爬虫框架Scrapy学习笔记-1

news2024/11/25 4:51:36

前言

在现代互联网时代，网页数据获取和处理已经成为了重要的技能之一。无论是为了获取信息、做市场研究，还是进行数据分析，掌握网页爬取和数据处理技术都是非常有用的。本文将介绍从网页加载到数据存储的完整过程，包括网络请求、数据解析、反爬措施、多任务异步爬虫、数据存储和面向对象编程等内容。通过本文的学习，读者将能够掌握从网页上收集信息的基本原理和技术，以及如何将这些信息进行处理和存储。

网页加载的全过程

假设我们在浏览器输入www.example.com这个网址并回车,会发生以下过程:

  1. 浏览器检查本地缓存,看看这个网页是否访问过,如果访问过就直接显示本地缓存内容,不用再到服务器请求。
  2. 如果没有本地缓存,浏览器就创建一个HTTP请求,请求www.example.com这个服务器上的网页。
  3. 请求发出去,服务器接收到请求后查找网页文件,找到后把网页文件的内容放入HTTP响应返回给浏览器。
  4. 浏览器接收到服务器返回的HTML内容,就像得到一块土豆一样,先要洗干净、切块,才能烹饪。浏览器也要解析HTML、CSS、JS,才能显示出漂亮的界面。
  5. 浏览器会生成DOM树来存储HTML标签结构,生成CSSOM树来存储CSS样式规则。
  6. 浏览器执行页面的JavaScript代码,这可能会修改DOM或CSSOM。
  7. 浏览器会将DOM和CSSOM整合形成一棵渲染树,确定每个节点的样式和坐标。
  8. 按渲染树来布局,计算每个节点的大小和位置,然后把页面绘制出来。
  9. 把绘制好的页面显示在浏览器窗口。
  10. 当我们点击、输入时,浏览器会实时响应,重新执行JavaScript、调整样式、重新布局、重绘页面。

我用通俗易懂的语言,详细再给你解释一遍网页的加载过程:

  1. 小明输入网址,按下回车键,浏览器听到后开始工作。
  2. 浏览器先看看小明是不是之前来过这个网站,如果来过就拿出旧网页给小明看。
  3. 如果没来过,浏览器就给网站服务器发个邮件,说想看看你家的网站,请把网页的内容回复我。
  4. 网站服务器收到浏览器的邮件,找到网页文件后封入信封回邮给浏览器。
  5. 浏览器收到服务器的回信,把信封打开,里面是一堆代码和图片之类的。
  6. 浏览器把这些代码和图片像积木一样拼在一起,先建立一个DOM树结构,再确定CSS样式,然后把两棵树合成一棵渲染树。
  7. 浏览器按渲染树计算每个部分的位置和大小,然后把网页画出来。
  8. 把画好的网页拿给小明看,小明开心地浏览网页了。
  9. 如果小明点击网页或者输入内容,浏览器会重新执行代码,重绘页面。

网页加载的渲染的两种形式:

  1. 服务器端渲染
  • 服务器收到客户端请求后,使用服务器语言(如PHP)生成整合了数据的HTML内容。
  • 这样浏览器拿到的源代码中已经包含了需要展示的数据。
  1. 客户端渲染
  • 浏览器拿到服务器返回的HTML源代码后,开始解析和渲染。
  • 通过执行JavaScript代码,可以实现网页的动态效果和交互。
  • 数据和页面内容的整合在浏览器本地完成。
  • 这样的渲染方式需要通过F12-network，在Fetch/XHR或JS中寻找需要的数据。
  • preserver log可以记录你访问过的页面，打钩可避免网页302，重定向造成的影响

区分服务器端和客户端渲染非常重要。服务器端渲染可以减轻客户端压力,客户端渲染可以提供更好的交互体验。现代网页开发通常会结合两种渲染方式的优点。

Network面板中的各部分:

  1. Headers
    请求头和响应头,显示了请求和响应的所有HTTP头信息,包括通用头和自定义头。重要的头会展开显示,如User-Agent, Cookie, Referer等。
  2. Payload
    请求Payload显示发送给服务器的数据体,比如POST请求的表单数据或JSON体。
    响应Preview显示接收到的响应结果内容,比如HTML代码,图片文件,JSON数据等。
  3. Cookies
    请求Cookies显示请求头中Cookie相关信息。
    响应Cookies显示响应头设置的Cookie内容。
    可查看Cookie的传递过程。
  4. Initiator
    显示发起该请求的资源信息,比如HTML标签引入的img/script/link等。
    可了解资源之间的依赖关系。
  5. Timing
    累积持续时间:整个请求过程总计耗时。
    块级别时间明细:分别显示队列、域名解析、TCP连接、TLS安全连接、请求响应等每个阶段的耗时。
    方便找出性能瓶颈。
  6. Response
    显示响应状态码(200, 404等)和响应来源(服务端响应,浏览器缓存等)
    可快速识别请求是否成功。
  7. 筛选条件
    可按方法,域名,类型,文本等条件进行过滤,组合使用可保存筛选条件。

requests库的用法:

安装

pip install requests

GET请求

GET请求用于获取服务器的数据。它通过URL的参数传递请求数据。

import requests

params = {'key1': 'value1', 'key2': 'value2'}

response = requests.get('http://httpbin.org/get', params=params)
print(response.url)
# http://httpbin.org/get?key1=value1&key2=value2

requests会将params字典类型自动转换为url参数。
也可以直接将参数拼接到url中:

import requests

response = requests.get('http://httpbin.org/get?key1=value1&key2=value2')

百度搜索实例

https://www.baidu.com/s?tn=85070231_38_hao_pg&wd=总结
https://www.baidu.com/s?tn=85070231_38_hao_pg&wd=%E6%80%BB%E7%BB%93
params = {‘tn’: ‘85070231_38_hao_pg’, ‘wd’: ‘总结’}
在这里插入图片描述

POST请求

POST请求用于向服务器发送数据。它通过请求体传递参数。

import requests

data = {'key1': 'value1', 'key2': 'value2'}

response = requests.post('http://httpbin.org/post', data=data)
print(response.text)
# {
#   "form": {
#     "key1": "value1",
#     "key2": "value2"
#   }
# }

requests会自动编码data字典为表单格式。
也可以直接传递字符串:

data = 'key1=value1&key2=value2'
response = requests.post('http://httpbin.org/post', data=data)

此外,还可以传递JSON数据:

import json

data = {'key1': 'value1', 'key2': 'value2'}
data = json.dumps(data) 

response = requests.post('http://httpbin.org/post', data=data)

两种不同实例

Form Data形式
http://www.xinfadi.com.cn/priceDetail.html data = {‘key1’:‘value1’, ‘key2’: ‘value2’}

response = requests.post(‘http://httpbin.org/post’, data=data)
传递字典即可
在这里插入图片描述

Request Payload形式
能直观的看到是json类型的数据
两种方案

  1. requests.post(url,json={字典})
  2. requests.post(url,data=json.dumps({字典}),
    headers={ “Content-Type” : “application/json; charset=UTF-8” })
    在这里插入图片描述

HTTP状态码

  1. 200系列 - 请求成功,表示服务器成功处理了请求。常见有:
  • 200 OK - 一般请求成功返回此代码
  • 204 No Content - 请求成功但无内容返回
  1. 300系列 - 重定向,表示资源已被分配了新的URI。常见有:
  • 301 Moved Permanently - 永久重定向
  • 302 Found - 临时重定向->location
  • 304 Not Modified - 资源未修改,直接使用缓存
  1. 400系列 - 客户端错误,表示请求存在语法错误或无法完成请求。常见有:
  • 400 Bad Request - 请求报文存在语法错误
  • 401 Unauthorized - 需要身份认证信息
  • 403 Forbidden - 服务器拒绝请求
  • 404 Not Found - 请求资源不存在
  1. 500系列 - 服务器内部错误,表示服务器无法完成请求。常见有:
  • 500 Internal Server Error - 服务器内部错误
  • 503 Service Unavailable - 服务器暂时过载或维护

简单的反爬操作:

请求头:

  • User-Agent:标识客户端浏览器信息,可用于反爬检测,表示用户用什么设备发送的请求。

    • 直接从浏览器复制,用于伪装访问设备。

  • Cookie:网站用于跟踪会话,可检测非正常Cookie来实现反爬，是服务器记录在浏览器上的一个字符串，写入在本地的一个文件中，作用是和服务器保持住会话，在服务器端叫session。（HTTP请求是无状态请求）

      1. 从浏览器直接复制,适用于简单场景。
      1. 使用requests.session()自动保持会话,处理set-cookie,适用于复杂场景。如果网页使用Js维护Cookie,需要自己额外处理。

  • Referer:标识来源页面,用来检测上一个url是什么,可检测Referer来防止盗链。

    • 直接复制来源页面URL,用于伪造访问来源。

  • 网页自定义参数:这是最难处理的,需要通过逆向工程分析参数算法,找到生成参数的代码逻辑。

响应头:

  • Location:302重定向地址,可设置跳转难以解析的页面用于反爬。
  • Set-Cookie:设置Cookie,可用于保存难以伪造的Cookie实现访问控制。
  • 网站还可以在这些头部中添加各种参数,来进行访问验证、opensession遥测等,以识别爬虫行为。

requests.Session的用法:

创建Session对象

import requests

session = requests.Session()

首先导入requests模块,然后调用requests.Session()来创建一个Session对象。

设置请求头

可以通过Session对象的headers属性预设请求头,这些头信息将会应用于该Session实例发出的所有请求:

session.headers = {
  'User-Agent': 'Mozilla/5.0',
  'Authorization': 'Bearer xxxxxxxxxxxxx' 
}

设置Cookies

session.cookies.update({
  'name': 'value',
  'foo': 'bar'
})

通过Session的cookies属性可以预设请求中的Cookies。

发送请求

response = session.get(url, params=params)
response = session.post(url, data=data)

可以使用Session对象的get()、post()等方法发送请求。

关闭Session

session.close()

当Session使用完后,可以调用close()方法关闭该Session对象。
相比直接使用requests.get()/post()等函数,使用Session对象的好处是:

  • 避免重复传参,提高效率
  • 自动处理Cookies,实现状态保持
  • 方便REQUESTS头及Cookies的管理

数据解析方法

三种解析HTML数据的方法:

  1. 正则表达式re
  • 在html中获取到js的一部分代码(字符串)
  • 使用re.compile()编译正则表达式
  • re.findall()方法根据正则在文本中提取匹配内容
  • 适用于从文本中提取固定模式的字符串
import re

html = '<script>var data = "abc"</script>'

pattern = re.compile(r'var data = "(.*)"') 
result = pattern.findall(html)
  1. 调用xpath()提取指定节点
  • 用来解析常规的html结构.
  • 可以获取属性、文本等信息
  • 处理速度快
from lxml import etree

html = etree.HTML(resp.text)
result = html.xpath('//li/text()')

etree的xpath默认返回的是列表.

if ret:
	ret[0]
else:
	XXX
  1. BeautifulSoup
  • 创建BeautifulSoup对象解析.xml,.svg
  • 使用find()/find_all()搜索文档树
  • 获取name、attrs、text等信息
  • 可以处理不规整文档
from bs4 import BeautifulSoup

soup = BeautifulSoup(html, 'lxml')
result = soup.find_all('li')

综合来说,正则适合提取固定模式字符串,lxml解析速度快,BeautifulSoup可以应对“烂”文档。

json和jsonp的解析方法:

  1. JSON数据解析
  • 从响应中获取JSON字符串
resp_text = response.text
  • 尝试直接加载解析
try:
    data = response.json() 
except:
    # 处理异常
  • 如果失败,则手动加载解析
import json

data = json.loads(resp_text )
  • 在解析前,一定要打印检查resp_text 确认是标准JSON格式,才进行解析。
  • 如果遇到反爬．你很可能拿到的东西和抓包工具不一致.
  • 切记，先打印resp_text ．确定好你的返回的内容是json格式，才开始转化
  1. JSONP数据解析
  • JSONP格式如:XXXXXX({json}) => {json}
  • 想办法去掉左右两端的XXXXXX( )=>得到的就是json
  • “XXXXXX({json}) “.replace(“XXXXXX(”，””)[:-1]
  • 需要去除方法调用部分,保留JSON字符串
  • 得到JSON字符串后,加载解析
    在这里插入图片描述
    在这里插入图片描述
    以上两张图可以看出XXXXXX为callback值

多任务异步爬虫．多线程，多进程，协程异步I/O

  1. 区别
  • 多线程:线程之间共享进程内存空间,线程切换成本低,适合I/O密集作业。但线程不安全,需要锁机制。
  • 多进程:进程有独立内存, Kosten比线程高,适合CPU密集作业。进程间通信复杂,需要IPC。
  • 协程:在单线程中以异步方式实现并发,减少切换带来的消耗。适合I/O密集场景,可大幅提升效率。
  1. 适用场景
  • 多线程:爬取大量小页面,线程间共享解析函数等。
  • 多进程:爬取数据规模巨大,CPU密集型数据处理。
  • 协程:需要大量I/O操作的异步爬虫,提高并发量。
  1. 实现难度
  • 多线程:线程模块较为简单,难点在线程安全和死锁问题。
  • 多进程:进程间通信和数据传递实现复杂度高。
  • 协程:需理解异步语法,错误调试难度较大。

多线程

  • 原理:导入threading模块,用Thread类创建线程。线程间共享进程内存空间,互不影响,可同时执行。
  • 实例:
from threading import Thread
import requests

def crawl(url):
    r = requests.get(url)
    print(r.text)

t1 = Thread(target=crawl, args=('url1',))
t2 = Thread(target=crawl, args=('url2',))
t1.start()
t2.start()

多进程

  • 原理:导入multiprocessing模块,用Process类创建进程。进程有独立内存空间,需要通过Queue、Pipe等方式通信。
  • 实例:
from multiprocessing import Process, Queue

def crawler(q):
    data = crawl_page() 
    q.put(data)

q = Queue()
p1 = Process(target=crawler, args=(q,))
p2 = Process(target=crawler, args=(q,))
p1.start() 
p2.start()

协程异步I/O

  • 原理:使用async/await语法,进行异步编程。遇await切换到其他协程,不阻塞程序执行。
  • 实例:
import asyncio

async def fetch(url):
    print('fetching')
    return await aiohttp.get(url)
    
async def main():
    await fetch(url1)
    await fetch(url2)
    
loop = asyncio.get_event_loop()
loop.run_until_complete(main())

数据存储

CSV

  • CSV适合存储表格化数据,如电商订单、用户信息等
  • 可以用Excel等软件方便编辑和查看数据
  • 支持数据交换,可以导入到数据库或其他系统
  • Python中常用csv模块操作
import csv

# 写入CSV文件
with open('data.csv', 'w', newline='') as csvfile:
    writer = csv.writer(csvfile)
    
    # 写入标题行  
    writer.writerow(['ID', 'Name', 'Age'])  
    
    # 写入数据行
    writer.writerow(['1', '张三', 20])
    writer.writerow(['2', '李四', 25])
    
# 读取CSV文件    
with open('data.csv', 'r') as csvfile:
    reader = csv.reader(csvfile)
    
    # 读取标题    
    headers = next(reader)  
    
    # 读取每行数据
    for row in reader:
        print(row)
  • 字典写入CSV
import csv

with open('data.csv', 'w', newline='') as f:
    fieldnames = ['id', 'name', 'age']
    writer = csv.DictWriter(f, fieldnames=fieldnames)

    writer.writeheader()
    writer.writerow({'id': 1, 'name': '张三', 'age': 20})
    writer.writerow({'id': 2, 'name': '李四', 'age': 25})
  • Pandas读写CSV并存入Excel
import pandas as pd

df = pd.read_csv('data.csv')
df.to_csv('new_data.csv', index=False)
df.to_excel( "hehe.xls", header=False,index=False)

csv本质是文本文件

f = open("data.csv", modew" , encoding="utf-8")f.write("1")
f.write(" , ")
f.write("张三")
f.write(" , ")
f.write( '"张,三"')
f.write(" , ")
f.write("5000")
f.write(" \n ")
f.write(" , ")
f.write("张四")
f.write(" , ")
f.write( '"张,四"')
f.write(" , ")
f.write("5030")
f.write(" \n ")
import pandas
r = pandas.read_csv ( "data.csv " , sep="," , headen=None)
print(r)
r.to_excel( "hehe.xls", header=False,index=False)

MySQL

  • 数据类型:整型、字符串、日期时间等,设置符合存储需求的字段类型
  • 查询语句:SELECT与WHERE过滤数据,ORDER BY排序,LIMIT分页
  • 联表查询:INNER JOIN,LEFT/RIGHT JOIN 等方式联结多个表GetData
  • 事务处理:START TRANSACTION到COMMIT,处理包含多条SQL语句的事务
  • Python中操作:
import pymysql

# 连接数据库
conn = pymysql.connect(host='localhost', user='root', passwd='123456', db='test')

# 插入数据
cursor = conn.cursor()
cursor.execute("INSERT INTO tb_user VALUES (NULL, '张三', 25)") 
conn.commit()

# 查询数据
cursor.execute("SELECT * FROM tb_user")
result = cursor.fetchall()
print(result)

MongoDB

  • 文档存储:JSON格式灵活存储数据
  • 数据模式自由,无需定义表结构
  • 丰富的查询语言:正则匹配、树形查询、地理位置查询等
  • Python中操作:
from pymongo import MongoClient

# 连接Mongodb
client = MongoClient('localhost', 27017)
collection = client['testdb']['user']

# 插入文档
data = {'name': '张三', 'age': 25}
collection.insert_one(data)

# 查询文档  
results = collection.find({'age': {'$gt': 20}}) 
for result in results:
    print(result)

Redis

  • 键值对存储,value支持多种数据结构
  • 提供字符串、哈希、列表、集合、有序集合5种数据结构操作
  • 支持事务,具有原子性
  • 丰富的功能:发布订阅、LRU过期等
  • Python中操作:
import redis

# 连接Redis
r = redis.StrictRedis(host='localhost', port=6379, db=0)

# 字符串操作
r.set('username', '张三') 

# 散列操作
r.hset('user', 'name', '张三')  

# 列表操作
r.lpush('list', 1,2,3)

面向对象编程

编程思想的转变

目前我们编写的代码属于面向过程:

  1. 获取页面源代码
  2. 解析页面源代码
  3. 存储数据

面向过程注重步骤,按照顺序一步步实现功能。
类似我要喝可乐的过程:

  1. 从沙发上起来
  2. 走到冰箱门前
  3. 拿出可乐
  4. 喝一口
  5. 关上冰箱门

面向对象思维

面向对象编程核心在于思维方式的转变:

  • 你要操纵对象,让对象给你干活
  • 最终结果都是能喝到可乐
  • 让对象去操作

要实现面向对象需要:

  1. 定义对象
  2. 让对象会进行操作

程序员可以自由构思创造对象,然后定义对象的属性和方法。

创建对象

在Python中通过类(Class)可以创建对象,类是对象的模板,包含对象的属性和方法。
定义一个类:

class Cat:

  def __init__(self, name, age):
    self.name = name
    self.age = age

  def meow(self):
    print("喵喵喵")
    
tom = Cat("汤姆", 3)
tom.meow()

面向对象编程可以提高代码的封装性、继承性和可维护性。需要转换编程思维方式,主要关注对象和类的设计。

总结

本文全面介绍了网页加载、数据处理和存储的关键概念和技术。无论是初学者还是有一定经验的开发者，都能从中受益匪浅。通过掌握这些技能，读者可以更有效地收集和处理网络数据，为各种应用场景提供有力支持。无论是进行数据分析、信息收集、还是网站开发，本文提供了重要的基础知识和实用技巧。希望读者能够积极学习和实践，不断提升自己的技能水平。

特别声明：
此教程为纯技术分享！本教程的目的决不是为那些怀有不良动机的人提供及技术支持！也不承担因为技术被滥用所产生的连带责任！本教程的目的记录分享学习技术的过程

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/1015223.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

银河麒麟操作系统安装人大金仓数据库--九五小庞

银河麒麟操作系统安装人大金仓数据库--九五小庞

一、环境要求 硬件&#xff1a;内存512M以上&#xff0c;磁盘空间10G以上软件&#xff1a;主流Linux操作系统&#xff0c;本机使用kylin-v10安装包准备&#xff1a;官网下载数据库文件镜像以及授权文件 https://www.kingbase.com.cn/rjcxxz/index.htm 二、配置内核参数 vim /e…
阅读更多...
Windows11 环境安装Gradle

Windows11 环境安装Gradle

Gradle和maven对比 maven 经典好用&#xff0c;约定大于配置的方式&#xff0c;使其上手简单&#xff0c;但灵活性稍差。 使用xml配置方式管理依赖&#xff0c;看起来稍丑。 在大型项目上&#xff0c;每次编译都要重新执行所有步骤会导致耗时很长。 Gradle 更加现代的构建工具…
阅读更多...
高阶数据结构(2)-----红黑树(未完成)

高阶数据结构(2)-----红黑树(未完成)

一)红黑树的基本概念和基本性质: 1)红黑树就是一种高度平衡的二叉搜索树&#xff0c;但是在每一个节点上面都增加了一个存储位来表示结点的颜色&#xff0c;可以是红色或者是黑色&#xff0c;通过对任何一条从根节点到叶子节点上面的路径各个节点着色方式的限制&#xff0c;红黑…
阅读更多...
【LeetCode热题100】--283.移动零

【LeetCode热题100】--283.移动零

283.移动零 使用双指针&#xff1a; class Solution {public void moveZeroes(int[] nums) {if(nums null){return ;}int j 0;for(int i 0;i<nums.length;i){//当前元素不为0时&#xff0c;就把其交换到左边&#xff0c;等于0的交换到右边if(nums[i] ! 0){int tmp nums…
阅读更多...
在华为云服务器上安装单机版Redis

在华为云服务器上安装单机版Redis

https://redis.io/是官网地址。 点击右上角的Download。 可以进入https://redis.io/download/——Redis官网下载最新版的网址。 然后在https://redis.io/download/页面往下拉&#xff0c;点击下图超链接这里。 进入https://download.redis.io/releases/下载自己需要的安装包…
阅读更多...
4795-2023 船用舱底水处理装置 学习记录

4795-2023 船用舱底水处理装置 学习记录

声明 本文是学习GB-T 4795-2023 船用舱底水处理装置. 而整理的学习笔记,分享出来希望更多人受益,如果存在侵权请及时联系我们 1 范围 本文件规定了船用舱底水处理装置(以下简称处理装置)中舱底水分离器(以下简称分离器)和舱底 水报警装置(以下简称报警装置)的要求、试验方法…
阅读更多...
mysql 注入之权限

mysql 注入之权限

SQL注入之高权限注入 在数据库中区分有数据库系统用户与数据库普通用户,二者的划分主要体现在对一些高级函数与资源表的访问权限上。直白一些就是高权限系统用户拥有整个数据库的操作权限,而普通用户只拥有部分已配置的权限。 网站在创建的时候会调用数据库链接,会区分系统用…
阅读更多...
面相面试知识--Lottery项目

面相面试知识--Lottery项目

面相面试知识–Lottery项目 1.设计模式 为什么需要设计模式&#xff1f; &#xff08;设计模式是什么&#xff1f;优点有哪些&#xff1f;&#xff09; 设计模式是一套经过验证的有效的软件开发指导思想/解决方案&#xff1b;提高代码的可重用性和可维护性&#xff1b;提高团…
阅读更多...
一文详解二叉搜索树

一文详解二叉搜索树

数据结构-二叉查找树 前言 **摘自百度百科&#xff1a;**二叉查找树&#xff08;Binary Search Tree&#xff09;&#xff0c;&#xff08;又&#xff1a;二叉搜索树&#xff0c;二叉排序树&#xff09;它或者是一棵空树&#xff0c;或者是具有下列性质的二叉树&#xff1a; 若…
阅读更多...
SpringBoot运维实用篇

SpringBoot运维实用篇

SpringBoot运维实用篇 ​ 基础篇发布以后&#xff0c;看到了很多小伙伴在网上的留言&#xff0c;也帮助超过100位小伙伴解决了一些遇到的问题&#xff0c;并且已经发现了部分问题具有典型性&#xff0c;预计将有些问题在后面篇章的合适位置添加到本套课程中&#xff0c;作为解…
阅读更多...
怎么将自己的Maven项目上传到Maven中央仓库/Maven阿里云云效仓库

怎么将自己的Maven项目上传到Maven中央仓库/Maven阿里云云效仓库

前言 对于工作了多年的老程序员来说&#xff0c;往往会总结出一些比较好用的开发工具包。那么如果把这些好的工具插件共享出来供大家快速的使用呢&#xff0c;最好的方式就是将这些工具插件上传到Maven中央仓库/Maven阿里云云效仓库&#xff0c;这样&#xff0c;有需要用到这些…
阅读更多...
泰语同声翻译一天多少钱呢

泰语同声翻译一天多少钱呢

我们知道&#xff0c;泰语同声翻译是指在涉外会议、展览会、商务洽谈等场合中广泛使用的翻译服务。活动中&#xff0c;专业的翻译人员在场内提供及时的泰语口译服务&#xff0c;使听众能够及时地理解讲话者的内容。那么&#xff0c;泰语同声翻译一天多少钱呢&#xff1f;如何做…
阅读更多...
BeanFactory与ApplicationContext

BeanFactory与ApplicationContext

BeanFactory与ApplicationContext的区别 使用Alt Ctrl U查看java类图 什么是BeanFactory接口 他是ApplicationContext的父接口他才是Spring 的核心容器&#xff0c;主要的ApplicationContext功能的实现都间接通过BeanFactory接口来实现 在ApplicationContext类中方法的实现是…
阅读更多...
数据结构与算法(C语言版)P4---顺序表、链表总结

数据结构与算法(C语言版)P4---顺序表、链表总结

顺序表和链表&#xff08;双向带头链表&#xff09;的区别 顺序表&#xff1a; 优点&#xff1a; 支持随机访问。需要随机访问结构支持算法可以很好的使用。cpu高速缓存利用率&#xff08;命中率&#xff09;更高。存储密度高 缺点&#xff1a; 头部中部插入删除时间效率低。…
阅读更多...
数据结构与算法面试

数据结构与算法面试

1、链表反转 需要三个指针&#xff0c;一个pre指针指向反转的前一个节点&#xff0c;cur指向要反转的节点&#xff0c;然后设置有一个temp指针指向需要反转的下一个节点&#xff0c;用来使得cur指针移动&#xff0c;因为我们反转之后&#xff0c;无法使用next指针访问到后一个节…
阅读更多...
【三维重建】3D Gaussian Splatting：实时的神经场渲染

【三维重建】3D Gaussian Splatting：实时的神经场渲染

文章目录 摘要一、前言二、相关工作1.传统的场景重建与渲染2.神经渲染和辐射场3.基于点的渲染和辐射场4.*什么是 Tile-based rasterizer (快速光栅化) 三、OVERVIEW四、可微的三维高斯 Splatting五、三维高斯 自适应密度控制的优化1.优化2.高斯的自适应控制 六、高斯分布的快速…
阅读更多...
计算机是如何工作的(上篇)

计算机是如何工作的(上篇)

计算机发展史 世界上很多的高科技发明,来自于军事领域 计算机最初是用来计算弹道导弹轨迹的 弹道导弹 ~~国之重器,非常重要 两弹一星 原子弹,氢弹,卫星(背后的火箭发射技术) 计算弹道导弹轨迹的计算过程非常复杂,计算量也很大 ~~ 但是可以手动计算出来的(当年我国研究两弹一…
阅读更多...
【深度学习】Pytorch 系列教程（九）：PyTorch数据结构：2、张量操作（Tensor Operations）：（3）张量变形

【深度学习】Pytorch 系列教程（九）：PyTorch数据结构：2、张量操作（Tensor Operations）：（3）张量变形

目录 一、前言 二、实验环境 三、PyTorch数据结构 0、分类 1、张量&#xff08;Tensor&#xff09; 2、张量操作&#xff08;Tensor Operations&#xff09; 1. 数学运算 2. 统计计算 3. 张量变形 展开张量&#xff1a;flatten 改变张量的形状&#xff1a;view 改变…
阅读更多...
TDE和数据脱敏功能介绍

TDE和数据脱敏功能介绍

TDE(Transparent Data Encryption)和数据脱敏(Data Masking)是两种常见的数据安全技术&#xff0c;它们在保护敏感数据和增强数据隐私方面起着至关重要的作用。接下来&#xff0c;将对这两种技术进行详细的介绍。 TDE&#xff0c;全称透明数据加密(Transparent Data Encryption…
阅读更多...
Golang编写自定义IP限流中间件

Golang编写自定义IP限流中间件

目录 基于令牌桶的限流算法实现高并发限流&#xff08;使用golang官方限流器&#xff09;Go代码测试记录ab -t 1 -c 1 http://127.0.0.1:8080/api/resource结果预测&#xff1a;1秒内最多生成10个令牌&#xff0c;而总共有20个串行的请求&#xff0c;结果应该是1个成功&#xf…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023