strip

问题： I use the following code segment to read a file in python: 我使用以下代码段在python中读取文件： with open ("data.txt", "r") as myfile: data=myfile.readlines() Input file is: 输入文件为： LLKKKKKKKKMMMMMMMMNNNNNNNNNNNNN GGGGGGGGGHHHHHHHHHHHHHHHHHHHHEEEEEEEE and when I print data I get 当我打印数据时 ['LLKKKKKKKKMMMMMMMMNNNNNNNNNNNNN\n', 'GGGGGGGGGHHHHHHHHHHHHHHHHHHHHEEEEEEEE'] As I see data is in list form. 如我所见，数据是 list 形式的。 How do I make it string? 我如何使其成为字符串？ And also how do I remove the "\\n" , "[" , and "]" characters from it? 还有如何从中删除 "\\n" ， "[" 和 "]" 字符？ 解决方案： 参考一： https://stackoom.com/question/Z7DP

初识字符串 维基百科对于字符串的定义式：字符串是由零个或者多个字符组成的有限串行。你之前学会敲的第一行 print 代码里的 “Hello World”，就是一个字符串。字符串的本质就是一串字符，不管是中文还是英文抑或是空格等特殊字符都可以作为字符串来看待。 在 Python 里，字符串和上一篇文章( 零基础学习 Python 之数字与运算 )里讲到的数字一样，都是一种对象类型，字符串类型用 str 表示，用英文的单引号或双引号括起来。 >>> 'good good study' 'good good study' >>> "day day up" 'day day up' 字符串与变量 上面我说到字符串和数字都是一种对象类型，那么在上篇文章中我们说数字可以有变量指向它，那么字符串当然也可以。 >>> string = 'Hello World' >>> string 'Hello World' >>> print(string) Hello World 字符串连接 如果我有两个字符串，分别是 'Hello' 和 'World'，那么我想得到 'Hello World' 那可咋整？别怕，Python 里提供了特别简单的办法，那就是相加，就是你们知道的那个加减乘除的那个加。 >>> a = 'Hello' >>> b = 'World' >>> a + b 'HelloWorld'

一、Jieba中文分词 本文使用jieba进行文本进行分词处理，它有3种模式，精确模式，全模式模式，搜索引擎模式： · 精确模式：试图将句子最精确地切开，适合文本分析； · 全模式：把句子中所有的可以成词的词语都扫描出来, 速度非常快，但是不能解决歧义； · 搜索引擎模式：在精确模式的基础上，对长词再次切分，提高召回率，适合用于搜索引擎分词。 现以“南京市长江大桥”为例，3种分词模式的结果如下： 【全模式】： 南京 南京市 京市 市长 长江 长江大桥 大桥 【精确模式】： 南京市 长江大桥 【搜索引擎模式】： 南京 京市 南京市 长江 大桥 长江大桥 为了避免歧义和切出符合预期效果，在这里使用精确模式 1 import jieba 2 all_mode=jieba.cut( ' 南京市长江大桥 ' ,cut_all= True) 3 alls= " " .join(all_mode) 4 print ( ' 【全模式】： ' ,alls) 5 jingque=jieba.cut( ' 南京市长江大桥 ' ,cut_all= False) 6 jings= " " .join(jingque) 7 print ( ' 【精确模式】： ' ,jings) 8 search=jieba.cut_for_search( ' 南京市长江大桥 ' ) 9 searchs= " " .join

先说下B树，看到这玩意结构图，第一印象，这不是2-3树么？嗯，严格意义来说应该说2-3树不是就是B树么？因为B树的定义是多阶的，而2-3树是3阶的B树。 这里的阶就是....算了，盗个图把，比如下面这个就是4阶树。如果是5阶B树，那么有5层，每个节点最多可以有5个节点。 B+树，这个树就是B树，只不过是B树的升级版，升级地方在于， 1、B树是每个节点都存放有数据，但是B+树是只有叶子节点存放数据，其余节点只存指针。因此数据库使用B+树可以有更多的空间存储指针。 2、B树在范围搜索时就坑爹了，的一遍一遍的遍历相应的节点，但是B+树有个特色就是，叶子节点是互相引用的，因此范围搜索，非常方便了。 数据库中：B树的阶层树越低，磁盘的IO访问就越低，比如2阶，那么进行两次IO即可，获取到的节点放内存中进行遍历处理。 来源： oschina 链接： https://my.oschina.net/uwith/blog/3270352

【推荐阅读】微服务还能火多久？>>> 在 使用爬虫爬取豆瓣电影影评数据Java版 一文中已详细讲解了爬虫的实现细节，本篇仅为展示Python版本爬虫实现，所以直接上代码 完整代码 爬虫主程序 # 爬虫启动入口 from C02.data import processor from C02.page import downloader, parser from C02.url import manager class Spider(object): def __init__(self): self.url_manager = manager.Manager() self.page_downloader = downloader.Downloader() self.page_parser = parser.Parser(base_url='https://movie.douban.com/subject/26752088/comments') self.data_processor = processor.Processor(host='192.168.0.105', collection='movie_26752088_comments') def start(self, root_url): """ 启动爬虫方法 :param root_url: 启动URL :return:

【推荐阅读】微服务还能火多久？>>> 看奇葩说，主持人大赛，总觉得他们知识面很广，对很多事物都有独特的见解。看薛兆丰老师的经济学讲义时，总觉得我们对世界运行的规律缺乏了解。作为程序员，或许执着于技术，却很少思考我们的世界，我们的人生，这是不是一种失去？ 失去能超越虽结构复杂但其实逻辑异常简洁简单且干净的确定方法论，去审视我们所生活的这个真实的，多元非线性非齐次非独立，测不准时空的本能、耐心、承受力、理解力和洞察力。 （当然，奇葩说就算了2333） 我充分理解一个人就是喜欢前者的那种天然热忱。这不但没有错，且颇为令人欣赏，毕竟我本人对此就有颇强的天然倾向。仅是，如果一个人真的有这种极为强烈的天然倾向，那么Ta理应去在数学、物理或哲学的世界里去追求那种接近神性的纯美才是。低至入门程序员，高至计算机科学家，为我们创造了伟大而美丽的现代文明的一大块儿，理应被欣赏和被歌颂。 相比其他行业的典型人设，我自己也更喜欢这群人得多。但所谓“程序员思维”，对我们日常范畴概念下的“思维”和“认知”，是几乎没有任何价值的 -- 它既不是处于“人文思维”和“数理思维”之间，也不是被“人文思维”或“数理思维”所涵盖，而是，它根本就不能称作一种“思维”，而仅是类似“会计思维”一样的，“基于21世纪人类对计算设备的硬件结构边界限制而派生出的确定执行方法论”-- 今天的计算机，依然是一个“极为高效的笨蛋”。

【推荐阅读】微服务还能火多久？>>> 假设以下情景，有一块木板，板上钉上了一些钉子，这些钉子可以由一些细绳连接起来。假设每个钉子可以通过一根或者多根细绳连接起来，那么一定存在这样的情况，即用最少的细绳把所有钉子连接起来。 更为实际的情景是这样的情况，在某地分布着 N 个村庄，现在需要在 N 个村庄之间修路，每个村庄之前的距离不同，问怎么修最短的路，将各个村庄连接起来。 以上这些问题都可以归纳为最小生成树问题，用正式的表述方法描述为：给定一个无方向的带权图 G=(V, E) ，最小生成树为集合 T , T 是以最小代价连接 V 中所有顶点所用边 E 的最小集合。 集合 T 中的边能够形成一颗树，这是因为每个节点（除了根节点）都能向上找到它的一个父节点。 解决最小生成树问题已经有前人开道， Prime 算法和 Kruskal 算法，分别从点和边下手解决了该问题。 Prim算法 Prim 算法是一种产生最小生成树的算法。该算法于 1930 年由捷克数学家沃伊捷赫·亚尔尼克（英语： Vojtěch Jarník ）发现；并在 1957 年由美国计算机科学家罗伯特·普里姆（英语： Robert C. Prim ）独立发现； 1959 年，艾兹格·迪科斯彻再次发现了该算法。 Prim 算法从任意一个顶点开始，每次选择一个与当前顶点集最近的一个顶点，并将两顶点之间的边加入到树中。 Prim

【推荐阅读】微服务还能火多久？>>> 程序功能：开发使用selenium打开浏览器，播放酷我音乐，获取歌曲url，下载歌曲 安装模块： pip install tkinter pip install selenium pip install pyinstaller pip install pypiwin32 源代码： from tkinter import * from selenium import webdriver import time,re,requests,os,zipfile LOG_LINE_NUM = 0 class MY_GUI_SET(): """小工具""" def __init__(self, init_window_name): self.init_window_name = init_window_name def set_init_window(self): self.init_window_name.title("酷我音乐免下载收费的下载软件 注意:收费听取的下载不了! 箭头转圈，请勿点击以免卡顿（管理员身份运行）") self.init_window_name.geometry("730x320+10+10") self.init_window_name.attributes("-alpha", 1) # 虚化 值越小虚化程度越高 # 标签

【推荐阅读】微服务还能火多久？>>> 一、为什么做数据分离 前面实现了接口的请求到校验 那么如果要对多个商品价格查询，或者要做对不存在的商品查询之类的反例呢 于是我们再次新建一条case，再次编写了下脚本 那如果用例有10条，100条，那这些代码就要写10遍100遍，那么万一它的地址改了，我们就要改10遍100遍。 我们观察这条用例，发现与前面那条用例，只有skuids与预期结果不一样，那么我们是否可以把那些一样的部分提取出来，做成一个类似模板的东西，每次使用的时候套用呢？ 二、数据分离实现 1、新建关键字（模板） 右键目录，点击New Resource 输入Name，勾选Txt或者ROBOT，点击OK 如前面导入库的方式，导入RequestsLibrary 新增New User Keyword 输入名字，点击OK 如下图，点击该关键字，在右侧脚本行把脚本写入，其中${skuIds}， ${except_result}参数化 PS：另外养成良好习惯，在documentation处写上对应的备注 以上我们关键字就建好了，要怎么使用呢 2、使用关键字 跟导入库类似，要先导入刚才新建的resource，这样才能使用resource下的关键字 回到suite，点击suite，右侧点击Resource，输入刚才新建的resource文件名（练习flow.txt），点OK

【推荐阅读】微服务还能火多久？>>> 论文将标准的遗传算法应用到神经网络结构搜索中，首先对网络进行编码表示，然后进行遗传操作，整体方法十分简洁，搜索空间设计的十分简单，基本相当于只搜索节点间的连接方式，但是效果还是挺不错的，十分值得学习   来源：晓飞的算法工程笔记 公众号 论文: Genetic CNN 论文地址： https://arxiv.org/abs/1703.01513 Introduction   为了进行神经网络架构搜索，论文将网络限制为有限的深度，每层为预设的操作，但仍然存在很多候选网络，为了有效地在巨大的搜索空间中进行搜索，论文提出遗传算法进行加速。首先构造初始种群，然后对种群内的个体进行遗传操作，即选择、交叉和变异，通过识别的准确率来判断其适应性，最终获得强大的种群 Our Approach Binary Network Representation   目前SOTA的网络大都由多个阶段构成，每个阶段内的层具有相同的维度，而相邻的阶段则用池化进行连接。借鉴这种思想，定义网络有$S$个阶段组成，$s$-th阶段($s=1,2,...,S$)包含$K_s$个节点，标记为$v_{s,k}$，$k_s=1,2,...,K_s$，节点按顺序排列，仅允许低序号节点连接到高序号节点，对节点的所有输入进行element-wise sum，每个节点代表卷积操作，卷积后都接BN