mighty13的专栏

功能说明将源目录下子目录中的文件移动到指定目的目录。要求如下：子目录中仅包含指定扩展名的文件才会移动文件。如果目的目录已包含同名文件，将文件重命名为原文件名 13位时间戳例如：当前目录结构如下：test│ 2.txt│├─1│ │ 1.txt│ ││ └─2│ 2.txt│├─2│ │ 3.txt│ ││ └─3└─3 2.txt运行后的目录结构如下：test│ 2 1618156462496.txt│

在实际应用中，经常遇到需要删除空目录的情况，手动一一删除效率太低。通过Python标准库os可方便实现嵌套空目录的删除。问题假设现有test目录结构如下，需要删除test目录中的空目录。test└─1 │ 1.txt │ └─2 └─3解决方法要点利用os.rmdir方法删除空目录，当目录不为空时，会抛出异常。利用os.walk方法遍历test目录。注意os.walk方法的topdown参数。topdown参数为遍历方式，布尔值，默认值为True

最近准备用django写一个CMS系统，把单位的网页迁移过去，在网上找了一个博客系统，但是不太满意，摘要和tags都需要自己输入，目标就是把他们实现自动化。之前搞爬虫接触过类似的库，readability,goose等都可以实现文本摘要，jieba具有提取tags的功能。goose主要作用是根据网址提取文本和标题。主要用的库有urllib2，beautifulsoup用法如下：

def bytes_to_human(n): symbols = ('K','M','G','T','P','E','Z','Y') prefix = {} for i,s in enumerate(symbols): prefix[s] = 1 << (i + 1) * 10 for s in reversed(symbols): if n >= prefix[s]: value = float(n)

def timediff_to_str(timestamp): onlineTime = datetime.datetime.fromtimestamp(timestamp) localTime = datetime.datetime.now() result = localTime - onlineTime hours = int(result.seconds / 3600) minutes = int(result.seconds % 3600 / 60)

京东图书详情页的定价无法直接获得，价格由类似http://p.3.cn/prices/mgets的URL提供。假设我们需要获取https://item.jd.com/10020908286750.html的定价。根据开发者工具可以获取对应的定价的URL为：http://p.3.cn/prices/mgets?type=1&callback=_getSkuPrice&skuIds=J_10020908286750注意！skuIds=J_10020908286750和1002090828

背景书稿用MD编辑，原来每章是一个独立的文件，在最后通稿时，合并成了一个大文件。问题来了，3万多行的MD文件，大部分编辑器用起来都极端缓慢，没办法只能按文本文件进行编辑。通完稿后又需要按章分割文件。。。。原理首先将MD文档按行转换为列表，然后在每行内容中查找模式字符串，也就是查找分割文件的标识，根据记录下的模式字符串所在的行号分割文件。代码#!/usr/bin/en...

# coding: utf8import hashlibimport osimport sysimport refrom collections import Counterreload(sys)sys.setdefaultencoding('utf-8')if __name__ == "__main__": output_list=[] output_path=os.ge

Python实现词云的库有很多，较为常见的就是wordcloud 这个库基于PIL，PIL是必不可少的，需要用的还有matplotlib和numpy安装pip install wordcloud使用针对库示例做了一个简单修改，直接使用generate_from_frequencies方法，而没有使用generate()方法。有这样几个原因，generate_from_frequencies是基础的

WMI是Windows系统的一大利器，Python的win32api库提供了对WMI的支持，安装win32api即可使用 WMI。 本例通过WMI的WQL实现ping命令。import wmic = wmi.WMI()wql = "SELECT StatusCode FROM Win32_PingStatus WHERE Address = '127.0.0.1'"for i in c.que

每天都在音悦台（yinyuetai）听歌，原来看订阅歌手更新的MV必须登陆，而且原来每次登陆都需要用geetest的滑动验证码，懒得对验证码再多做工作。进来发现登陆不用每次输入验证码就动了利用cookie自动登录的念头思路登录，获取cookie找到登录框界面，音悦台的登录框是动态生成的，需要先点击下登录tab，然后才会加载登录框DIV，由于音悦台页面加载比较慢，因此可能需要等待一定时间等待元素加载

最近想对单位发表的期刊情况做一个文献计量学分析，数据倒也不多，但是手动保存优点麻烦。两年前用spynner.py做过抓取CNKI管理后台，spynner基本弃坑了，一直没再动过。CNKI网站为了反爬，做的太复杂，平时自己访问都感觉慢，一看源代码，加载了一堆js，能不慢吗？Python2，selenium操作如下（仅关键部分，代码不全）：# coding: utf-8import timeimpor

#coding=utf-8import timeimport datetimeimport sysimport osimport randomimport loggingfrom selenium import webdriverfrom selenium.webdriver.common.keys import Keysfrom selenium.webdriver.support.u

平时学生交上机作业的时候经常有人相互复制，直接改文件名了事，为了能够简单的检测这种作弊行为，想到了检测文件的MD5值，虽然对于抄袭来说作用不大，但是聊胜于无，以后可以做一个复杂点的。#-*- coding: utf8 -*-import hashlibimport osimport globfrom collections import Counterimport sys#set sys

#!/user/bin/python #!conding=utf8 import os g = os.walk("G:\mis") for path,d,filelist in g: for filename in filelist: print os.path.join(path, filename)

H指数（H-index）是一种比较主流的科研评价方法，可用于评估研究人员的学术产出数量与学术产出水平。某人在一定期间内发表的论文至少有h篇的被引频次不低于h次，H指数指的就是h的最大值。例如，张三发表了10篇论文，其中有5篇论文被引用次数大于等于5次，而没有6篇论文的引用次数大于等于6次，那么张三的H指数即为5。'''输入一个列表，列表内容为某人的每篇文章的引用次数。输出H指数值'''def

平时上课时学生上机作业经常有直接复制别人的文件，只修改文件名的抄袭情况，为了快速检测这种问题，通过MD5值简单的写了下，聊胜于无吧，有时间了写一个更完善的。# coding: utf8import hashlibimport osfrom collections import Counterimport sysreload(sys)sys.setdefaultencoding('utf-8'

ISBN概述因为工作原因经常需要用到ISBN。ISBN是国际标准书号的简称（International Standard Book Number），主要用于标识文献，也即是文献的“身份证号”，通过查询ISBN号可以获取唯一的某一种书。 ISBN大致可以分为10位和13位ISBN，在2007年1月1日前用的是10位ISBN，之后用的13位ISBN。两者最显著的区别一是在10位ISBN前加上“978”

用户订阅MV更新http://uapi.yinyuetai.com/i/flw/subscribe-video-list?page=1&pageSize=200&uid=XXXXXX uid为用户ID，pagesize最大200用户订阅艺人更新http://uapi.yinyuetai.com/i/flw/subscribe-list?page=1&pageSize=5&size=18&uid=x

在音悦台听歌时间不短了，从09年一直到现在，虽然近几年音悦台越做越大，但是在经常听的几种类型的歌的更新速度和全面性还不如A站和B站。但是毕竟这么多年了，还是想把自己关注的一些歌手和收藏给保留下来。13年做过一次，当时用spynner模拟登陆，做的比较粗糙。简单看了下现在的音悦台网站，饭团页面没什么大的变化，个人收藏MV和关注的艺人页面改用json传输数据，用户体验比以前强了很多，列表页面加载速度比较

最近Python操作微信的文章挺火的，结合前面介绍过的jieba和wordcloud做一个简单的微信好友签名的词云。操作微信的库有很多，现在比较流行的就是itchat，https://github.com/littlecodersh/ItChat这个库对网页微信进行了封装，很多操作都非常简单。代码如下，一些要点直接写在注释中# coding: utf8import sysreload(sys)

本文以itchat库为基础，提供了一些好友信息意义的分析。 itchat提供了get_friends(self, update=False)方法用于获取微信好友列表，返回信息是一个用户信息字典的列表。 列表第一个元素为用户个人信息。 用户信息键值示例如下。#内部用户名，@开头的是好友，@@开头的是群聊，itchat提供了 get_chatrooms()方法。每次登录都不一样。UserName

因为工作关系，经常需要整理一些书目信息，由于对于图书方面大家也不太了解，所以提交过来的书目经常信息不全。再者因为某些原因需要到京东选一些书，懒得从京东复制粘贴信息。所以做了个简易爬虫，获取图书的书名、作者、ISBN、出版社、出版日期和定价。 其他信息倒还简单，就是定价信息稍微麻烦点，京东价格不是直接写在HTML里面的，而是异步加载的，通过firebug可以看到。 简单分析下，上面的jso