无备案网站微信怎么查百度收录网站
目录
基础处理
- 字符串
- 列表
- 字典
- 运算符
- 正则表达式re库
- requests
- Beautiful Soup
- jieba库
- 分词模式
- 基于TF-IDF算法的关键词提取
- 基于TextRank算法的关键词提取
- pandas 打开有多个表的.xlsx文件
基础处理
字符串
- str_ = str_.lower()
- lower()函数：将字符中的大写字母转换成小写字母。
- str_ = str_.upper()
- upper()函数：将字符中的小写字母转换成大写字母。
- str_ = str_.replace("要被替换的字符","替换后的字符")
- 替换字符串
- str_ = str_.strip()
删除字符串前后的空格或字符
- str_ = str_.count()
- 统计某字符在字符串中的个数
- str_ = str_.split()
- 以指定字符分割
- str_.isalpha()
- 用于判断字符中是否只包含英文和中文字符，如果字符串至少有一个字符且所有字符都是字母，则返回 True，否则返回 False。
- 判断中文字符，用编码格式匹配。
- 判断字符中所有都是中文，有一个英文都返回False。
num = "python炒粉，为生活添砖java"if "\u4e00" <= num <= "\u9fff":print(True) else:print(False)提取字符中的非中文字符。
num = "python炒粉，为生活添砖java"jg = "" for i in num:if "\u4e00" <= i <= "\u9fff":#是中文就pass掉passelse:#不是中文就添加jg += i #返回："python，java" print(jg)
列表
- list_.remove()
- .remove()：函数可以删除列表中第一个指定的值。
- list_ = list_[::-1]
- 用索引反转列表
- list_.insert(要插入的位置的索引，要插入的内容)
- 向列表插入值
- list_ = list_.pop()
- 默认移除列表最后一个元素。
- 如果提供索引，则移除指定索引的元素。
字典
- 向字典插入值
如：dict_[ "键" ] = "插入的值"
- 提取字典的值
- dict_.get("要提取值的键")
- 字典的排序：sorted()函数
- 如下：
my_dict = {'banana': 3, 'apple': 4, 'pear': 1, 'orange': 2} sorted_dict_by_values = dict(sorted(my_dict.items(), key=lambda item: item[1])) print(sorted_dict_by_values) # 输出: {'pear': 1, 'orange': 2, 'banana': 3, 'apple': 4}- 倒叙排序：reverse=True
运算符
" // "：两数相除，向下取整，取两数相除后的整数部分。
如：3 // 2 结果为：1
5 // 2 结果为：2
" % "：取模运算，两数相除后的余数。
如：7 % 2 结果为：1
3 % 2 结果为：1
- pow(x,y,z)
- 其中
x是底数，y是指数。这个函数返回x的y次幂- 其中
x是底数，y是指数，而z是模数。这个函数返回(x**y) % z的结果，即x的y次幂对z取模的结果。这种用法在计算大数的幂并对某个数取模时非常有用，因为它可以避免中间结果过大而导致的溢出问题。
正则表达式re库
- re.search()
- 在字符中找到第一次搜索出的正则表达式模式，若为找到则返回None。
- re.findall("正则表达式" , 要匹配的字符串)
- 在字符串中找到正则表达式所匹配的所有子串, 返回列表。
- re.sub()
- 正则表达式替换匹配的字符串
requests
发送请求
#传入url链接
url = "XXX"#向网站发送请求
#请求成功时状态为：200
resp = requests.get(url)#转换编码格式
#常用的编码格式："utf-8","gbk"
resp.encoding = "utf-8"#将返回转换成文本
resp = resp.textBeautiful Soup
将文本转换成Beautiful Soup的对象
soup = BeautifulSoup( 文本 ,"html.parser")
- soup.find("标签" , 属性="xxx")
- 匹配第一个符合条件的值。
- ##注意匹配class属性时，要将"class"属性写成 "class_" 因为"class"时python的关键词。
- soup.find_all("标签" , 属性="xxx")
- 匹配所有符合条件的值。
- 提取标签的属性
- soup[ " title " ]
jieba库
分词模式
1.精确模式
- 精确模式是将文本按照最大概率进行切分，效果较好。
- 使用方法：jieba.cut(sentence)，返回一个可迭代的分词结果。
2.全模式
- 全模式将文本中所有可能的词语都切分出来，可能存在冗余。
- 使用方法：jieba.cut(sentence, cut_all=True)，返回一个可迭代的分词结果。
3.搜索引擎模式
- 搜索引擎模式根据词语的位置进行切分，适合搜索引擎分词。
- 使用方法：jieba.cut_for_search(sentence)，返回一个可迭代的分词结果。
- jieba.luct()
- 这个函数回返回一个分词后的列表。
基于TF-IDF算法的关键词提取
- jieba库提供了基于TF-IDF算法的关键词提取方法jieba.analyse.extract_tags
(sentence, topK=10)，用于从文本中提取关键词。 topK：参数指定返回的关键词数量，默认为10。
基于TextRank算法的关键词提取
- jieba库还提供了基于TextRank算法的关键词提取方法：
jieba.analyse.textrank(sentence, topK=10，withWeight=False, allowPOS=("ns", "n", "vn", "v"))sentence：是要提取关键词的文本topK：参数指定返回的关键词数量，默认为10。withWeight：表示是否返回关键词的权重值（默认为False）allowPOS：表示仅包括指定词性的词（默认为名词、动词等）
pandas 打开有多个表的.xlsx文件
- df = pd.read_excel('path_to_excel_file.xlsx', sheet_name=None)
- 设置sheet_name参数为None
- 打开指定的表：df["表名"]