- 博客(17)
- 收藏
- 关注
RSS订阅
原创 在Python里如何切分中文文本句子（分句）、英文文本分句（切分句子）
在处理文本时，会遇到需要将文本以 句子 为单位进行切分（分句）的场景，而文本又可以分为 中文文本 和 英文文本 ，处理的方法会略有不同。本文会介绍 Python 是如何处理 分句 的。分句的关键是找到合适的结束符号，比如：中文里的 。，英文里的 . 等，而且，在这一点上中英也是有很大区分的。这里介绍一种纯用 Python 实现的分句函数。def cut_sentences(content):...
2020-02-07 12:14:15
27068
4
原创 Python判断文件或目录是否存在（exists）、判断是否为目录（文件夹）、删除、创建目录（文件夹），创建临时文件tempfile
在 Python 中判断文件或目录（路径）是否存在是十分方便的，os.path.exists 就可以搞定，但需要进一步判断该路径是否是目录（文件夹），如果不存在，则创建目录。代码示例：import ostest_path = './test'# 判断路径是否存在if os.path.exists(test_path): # 判断此路径是否为目录 if os.path.isdir(t...
2020-02-06 11:50:00
1322
3
原创 pip使用国内镜像（国内源）安装Python第三库，提升下载速度：豆瓣、阿里、清华
在使用 Python 时，我们绝大多数情况都会使用 pip 来安装需要的第三方库，但直接连接默认的源 ( https://files.pythonhosted.org )，其下载速度和安装成功率都不理想。所以，国内也提供了 Python 库的镜像源，比如：清华、阿里、豆瓣。国内源来源地址清华https://pypi.tuna.tsinghua.edu.cn/simple...
2020-02-05 11:52:22
1408
原创 Python压缩解压文件：zipfile、tarfile、gzip，压缩格式：zip、gz、tar.gz、tgz、bz2
我们日常在 Linux 平台上，一定会接触到大量的压缩文件（zip、gz、tar.gz、tgz、bz2、rar）需要解压，也有大量文件需要压缩。一般情况下，我们会使用 Linux 的命令，比如： tar 。但一些项目需要我们在 Python 中完成压缩解压的操作，比如：日志的处理。本文介绍两个 Python 中的模块：zipfile 、tarfile 和 gzip 。为了让大家可以更好的理解，z...
2020-02-04 15:46:28
2495
原创 Python 从命令行读取或解析（parser）参数（arguments、options、sub-commands）：sys.argv、argparse、docopt
Python 在开发命令行工具时，绝大多数情况下，都需要解析参数（parser command-line options, arguments and sub-commands），Python 除了简易的 sys.argv 方法读取参数外，还提供了功能更丰富的模块：argparse 和第三方库 docopt 。sys.argv如果我们只是简单的开发一个命令行工具，方便自己使用的话，其实使用 s...
2020-02-03 14:50:24
2812
原创 Python监控（monitor）文件系统（Linux file system）事件（变化）：watchdog、pyinotify
很多时候，我们需要及时对文件系统（file sytem）的变化进行监控，以便第一时间 增量处理。Python 在这方面提供两个非常优秀的第三方开源工具：watchdog 和 pyinotify ，背后都是依赖 Linux 系统的 inotify 库。inotify 是一个Linux系统的特性，用于监控文件系统操作，比如：读取、写入和创建，比频繁的轮询要高效很多。当然，监控文件系统时，我们可...
2020-02-02 10:22:50
1291
原创 Python正则表达式（正则、regular、re）讲解，及常用正则：匹配邮箱、身份证、手机号、IP地址、URL、HTML等
正则表达式（正则、regular、re）是 Python 中最常见的编程技巧，很多时候，一个好的正则表达式可以抵上几十行代码。比如：匹配（校验）邮箱、身份证、手机号、IP地址、URL、HTML等。正则表达式，其实就是一串特殊的字符序列，而这串字符序列蕴含着事先定义好的 模式 （规则），可以用于匹配、校验其它的字符串（文本、网页等）。但想掌握正则表达式的难度在于，其包括了较多的 基础模式语法 需...
2020-02-01 11:38:32
2033
原创 Python与日期、时间相关的内置模块：time、datetime、calendar，以及第三方模块：moment（使用体验更好）
Python 与日期、时间相关的内置模块，主要有：time 、datetime、calendar 等，一般常见的问题，使用它们就足够了，但遇到复杂度很高的需求时，代码的可读性就会变得很差，所以，我们还可以使用体验更好的第三方模块：moment 。本文会从内置模块介绍到第三方模块。timetime 是用来表示时分秒。获取时间import timeprint(time.time())15...
2020-01-31 11:07:45
1001
原创 Python中对各种数据结构：列表、元组、字典（list、tuple、dict）进行排序，sort、sorted、heapq、Counter
Python 中对数据进行排序是非常简单的，其内置了列表 list 的排序方法 sort，同时还内置了 sorted 方法，不仅可以对 list 排序，还可以对 tuple 和 dict 排序。不仅如此，关于排序 Python 还提供其它的选择，以应对更多的场景，如：heapq 、collection.Counter 。sortsort 是对 list 进行原地址排序，也就是改变原有的 lis...
2020-01-30 10:29:28
3653
原创 Python装饰器（修饰器、decorator、wraps、闭包）的简明教程：从实现到用法
Python 的装饰器（修饰器、decorator、wraps）是Python编程中最常见、也是最实用的技巧之一，可以给函数添加新的功能，但不改变原有的函数，做到了低耦合、高内聚。闭包其实，装饰器的实现方式就是 闭包，闭包的思想在 javascript中也比较常见。闭包，是指函数中定义了一个内函数，内函数里运用了外函数的临时变量，并且外函数的返回值是内函数的引用。我个人理解，闭包就是简...
2020-01-29 10:08:54
376
原创 Python读写文件、文件打开方式、特殊文件：音频、压缩、PDF、Excel、CSV、图片、plist等
Python 开发程序中，读写文件是最常见的功能，基本的调用方法也很简单，但细节方面却不见得大家都能了解。所以，本文除了介绍基本用法外，还会介绍那些大家容易忽视的细节。同时，也会介绍特殊文件：音频、压缩、PDF 、Excel 、图片、plist 等对应的模块。基本用法文件 是用于存储数据的连续字节集，这些数据会以特定格式组织，最后这些字节文件被翻译成二进制文件，以 1 和 0 的方式被计算机处...
2020-01-28 10:53:53
440
原创 在Python里调用执行Linux或Windows系统的shell命令：system、popen、commands、subprocess
Python 语言的灵活性和易用性，使得它非常适合作为“胶水”，去粘合各种系统命令（shell），完成复杂的运维工作和特殊场景的需求。本文主要介绍 Python 里如何调用执行 Linux 或 Windows 的系统命令（shell），方法主要有 system 、popen 、commands 和 subprocess 。systemos.system(cmd)，这个方法使用起来最直接，是 同...
2020-01-27 11:11:15
2162
原创 【全面】Linux服务器通过命令行查看获得出口公网、外网IP地址
一般情况下，Linux服务器都是私有内网IP地址，但要想获取公网或外网IP地址，不能像桌面系统那样，使用浏览器搜索Google、百度，获得外网IP地址。本文介绍最全面的通过Linux命令行工具查看外网IP地址。curl & wgetcurl http://ipinfo.io{ "ip": "55.11.102.110", "hostname": "118.103.110.36...
2020-01-23 10:29:06
6403
原创 详细讲解Python遍历目录的文件夹（dir）、文件（file）的三种方法：os.listdir、os.walk和os.scandir
在使用Python开发项目的时候，会遇到需要遍历文件夹、文件的需求，我整理了三种主流方法：os.listdir、os.walk和os.scandir，并进行了详细的讲解。用于实验的目录：.test├── dir_1│ ├── dir_1_file_1.txt│ ├── dir_1_file_2.txt│ ├── dir_1_file_3.txt│ └── sub_di...
2020-01-22 16:25:07
73328
7
原创 如何用Python库在终端（terminal）里打印（print）出外观漂亮的表格数据（ascii-table）：texttable、tabulate、prettytable
在使用Python开发Linux命令行工具时，对打印出的结果的外观会有一定的要求，并且很多时候输出的结果都是表单形式（ascii-table）的。我整理了6个关于打印表单的Python库：texttable、python-tabulate、prettytable、beautifultable、terminaltables、asciitable。我先整体介绍一下：库githubSta...
2020-01-16 10:02:05
3153
原创 黑客的数据库：Google进阶搜索技巧
对于程序员来说，已经彻底离不开搜索引擎了，遇到任何疑难问题，第一时间的反映，就是打开Google，输入问题的关键词，然后在搜索结果页里，进一步寻找匹配的结果。然而，有时候简单的搜索方式，无法满足需求。所以，Google提供了进阶的搜索技巧，黑客甚至利用这些技巧，发现了很多网站的后门，号称“Google Hacking Database”，本文后面，会列举出一些相关的搜索例子。Google搜索...
2019-12-31 09:23:55
1189
原创 一文搞懂字符编码问题，从此告别中文乱码
在中文的语言环境里，身为程序员的我们一定会遇到过中文乱码的情况，究其原因就是字符编码的问题。在没有深入理解其原理之前，会觉得中文编码问题比较谜，莫名其妙地乱码，又稀里糊涂地好了。字符编码是计算机技术的基石，本文希望帮助大家彻底梳理清楚字符编码问题，不仅知其然，还知其所以然，摆脱被中文乱码支配的感觉。在讲解中文编码问题之前，我们需要先讲讲英语编码，其解决方案是ASCII。ASCIIASCII...
2019-12-25 10:19:27
20869
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人