利用Python机器学习框架scikit-learn，我们自己做一个分类模型，对中文评论信息做情感分析。其中还会介绍中文停用词的处理方法。 前些日子，我在微信后台收到了一则读者的留言。 我一下子有些懵——这怎么还带点播了呢？ 但是旋即我醒悟过来，好像是我自己之前挖了个坑。 …

最近在做 Sparrow（还在内测的一个敲好用 Mock 系统😁）的时候遇到了一个需求。Sparrow 服务器是使用 Django 2.0 编写的产品，所以本文所有的代码背景均为 Django 2.0 环境和 Python 3.6.3 语言，整体是 Vue + Django …

程序将验证码传给打码平台的识别接口，打码平台将验证码发给后端的“佣工”进行识别，并获取识别结果。这样基于此类的人工打码平台，即可实现程序的自动化 对于RPA，也有人将它称为数字劳动力（Digital Labor），因为它擅长把工作流程中的重复操作 进行自动化。繁琐流程自动化是企…

大家在 618 一定买了很多东西，而有些商家喜欢偷偷摸摸降价让我们觉得瞬间亏了一个亿。今天就撸一个京东的自动保价脚本。 首先需要登录京东，这个在 《618！京东PC版抢卷》上写过了，是使用二维码登录的，大家可以看看。 打开京东保价页面（https://pcsitepp-fm.j…

粗略一看用户名和头像都是默认的，不像是重度使用爱奇艺的用户，弹幕的内容也并无异常。 那么可以判断..这个人居然在打字上面花了4个小时????Unbelievable.. 出现了好几个弹幕都是在说选角问题，存在偏见的弹幕貌似并不受大众的欢迎。 回顾剧情，这一段确实是这部剧的高潮之…

北京时间5月17日，号称拥有马氏三连鞭、闪电五连鞭的浑元形意太极拳宗师马保国，在山东淄博被一位50岁的民间武术爱好者王庆民30秒KO。如果你还不了解这件震惊中国武林圈的大事，建议你恶补一下这个视频。 1. 先用jsoup把弹幕爬下来

安装一个Tesseract-OCR软件。这个软件是由Google维护的开源的OCR软件。 解决办法也比较容易，按照它的提示，表示缺失了 TESSDATA_PREFIX 这个环境变量。你只需要在系统环境变量中添加一条即可 测试英文，数字什么的基本没有问题，中文简直惨不忍睹。空白比…

lxml：其实可以用pythonth自带的正则表达式库re，但是为了更加简单入门，用 lxml 中的 etree 进行网页数据定位爬取。 使用selenium+phantomjs无界面浏览器，这两者的结合其实就是直接操作浏览器，可以获取JavaScript渲染后的页面数据。 用…

最近有朋友在做新闻资讯类的 app 爬虫，也许大多数人都会认为，一个新闻资讯 app 不会有什么反爬吧。 恰恰相反，当你想爬一条新闻的时候都有请求参数加密，可见现在反爬的严重性。 反编译之后我们就根据请求参数来寻找加密的源码，同时需要注意下搜索的技巧。比如同一个参数，如果加上引…