Python
Python Scrapy 爬虫入门：爬取网络小说实战
使用 Python Scrapy 框架爬取网络小说的实战教程。通过安装 Scrapy 创建项目，解析起点中文网和 23 小说网的 HTML 结构，提取章节标题与正文内容，并按序号保存为本地文件。教程涵盖基础环境搭建、XPath 选择器应用及数据持久化方法，同时强调尊重版权与支持正版的重要性。
分类：编程语言 · Python
PythonAI算法
使用 Python 搭建量化交易策略指南
综述由AI生成该教程介绍了使用 Python 进行量化交易的基础流程。内容包括从 Quandl API 获取股票数据、进行探索性数据分析、计算移动平均线以及构建简单的双均线交叉交易策略。通过 Pandas 和 Matplotlib 库实现数据的处理与可视化，展示了如何生成买卖信号并回测策略表现。
Python算法
Python 实现《点燃我，温暖你》同款跳动爱心动画
综述由AI生成使用 Python 的 tkinter 库绘制了一个跳动的红色爱心动画。通过数学公式生成心形坐标，结合随机抖动和扩散效果模拟心跳节奏。代码包含核心函数定义、画布设置及渲染逻辑，可直接运行查看效果。适合用于学习 Python 图形界面编程及数学可视化应用。
PythonAI算法
Python 基础环境安装与 Jupyter Notebook 使用指南
综述由AI生成Python 基础环境在 Windows 和 Mac 系统的安装步骤详解，包括版本选择、环境变量配置及验证。Jupyter Notebook 的安装命令、国内镜像源加速方法及基本界面操作说明。此外介绍了数据分析、办公自动化、爬虫等领域常用的 Python 第三方库及其安装方式，并提供实战练习建议。
PythonAI
Python 使用 xlrd 读取 Excel 文件基础教程
使用 Python 的 xlrd 库可以方便地读取 Excel 文件。首先通过 pip 安装 xlrd 并导入。接着使用 open_workbook 打开.xls 文件，获取 sheet 名称列表。选择特定 sheet 后，可查询行列数，并通过循环遍历获取行数据、列数据及具体单元格值。该方法适用于处理旧版 Excel 格式的数据分析任务。
Python算法
Python 多继承方法解析顺序（MRO）详解
综述由AI生成Python 多继承中子类调用父类方法的顺序由方法解析顺序（MRO）决定。通过示例代码演示了当子类存在多个父类时，Python 如何根据 C3 线性化算法查找方法。首先检查自身，其次按继承顺序查找直接父类，再向上追溯祖先类。理解 MRO 有助于解决菱形继承等问题，确保代码逻辑符合预期。
Python算法
Python 爬虫架构原理与汽车之家图片爬取实战
综述由AI生成Python 爬虫通过发送 HTTP 请求获取网页源代码并解析提取数据。核心架构包含调度器、URL 管理器、下载器、解析器和存储器。编写爬虫主要涉及发送请求和解析 HTML 两步。为应对反爬机制，常需配置 IP 代理。阐述了爬虫设计思路，并通过新浪新闻文本抓取和汽车之家图片下载两个实例，演示了使用 requests、BeautifulSoup 及 Scrapy 框架的具体代码实现，涵盖 URL 管理、HTML 解析、翻页处理及文件存储流…
Python算法
Python 中使用 flashtext 模块进行关键词提取与替换
Python 使用 flashtext 库实现高效的关键词提取与替换。通过初始化 KeywordProcessor 对象，可添加单个或批量关键词，支持别名映射及大小写敏感设置。利用 extract_keywords 获取匹配项及位置信息，replace_keywords 执行替换操作。高级功能包括附加额外信息及自定义单词边界符。该库基于 Aho-Corasick 算法优化，适用于大规模文本处理场景。
Python
Python HTTP 请求库对比：requests、aiohttp 与 httpx
综述由AI生成Python 提供了多种 HTTP 请求库。requests 适用于同步场景，封装简单；aiohttp 基于 asyncio 实现异步高并发；httpx 同时支持同步和异步，并兼容 HTTP/2。根据项目需求选择合适库可提升开发效率。
Python
Pytest 自动化测试框架基础
Pytest 是 Python 第三方自动化测试框架，相比官方 unittest 更灵活且兼容性好。支持通过标记（mark）控制用例运行，如跳过、失败预期等。固件（Fixture）用于预处理和后处理，支持作用域（function/class/module/session）及自动执行（autouse）。参数化测试允许单用例多数据输入。学习自动化测试可节省重复工作，优化代码结构并提高覆盖率。
Python
37 个 Python Web 开发框架整理与选型指南
综述由AI生成整理了 37 个 Python Web 开发框架，涵盖 Django、Flask、FastAPI 等主流选择。文章按使用人数和文档活跃度排序，详细列出各框架的优缺点及适用场景，如高并发推荐 Tornado，快速开发推荐 Flask 或 FastAPI，全栈推荐 Django。旨在帮助开发者根据项目需求选择合适的技术栈，减少重复造轮子的工作量。
PythonAI算法
Python 入门：you-get 与 turtle 库实战应用
综述由AI生成Python 是一种简单易上手的编程语言，拥有庞大的标准库。 Python 的安装配置步骤，并演示了两个实用库的使用：you-get 用于下载网站视频（含弹幕），turtle 用于屏幕绘图。通过代码示例展示了如何安装环境、调用库函数以及绘制基础图形，帮助初学者快速上手 Python 编程并进行创意创作。
PythonAI算法
Python 网页数据爬取实战教程
Python 网页数据爬取涉及获取 URL、发送 HTTP 请求、解析 HTML 源代码及提取目标信息。介绍使用 requests 库模拟浏览器请求获取页面源码，结合 BeautifulSoup 库进行 HTML 解析，通过定位元素属性（如 class、tag）在列表中提取具体数据。示例涵盖基础循环遍历与文本清洗，适用于静态网页数据采集场景。
PythonAI算法
Python 绘图基础：matplotlib 库常用功能详解
Python 绘图主要使用 matplotlib 库，涵盖 pylab 和 pyplot 子库。介绍 scatter 与 plot 的区别，演示如何建立空白图、设置子图布局及坐标轴范围。内容包括散点图、折线图、扇形图、柱状图、等高线图及图像显示的代码示例，并展示 networkx 库绘制网络图的方法。提供常用颜色、标记符号及线型参数说明，帮助初学者掌握基本绘图技巧。
PythonAI算法
Python 能做什么？常见应用场景与学习指南
综述由AI生成探讨了 Python 语言的主要应用领域，包括常规软件开发、数据分析与科学计算、自动化运维、云计算、Web 开发、网络爬虫及人工智能等。文章分析了 Python 的就业前景，指出其岗位多、需求量大且薪资待遇较好。同时提供了针对零基础学习者的时间预估，建议通过基础语法、环境配置、库学习和项目实战四个阶段，约需一个月时间掌握入门技能。
Python大前端
使用 BeeWare 将 Python 程序打包为 Android APK
使用 BeeWare 框架将 Python 图形界面程序打包为 Android APK 的过程。首先安装 Git、WiX Toolset 及 briefcase 工具，通过 briefcase new 创建项目，编写代码后使用 briefcase create/build/run/package 命令构建应用。最终在 android 目录下生成用于调试的 .apk 文件和上架 Google Play 的 .aab 文件。
PythonWeChatAI算法
Python 副业实战：爬虫技术与接单渠道解析
综述由AI生成Python 副业实战主要通过爬虫技术实现。文章介绍了爬虫的基本原理与步骤，包括页面抓取、分析及存储。针对大型站点的反爬虫措施，如 IP 封锁、数据加密、验证码等，提供了应对思路。列举了多个接单渠道，涵盖专业外包平台、社群、电商及自媒体等方向，并强调了防骗意识与报价策略。内容旨在帮助技术人员利用 Python 技能拓展收入来源，同时提醒注意时间管理与主业平衡。
PythonAI算法
Python 兼职接单指南：爬虫、数据分析与 Web 开发实践
综述由AI生成Python 兼职的主要方向包括网络爬虫、Web 接口开发与数据处理。列举了程序员客栈、开源众包等常用接单平台，并强调了接单时需明确需求、报酬及注意资金安全。技术层面要求掌握 Python 基础语法、requests 库、正则表达式、Selenium 动态爬取及反爬机制应对，同时需具备一定的前端知识。建议在保障主业的前提下拓展副业，提升技能变现能力。
PythonAI算法
Python 开发中常见的 9 个错误
Python 开发中常见的九类错误及最佳实践。涵盖虚拟环境隔离、Jupyter Notebook 合理使用、相对路径配置、警告处理、列表推导式应用、类型注释、Pandas 代码规范、PEP 风格遵循及编码辅助工具使用。旨在通过软件工程最佳实践交付高质量数据科学项目，减少错误并提高效率。
PythonAI算法
一年从数据分析转型全栈开发的经验与教训
综述由AI生成分享了从日语文科生背景转型为全栈工程师的经验，涵盖数据分析、机器学习及全栈开发路径。核心在于采用自上而下的学习方法，优先关注结果而非理论推导。关键教训包括无需高学位即可专业使用机器学习，避免同时学习新语言和算法，通过竞赛在真实数据上迭代。建议初学者寻找导师，在工作中实践，并专注于解决实际价值问题。只要方法得当，一年内实现职业转变是可行的。