一年前突然有个灵感，想搞个强大的网盘搜索引擎，但由于大学本科学习软件工程偏嵌入式方向，web方面的能力有点弱，不会jsp，不懂html，好久没有玩过sql，但就是趁着年轻人的这股不妥协的劲儿，硬是把以前没有学习的全部给学了一遍，现在感觉web原来也就那么回事。好了，废话就..
分类：
编程语言 时间：
2015-12-31 21:18:26
阅读次数：
273
#-*- coding:utf-8 -*-import requestsfrom bs4 import BeautifulSoupimport html5libimport reimport urlliburl1 = 'http://accounts.douban.com/login'url2 = ...
分类：
编程语言 时间：
2015-12-29 21:07:06
阅读次数：
309
最近在使用Python爬取网页内容时，总是遇到JS临时加载、动态获取网页信息的困难。例如爬取CSDN下载资源评论、搜狐图片中的“原图”等，此时尝试学习Phantomjs和CasperJS来解决这个问题。这第一篇文章当然就是安装过程及入门介绍，主要先介绍Phantomjs安装过程及常见用法，参考官方文...
分类：
编程语言 时间：
2015-12-18 06:56:32
阅读次数：
378
我自认为这是自己写过博客中一篇比较优秀的文章，同时也是在深夜凌晨2点满怀着激情和愉悦之心完成的。首先通过这篇文章，你能学到以下几点： 1.可以了解Python简单爬取图片的一些思路和方法 2.学习Selenium自动、测试分析动态网页和正则表达式的区别和共同点 3.了解作者最近学习得比较多的搜索引擎...
分类：
编程语言 时间：
2015-12-18 06:54:39
阅读次数：
1120
该篇文章主要介绍在Windows下通过Selenium+Python实现自动访问Firefox和Chrome并实现访问百度自动搜索并截图的功能。这是一个使用Selenium的简单应用，并附有详细的注释，参考官方文档，希望对你有所帮助~
分类：
编程语言 时间：
2015-12-18 06:53:14
阅读次数：
442
作为一名从小就看篮球的球迷，会经常逛虎扑篮球及湿乎乎等论坛，在论坛里面会存在很多精美图片，包括NBA球队、CBA明星、花边新闻、球鞋美女等等，如果一张张右键另存为的话真是手都点疼了。作为程序员还是写个程序来进行吧！所以我通过Python+Selenium+正则表达式+urllib2进行海量图片爬取。...
分类：
编程语言 时间：
2015-12-18 06:53:13
阅读次数：
373
本文主要是自己的在线代码笔记，在生物医学本体Ontology构建过程中，我使用Selenium定向爬取生物医学PubMed数据库的内容。PubMed是一个免费的搜寻引擎，提供生物医学方面的论文搜寻以及摘要。它的数据库来源为MEDLINE（生物医学数据库），其核心主题为医学，但亦包括其他与医学相关的领...
分类：
编程语言 时间：
2015-12-18 06:53:06
阅读次数：
449
最近研究搜索引擎、知识图谱和Python爬虫比较多，中文乱码问题再次浮现于眼前。虽然市面上讲述中文编码问题的文章数不胜数，但是此处还是准备简单做下笔记。方便以后查阅和大家学习。主要包括raw_input输入、文件读取、变量比较等str、unicode、utf-8转换问题。 纪伯伦曾说过：“你无法同时...
分类：
编程语言 时间：
2015-12-18 06:50:55
阅读次数：
483
前面我讲述过如何通过BeautifulSoup获取维基百科的消息盒，同样可以通过Spider获取网站内容，最近学习了Selenium+Phantomjs后，准备利用它们获取百度百科的旅游景点消息盒（InfoBox），这也是毕业设计实体对齐和属性的对齐的语料库前期准备工作。希望文章对你有所帮助~
分类：
编程语言 时间：
2015-12-18 06:50:03
阅读次数：
486
