源代码
下载源代码
- 点击这个链接：http://www.scala-lang.org/download/all.html；
- 选择需要的版本点击打开；
- 在新打开的网页下方找到源代码下载项：
在intellij idea设置指向源代码
- 在intellij中打开File –> Project Structure，快捷键（Ctrl + Alt + Shift + s）；
- 选择Global Librar
Python网络爬虫2 – 请求中遇到的几个问题
这次尝试下怎样搜索电影并解析出磁力链接信息。
搜索的网址是：https://www.torrentkitty.tv/search/。
开始了！
使用FireFox打开上面的网址，输入要搜索的电影。在点击搜索按钮前记得打开FireBug，并激活“网络”页签。
查看了请求的详情有些哭笑不得：点击搜索按钮后网页跳转到了这样的地址：https://www.torrentki…
Python网络爬虫1 – 简单的Http请求
最近这段时间会有需要写一个网络爬虫。会在这里将实现网络爬虫的经验记录下来。
爬虫什么的，只是一个名字罢了。简单地说，也都是从http请求开始的。
Python实现http请求主要依赖的是urllib.request模块。例如发送http get请求：
|
1 2 3 4 5 |
from urllib import request url = 'http://www.zh |