homework05

eg1:
	import json
	import requests
	import multiprocessing
	
	def text(path):
	    song_play_url_list = []
	    song_name_list = []
	    with open(path,mode='r') as f:
	        res = f.readlines()[0].strip('\n').split('}')
	        for json_ in res[:-1]:
	            _json = json_ + '}'
	            _json = json.loads(_json)
	            song_play_url = _json['song_play_url']
	            if song_play_url is not None:
	                song_play_url_list.append(song_play_url)
	                song_name = _json['song_name']  
	                song_name_list.append(song_name)
	        return song_play_url_list , song_name_list 
	
	song_url,song_name = text('C:/Users/DELL/Desktop/python作业/homework5/top_500.txt')
	
	def download(song_url,song_name):
	    i = -1
	    for path_ in song_url:
	        i += 1
	        response = requests.get(path_)
	        mp3_ = response.content
	        with open('D:/music/'+song_name[i]+'.mp3',mode='wb') as f:
	            f.write(mp3_)
	
	#download(song_url,song_name)
	if __name__ == "__main__":
	    x = int(len(song_url)/2)
	    #创建进程
	    p1 = multiprocessing.Process(target=download,args=(song_url[0:x],song_name[0:x]))
	    p2 = multiprocessing.Process(target=download,args=(song_url[x:],song_name[x:]))
	    #启动进程
	    p1.start()
	    p2.start()
	    p1.join()
	    p2.join()
	    print("Over")

	import multiprocessing
	from lxml import etree
	import requests
	import re
	def novel():
	    response = requests.get('https://www.17k.com/list/3015690.html')   #请求网页 <Response [200]>
	    response.encoding = 'utf8'
	    tree = etree.HTML(response.text)    #调用HTML类进行初始化,这样就成功构造了一个XPath解析对象
	    w_list = tree.xpath('//html/body/div[@class="Main List"]/dl[@class="Volume"]/dd/a')   #提取每一个a标签的内容
	    #<a target="_blank" href="/chapter/3015690/38259921.html" title="第一章 和龙王谈交易
	    url = []
	    for i in w_list:
	        href = i.xpath('./@href')[0]    #提取href标签的内容
	        a  = 'http://www.17k.com/'
	        html = a + href
	        url.append(html)
	    return url
	html_list = novel()
	def write_(html_list):
	    b = 0
	    for html in html_list:
	        res = requests.get(html)
	        res.encoding = 'utf8'
	        tree1 = etree.HTML(res.text)
	        b_list = tree1.xpath('//html/body/div[@class="area"]/div[2]/div[2]/div[1]/div[2]/p/text()')  
	        txt = str(b_list)
	        b += 1
	        with open('D:/novel/'+str(b)+'.txt',mode='w') as f:
	            f.write(txt) 
	
	if __name__ == "__main__":
	    x = int(len(html_list)/2)
	    p1 = multiprocessing.Process(target=write_,args=(html_list[0:x],))
	    p2 = multiprocessing.Process(target=write_,args=(html_list[x:],))
	    p1.start()
	    p2.start()
	    p1.join()
	    p2.join()
	    print("Over")

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
优化算法作业主要是指在给定的问题背景下,通过设计和实现合适的算法来提高求解问题的效率和准确性。在解决优化问题时,可以通过以下几个步骤来完成作业。 首先,需要明确问题的目标是什么。例如,是要寻找最小值或最大值,或者是要满足一定的约束条件。了解问题的目标有助于我们选择合适的算法。 其次,根据问题的特点选择合适的优化算法。常见的优化算法包括贪心算法、动态规划、遗传算法、模拟退火算法等。不同的问题可能适合不同的算法,例如贪心算法适用于某些问题的局部优化,而动态规划适用于某些问题的全局优化。 然后,需要对选定的算法进行进一步的分析和改进。对算法进行分析可以评估算法的时间复杂度和空间复杂度,了解算法的优势和劣势。如果已有的算法不够优化,可以针对问题特点进行改进,例如引入剪枝策略、优化循环结构等。 最后,根据优化算法的设计和改进,实现相应的代码,并进行实验验证。通过实验可以验证算法的正确性和效率,并对实验结果进行分析和总结。如果有必要,可以对算法进行调优,进一步提高算法的性能。 总之,优化算法作业需要我们根据问题的特点选择合适的算法,并进行进一步的分析和改进,最终通过实验验证算法的效果。通过对问题的细致思考和创新性设计,可以提高优化算法的效率和准确性。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值