课程宣传先上:https://aistudio.baidu.com/aistudio/course/introduce/1224
在参加这期训练营之前,了解过PaddlePaddle,但是没有深度去了解他,后面通过PaddlePaddle官网发现了AIStudio。就开始在AIStudio上学习相关的课程,也看到了很多往期的七天打卡营,自己认为自己不是一个学习比较自觉地人,所以一直想要参加打卡营,这样会给自己一个动力和约束。最后终于发现了这个打卡营。(这就是我与打卡营的相似)
【心得体会】
七天的课程安排很合理,基本是阶梯式难度加大,比如最后的大作业,看着挺难,但是在开始前授课老师会提供思路。然后课后自己集合之前的学习内容就可以去尝试。
核心思想:
重点还是在于自己去摸索,七天打卡营最要是去做一个引导,自己可以通过课程这个点去扩散开来,自己去学习到相关的内容。这样就可以把七天的学习内容扩散到一定大的知识面。
核心态度:
每天按时参加在线直播课,在线直播课会让自己有很强的代入感,比自己只看视频要更深刻。
坚持独立自主的完成作业,通过每天的课程学习,然后自己通过CSDN、以及AIStudio等平台找到类似的案例。通过案例的学习,举一反三,来解决自己的问题。
学会写高质量的代码,在大家学习案例时,可能会懊恼一些只提供代码没有注释的案例,看着头大。
学会写博客分享自己的代码、学习的内容和想法。大家都会觉得博客是大佬写给小白看的内容,我觉得作为小白更应该写自己的学习内容,那样在你自己以后遇到同样的问题,能够快速的解决自己的问题(类似于读书时的错题本)。
Class Start:
第一天:
def day1_1():
'''
第一天主要是乘法口诀表和文件查找
作为一个Python小白和很久没写代码的菜鸟
弄了比较多的笑话不过最终实现了需求“Accept”
:return:
'''
### 乘法口诀表 ###
# demo
# 在这里我没有考虑到使用'\t'来达到将输出排列对齐
# 所以增加了elif等多余的代码。
for i in range(1, 10):
for j in range(1, i + 1):
# i 等于 j 时换行
if i == j:
print('%d*%d=%d' % (j, i, i * j), end='\n')
# 保持积为一位与两位的垂直排序
elif i * j < 10 and j != 1:
print('%d*%d=%d' % (j, i, i * j), end=' ')
else:
print('%d*%d=%d' % (j, i, i * j), end=' ')
# Teacher
for i in range(1, 10):
for j in range(1, i + 1):
print('%d*%d=%d' % (j, i, i * j), end='\t')
print()
### 文件查找 ###
# 导入OS模块
import os
def day1_2():
'''
文件查找主要涉及的就是关于Python3 OS 文件/目录方法
通过自己的学习相关文档可以学到自己想要的。
笔者是在菜鸟教程上学习
菜鸟教程:https://www.runoob.com/
注释的两个版本代码是在初步摸索(根本没仔细看文档)
不过,同样让我了解了os.walk() 返回值是什么结构。
个人觉得小白还是可以做一些盲目的尝试,这样也可以通过思考多去撸撸代码。
:return:
'''
# 待搜索的目录路径
path = "Day1-homework"
# 待搜索的名称
filename = "2020"
# 定义保存结果的数组
result = []
# 在这里写下您的查找文件代码吧!
for root, dirs, files in os.walk(path, topdown=False):
for name in files:
if filename in name:
result.append(os.path.join(root, name))
for j in range(len(result)):
print("编号:%d 路径:'%s'" % (j + 1, result[j]))
# for file_path in os.walk(path):
# #print(file_path)
# file_tmp = file_path[2]
# for i in range(len( file_path[2])):
# if filename in file_path[2][i]:
# # path_temp = file_path[2]+(file_tmp[i])
# # print(path_temp)
# path_temp = file_path[0] + '/' + file_path[2][i]
# result.append(path_temp)
# for j in range(len(result)):
# print('编号:%d 路径:%s'%(j+1,result[j]))
# j = 0
# for file_path in os.walk(path):
# for i in range(len(file_path[2])):
# if filename in file_path[2][i]:
# j += 1
# path_temp = file_path[0] + '/' + file_path[2][i]
# result.append(path_temp)
# print("编号:%d 路径:'%s'" % (j, path_temp))
第二天
任务Day2-《青春有你2》选手信息爬取
作业链接:https://aistudio.baidu.com/aistudio/projectdetail/422353
request模块:
requests是python实现的简单易用的HTTP库,官网地址:http://cn.python-requests.org/zh_CN/latest/
requests.get(url)可以发送一个http get请求,返回服务器响应内容。
BeautifulSoup库:
BeautifulSoup 是一个可以从HTML或XML文件中提取数据的Python库。网址:https://beautifulsoup.readthedocs.io/zh_CN/v4.4.0/
BeautifulSoup支持Python标准库中的HTML解析器,还支持一些第三方的解析器,其中一个是 lxml。
BeautifulSoup(markup, "html.parser")或者BeautifulSoup(markup, "lxml"),推荐使用lxml作为解析器,因为效率更高。
代码走起:
import sys
import json
import re
import requests
import datetime
from bs4 import BeautifulSoup
import os
#获取当天的日期,并进行格式化,用于后面文件命名,格式:20200420
today = datetime.date.today().strftime('%Y%m%d')
# 一、爬取百度百科中《青春有你2》中所有参赛选手信息,返回页面数据
def crawl_wiki_data():
"""
爬取百度百科中《青春有你2》中参赛选手信息,返回html
"""
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.99 Safari/537.36'
}
url='https://baike.baidu.com/item/青春有你第二季'
try:
response = requests.get(url,headers=headers)
print(response.status_code)
#将一段文档传入BeautifulSoup的构造方法,就能得到一个文档的对象, 可以传入一段字符串
soup = BeautifulSoup(response.text,'lxml')
#返回的是class为table-view log-set-param的所有标签
tables = soup.find_all('table',{'class':'table-view log-set-param'})
crawl_table_title = "参赛学员"
for table in tables:
#对当前节点前面的标签和字符串进行查找
table_titles = table.find_previous('div').find_all('h3')
for title in table_titles:
if(crawl_table_title in title):
return table
except Exception as e:
print(e)
#二、对爬取的页面数据进行解析,并保存为JSON文件
def parse_wiki_data(table_html):
'''
从百度百科返回的html中解析得到选手信息,以当前日期作为文件名,存JSON文件,保存到work目录下
'''
bs = BeautifulSoup(str(table_html),'lxml')
all_trs = bs.find_all('tr')
error_list = ['\'','\"']
stars = []
for tr in all_trs[1:]:
all_tds = tr.find_all('td')
star = {}
#姓名
star["name"]=all_tds[0].text
#个人百度百科链接
star["link"]= 'https://baike.baidu.com' + all_tds[0].find('a').get('href')
#籍贯
star["zone"]=all_tds[1].text
#星座
star["constellation"]=all_tds[2].text
#身高
star["height"]=all_tds[3].text
#体重
star["weight"]= all_tds[4].text
#花语,去除掉花语中的单引号或双引号
flower_word = all_tds[5].text
for c in flower_word:
if c in error_list:
flower_word=flower_word.replace(c,'')
star["flower_word"]=flower_word
#公司
if not all_tds[6].find('a') is None:
star["company"]= all_tds[6].find('a').text
else:
star["company"]= all_tds[6].text
stars.append(star)
json_data = json.loads(str(stars).replace("\'","\""))
with open('work/' + today + '.json', 'w', encoding='UTF-8') as f:
json.dump(json_data, f, ensure_ascii=False)
print('下载成功')
#三、爬取每个选手的百度百科图片,并进行保存
def crawl_pic_urls():
'''
爬取每个选手的百度百科图片,并保存
'''
with open('work/'+ today + '.json', 'r', encoding='UTF-8') as file:
json_array = json.loads(file.read())
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.99 Safari/537.36'
}
for star in json_array:
name = star['name']
link = star['link']
#!!!请在以下完成对每个选手图片的爬取,将所有图片url存储在一个列表pic_urls中!!!
response = requests.get(link, headers=headers)
bs = BeautifulSoup(response.text, 'html')
pic_list_url = bs.select('.summary-pic a')[0].get('href')
pic_list_url = 'https://baike.baidu.com' + pic_list_url
pic_list_response = requests.get(pic_list_url, headers=headers)
bs = BeautifulSoup(pic_list_response.text, 'lxml')
pic_list_html = bs.select('.pic-list img ')
pic_urls = []
for pic_html in pic_list_html:
pic_url = pic_html.get('src')
pic_urls.append(pic_url)
#!!!根据图片链接列表pic_urls, 下载所有图片,保存在以name命名的文件夹中!!!
down_pic(name,pic_urls)
def down_pic(name,pic_urls):
'''
根据图片链接列表pic_urls, 下载所有图片,保存在以name命名的文件夹中,
'''
path = 'work/'+'pics/'+name+'/'
if not os.path.exists(path):
os.makedirs(path)
for i, pic_url in enumerate(pic_urls):
try:
pic = requests.get(pic_url, timeout=15)
string = str(i + 1) + '.jpg'
with open(path+string, 'wb') as f:
f.write(pic.content)
print('成功下载第%s张图片: %s' % (str(i + 1), str(pic_url)))
except Exception as e:
print('下载第%s张图片时失败: %s' % (str(i + 1), str(pic_url)))
print(e)
continue
#四、打印爬取的所有图片的路径
def show_pic_path(path):
'''
遍历所爬取的每张图片,并打印所有图片的绝对路径
'''
pic_num = 0
for (dirpath,dirnames,filenames) in os.walk(path):
for filename in filenames:
pic_num += 1
print("第%d张照片:%s" % (pic_num,os.path.join(dirpath,filename)))
print("共爬取《青春有你2》选手的%d照片" % pic_num)
if __name__ == '__main__':
#爬取百度百科中《青春有你2》中参赛选手信息,返回html
html = crawl_wiki_data()
#解析html,得到选手信息,保存为json文件
parse_wiki_data(html)
#从每个选手的百度百科页面上爬取图片,并保存
crawl_pic_urls()
#打印所爬取的选手图片路径
show_pic_path('/home/aistudio/work/pics/')
print("所有信息爬取完成!")
未完待续。。。
ChangMQ267
原创文章 2获赞 2访问量 406
关注
私信
展开阅读全文
作者:ChangMQ267
paddlepaddle
学习心得
学习
深度学习
Python