主頁 > 後端開發 > 爬取拉勾網資料并進行資料可視化

爬取拉勾網資料并進行資料可視化

2020-09-28 18:17:18 後端開發

本文的文字及圖片來源于網路,僅供學習、交流使用,不具有任何商業用途,著作權歸原作者所有,如有問題請及時聯系我們以作處理，

以下文章來源于csnd，作者 迎風而來

轉載地址

https://blog.csdn.net/fei347795790?t=1

 

一、爬取和分析相關依賴包

  • Python版本：Python3.6
  • requests: 下載網頁
  • math: 向上取整
  • time: 暫停行程
  • pandas：資料分析并保存為csv檔案
  • matplotlib：繪圖
  • pyecharts：繪圖
  • statsmodels：統計建模
  • wordcloud、scipy、jieba：生成中文詞云
  • pylab：設定畫圖能顯示中文

在以上安裝或使用程序中可能讀者會遇到安裝或匯入失敗等問題自行百度，選擇依賴包的合適版本

 

二、分析網頁結構

通過Chrome搜索'python工程師'，然后右鍵點擊檢查或者F12,,使用檢查功能查看網頁源代碼,當我們點擊下一頁觀察瀏覽器的搜索欄的url并沒有改變，這是因為拉勾網做了反爬蟲機制, 職位資訊并不在源代碼里,而是保存在JSON的檔案里,因此我們直接下載JSON,并使用字典方法直接讀取資料.即可拿到我們想要的python職位相關的資訊，

 

待爬取的python工程師職位資訊如下：

 

為了能爬到我們想要的資料，我們要用程式來模擬瀏覽器來查看網頁，所以我們在爬取的程序中會加上頭資訊，頭資訊也是我們通過分析網頁獲取到的，通過網頁分析我們知道該請求的頭資訊，以及請求的資訊和請求的方式是POST請求，這樣我們就可以該url請求拿到我們想的資料做進一步處理

 

爬取網頁資訊代碼如下：

import requests

url = ' https://www.lagou.com/jobs/positionAjax.json?needAddtionalResult=false'


def get_json(url, num):
    """
    從指定的url中通過requests請求攜帶請求頭和請求體獲取網頁中的資訊,
    :return:
    """
    url1 = 'https://www.lagou.com/jobs/list_python%E5%BC%80%E5%8F%91%E5%B7%A5%E7%A8%8B%E5%B8%88?labelWords=&fromSearch=true&suginput='
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/66.0.3359.139 Safari/537.36',
        'Host': 'www.lagou.com',
        'Referer': 'https://www.lagou.com/jobs/list_%E6%95%B0%E6%8D%AE%E5%88%86%E6%9E%90?labelWords=&fromSearch=true&suginput=',
        'X-Anit-Forge-Code': '0',
        'X-Anit-Forge-Token': 'None',
        'X-Requested-With': 'XMLHttpRequest'
    }
    data = {
        'first': 'true',
        'pn': num,
        'kd': 'python工程師'}
    s = requests.Session()
    print('建立session：', s, '\n\n')
    s.get(url=url1, headers=headers, timeout=3)
    cookie = s.cookies
    print('獲取cookie：', cookie, '\n\n')
    res = requests.post(url, headers=headers, data=https://www.cnblogs.com/hhh188764/archive/2020/09/28/data, cookies=cookie, timeout=3)
    res.raise_for_status()
    res.encoding = 'utf-8'
    page_data = res.json()
    print('請求回應結果：', page_data, '\n\n')
    return page_data


print(get_json(url, 1))

 


通過搜索我們知道每頁顯示15個職位，最多顯示30頁,通過分析網頁源代碼知道，可以通過JSON里讀取總職位數,通過總的職位數和每頁能顯示的職位數.我們可以計算出總共有多少頁，然后使用回圈按頁爬取, 最后將職位資訊匯總, 寫入到CSV格式的檔案中.

程式運行結果如圖:

 

爬取所有python相關職位資訊如下：

 

三、資料清洗后入庫

資料清洗其實會占用很大一部分作業，我們在這里只做一些簡單的資料分析后入庫，在拉勾網輸入python相關的職位會有18988個，你可以根據作業中需求選擇要入庫的欄位，并對一些欄位做進一步的篩選，比如我們可以去除職位名稱中為實習生的崗位，過濾指定的欄位區域在我們指定區域的職位，取欄位薪資的平均值，以最低值和差值的四分之一為平均值等等根據需求自由發揮

import pandas as pd
import matplotlib.pyplot as plt
import statsmodels.api as sm
from wordcloud import WordCloud
from scipy.misc import imread
from imageio import imread
import jieba
from pylab import mpl

# 使用matplotlib能夠顯示中文
mpl.rcParams['font.sans-serif'] = ['SimHei']  # 指定默認字體
mpl.rcParams['axes.unicode_minus'] = False  # 解決保存影像是負號'-'顯示為方塊的問題
#  讀取資料
df = pd.read_csv('Python_development_engineer.csv', encoding='utf-8')

# 進行資料清洗，過濾掉實習崗位
# df.drop(df[df['職位名稱'].str.contains('實習')].index, inplace=True)
# print(df.describe())


# 由于csv檔案中的字符是字串形式，先用正則運算式將字串轉化為串列，在去區間的均值
pattern = '\d+'
# print(df['作業經驗'], '\n\n\n')
# print(df['作業經驗'].str.findall(pattern))
df['作業年限'] = df['作業經驗'].str.findall(pattern)
print(type(df['作業年限']), '\n\n\n')
avg_work_year = []
count = 0
for i in df['作業年限']:
    # print('每個職位對應的作業年限',i)
    # 如果作業經驗為'不限'或'應屆畢業生',那么匹配值為空,作業年限為0
    if len(i) == 0:
        avg_work_year.append(0)
        # print('nihao')
        count += 1
    # 如果匹配值為一個數值,那么回傳該數值
    elif len(i) == 1:
        # print('hello world')
        avg_work_year.append(int(''.join(i)))
        count += 1
    # 如果匹配為一個區間則取平均值
    else:
        num_list = [int(j) for j in i]
        avg_year = sum(num_list) / 2
        avg_work_year.append(avg_year)
        count += 1
print(count)
df['avg_work_year'] = avg_work_year
# 將字串轉化為串列,薪資取最低值加上區間值得25%，比較貼近現實
df['salary'] = df['薪資'].str.findall(pattern)
#
avg_salary_list = []
for k in df['salary']:
    int_list = [int(n) for n in k]
    avg_salary = int_list[0] + (int_list[1] - int_list[0]) / 4
    avg_salary_list.append(avg_salary)
df['月薪'] = avg_salary_list
# df.to_csv('python.csv', index=False)

 

四、資料可視化展示

下面是對資料的可視化展示，僅以部分視圖進行一些可視化的展示，如果讀者想對其他欄位做一些展示以及想使用不同的視圖型別進行展示，請自行發揮，注：以下代碼中引入的模塊見最后的完整代碼

1、繪制python薪資的頻率直方圖并保存

如果我們想看看關于互聯網行業python工程師相關的崗位大家普遍薪資的一個分部區間在哪個范圍，占據了多達的比例我們就可以借助matplotlib庫，來將我們保存在csv檔案中的資料進行可視化的展示，然我們能夠更直觀的看到資料的一個分部趨勢

# 繪制python薪資的頻率直方圖并保存
plt.hist(df['月薪'],bins=8,facecolor='#ff6700',edgecolor='blue')  # bins是默認的條形數目
plt.xlabel('薪資(單位/千元)')
plt.ylabel('頻數/頻率')
plt.title('python薪資直方圖')
plt.savefig('python薪資分布.jpg')
plt.show()

 

運行結果如下：

 

2、繪制python相關職位的地理位置餅狀圖

通過地理python職位地理位置的分部我們可以大致了解IT行業主要集中分部在哪些城市，這樣也更利于我們選擇地域進行選擇性就業，可以獲得更多的面試機會等，引數可自行除錯，或根據需要添加，

# 繪制餅狀圖并保存
city = df['城市'].value_counts()
print(type(city))
# print(len(city))
label = city.keys()
print(label)
city_list = []
count = 0
n = 1
distance = []
for i in city:

    city_list.append(i)
    print('串列長度', len(city_list))
    count += 1
    if count > 5:
        n += 0.1
        distance.append(n)
    else:
        distance.append(0)
plt.pie(city_list, labels=label, labeldistance=1.2, autopct='%2.1f%%', pctdistance=0.6, shadow=True, explode=distance)
plt.axis('equal')  # 使餅圖為正圓形
plt.legend(loc='upper left', bbox_to_anchor=(-0.1, 1))
plt.savefig('python地理位置分布圖.jpg')
plt.show()

 

運行結果如下：

 

3、繪制基于pyechart的城市分布柱狀圖

pycharts是python中呼叫百度基于js開發的echarts介面，也可以對資料進行各種可視化操作，更多資料可視化圖形展示，可參考echarts官網：https://www.echartsjs.com/,echarts官網提供了各種實體供我們參考，如折線圖、柱狀圖、餅圖、路徑圖、樹圖等等，基于pyecharts的檔案可參考以下官網：https://pyecharts.org/#/,更多用法也可自行百度網路資源

city = df['城市'].value_counts()
print(type(city))
print(city)
# print(len(city))

keys = city.index  # 等價于keys = city.keys()
values = city.values
from pyecharts import Bar

bar = Bar("python職位的城市分布圖")
bar.add("城市", keys, values)
bar.print_echarts_options()  # 該行只為了列印配置項，方便除錯時使用
bar.render(path='a.html')

 


運行結果如下：

 

4、繪制python福利相關的詞云

詞云圖又叫文字云，是對文本資料中出現頻率較高的關鍵詞予以視覺上的突出,形成"關鍵詞的渲染"就類似云一樣的彩色圖片,從而過濾掉大量的文本資訊,，使人一眼就可以領略文本資料的主要表達意思，利用jieba分詞和詞云生成WorldCloud（可自定義背景），下面就是對python相關職位的福利做了一個詞云的展示，可以更直觀的看到大多數公司的福利待遇集中在哪些地方

# 繪制福利待遇的詞云
text = ''
for line in df['公司福利']:
    if len(eval(line)) == 0:
        continue
    else:
        for word in eval(line):
            # print(word)
            text += word

cut_word = ','.join(jieba.cut(text))
word_background = imread('公主.jpg')
cloud = WordCloud(
    font_path=r'C:\Windows\Fonts\simfang.ttf',
    background_color='black',
    mask=word_background,
    max_words=500,
    max_font_size=100,
    width=400,
    height=800

)
word_cloud = cloud.generate(cut_word)
word_cloud.to_file('福利待遇詞云.png')
plt.imshow(word_cloud)
plt.axis('off')
plt.show()

 


運行結果如下：

 

五、爬蟲及可視化完整代碼

完整代碼在下面，代碼均測驗可正常運行，感興趣的小伙伴可去嘗試和了解其中的使用方法！

1、爬蟲完整代碼

為了防止我們頻繁請求一個網站被限制ip，我們在爬取每一頁后選擇睡一段時間，當然你也可以使用代理等其他方式自行實作

import requests
import math
import time
import pandas as pd


def get_json(url, num):
    """
    從指定的url中通過requests請求攜帶請求頭和請求體獲取網頁中的資訊,
    :return:
    """
    url1 = 'https://www.lagou.com/jobs/list_python%E5%BC%80%E5%8F%91%E5%B7%A5%E7%A8%8B%E5%B8%88?labelWords=&fromSearch=true&suginput='
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/66.0.3359.139 Safari/537.36',
        'Host': 'www.lagou.com',
        'Referer': 'https://www.lagou.com/jobs/list_%E6%95%B0%E6%8D%AE%E5%88%86%E6%9E%90?labelWords=&fromSearch=true&suginput=',
        'X-Anit-Forge-Code': '0',
        'X-Anit-Forge-Token': 'None',
        'X-Requested-With': 'XMLHttpRequest'
    }
    data = {
        'first': 'true',
        'pn': num,
        'kd': 'python工程師'}
    s = requests.Session()
    print('建立session：', s, '\n\n')
    s.get(url=url1, headers=headers, timeout=3)
    cookie = s.cookies
    print('獲取cookie：', cookie, '\n\n')
    res = requests.post(url, headers=headers, data=https://www.cnblogs.com/hhh188764/archive/2020/09/28/data, cookies=cookie, timeout=3)
    res.raise_for_status()
    res.encoding = 'utf-8'
    page_data = res.json()
    print('請求回應結果：', page_data, '\n\n')
    return page_data


def get_page_num(count):
    """
    計算要抓取的頁數，通過在拉勾網輸入關鍵字資訊，可以發現最多顯示30頁資訊,每頁最多顯示15個職位資訊
    :return:
    """
    page_num = math.ceil(count / 15)
    if page_num > 30:
        return 30
    else:
        return page_num


def get_page_info(jobs_list):
    """
    獲取職位
    :param jobs_list:
    :return:
    """
    page_info_list = []
    for i in jobs_list:  # 回圈每一頁所有職位資訊
        job_info = []
        job_info.append(i['companyFullName'])
        job_info.append(i['companyShortName'])
        job_info.append(i['companySize'])
        job_info.append(i['financeStage'])
        job_info.append(i['district'])
        job_info.append(i['positionName'])
        job_info.append(i['workYear'])
        job_info.append(i['education'])
        job_info.append(i['salary'])
        job_info.append(i['positionAdvantage'])
        job_info.append(i['industryField'])
        job_info.append(i['firstType'])
        job_info.append(i['companyLabelList'])
        job_info.append(i['secondType'])
        job_info.append(i['city'])
        page_info_list.append(job_info)
    return page_info_list


def main():
    url = ' https://www.lagou.com/jobs/positionAjax.json?needAddtionalResult=false'
    first_page = get_json(url, 1)
    total_page_count = first_page['content']['positionResult']['totalCount']
    num = get_page_num(total_page_count)
    total_info = []
    time.sleep(10)
    print("python開發相關職位總數:{},總頁數為:{}".format(total_page_count, num))
    for num in range(1, num + 1):
        # 獲取每一頁的職位相關的資訊
        page_data = https://www.cnblogs.com/hhh188764/archive/2020/09/28/get_json(url, num)  # 獲取回應json
        jobs_list = page_data['content']['positionResult']['result']  # 獲取每頁的所有python相關的職位資訊
        page_info = get_page_info(jobs_list)
        print("每一頁python相關的職位資訊:%s" % page_info, '\n\n')
        total_info += page_info
        print('已經爬取到第{}頁，職位總數為{}'.format(num, len(total_info)))
        time.sleep(20)
        # 將總資料轉化為data frame再輸出,然后在寫入到csv各式的檔案中
        df = pd.DataFrame(data=https://www.cnblogs.com/hhh188764/archive/2020/09/28/total_info,
                          columns=['公司全名', '公司簡稱', '公司規模', '融資階段', '區域', '職位名稱', '作業經驗', '學歷要求', '薪資', '職位福利', '經營范圍',
                                   '職位型別', '公司福利', '第二職位型別', '城市'])
        # df.to_csv('Python_development_engineer.csv', index=False)
        print('python相關職位資訊已保存')


if __name__ == '__main__':
    main()

 

2、可視化完整代碼

資料可視化涉及到matplotlib、jieba、wordcloud、pyecharts、pylab、scipy等等模塊的使用，讀者可以自行了解各個模塊的使用方法，和其中涉及的各種引數

import pandas as pd
import matplotlib.pyplot as plt
import statsmodels.api as sm
from wordcloud import WordCloud
from scipy.misc import imread
# from imageio import imread
import jieba
from pylab import mpl

# 使用matplotlib能夠顯示中文
mpl.rcParams['font.sans-serif'] = ['SimHei']  # 指定默認字體
mpl.rcParams['axes.unicode_minus'] = False  # 解決保存影像是負號'-'顯示為方塊的問題
#  讀取資料
df = pd.read_csv('Python_development_engineer.csv', encoding='utf-8')

# 進行資料清洗，過濾掉實習崗位
# df.drop(df[df['職位名稱'].str.contains('實習')].index, inplace=True)
# print(df.describe())


# 由于csv檔案中的字符是字串形式，先用正則運算式將字串轉化為串列，在去區間的均值
pattern = '\d+'
# print(df['作業經驗'], '\n\n\n')
# print(df['作業經驗'].str.findall(pattern))
df['作業年限'] = df['作業經驗'].str.findall(pattern)
print(type(df['作業年限']), '\n\n\n')
avg_work_year = []
count = 0
for i in df['作業年限']:
    # print('每個職位對應的作業年限',i)
    # 如果作業經驗為'不限'或'應屆畢業生',那么匹配值為空,作業年限為0
    if len(i) == 0:
        avg_work_year.append(0)
        # print('nihao')
        count += 1
    # 如果匹配值為一個數值,那么回傳該數值
    elif len(i) == 1:
        # print('hello world')
        avg_work_year.append(int(''.join(i)))
        count += 1
    # 如果匹配為一個區間則取平均值
    else:
        num_list = [int(j) for j in i]
        avg_year = sum(num_list) / 2
        avg_work_year.append(avg_year)
        count += 1
print(count)
df['avg_work_year'] = avg_work_year
# 將字串轉化為串列,薪資取最低值加上區間值得25%，比較貼近現實
df['salary'] = df['薪資'].str.findall(pattern)
#
avg_salary_list = []
for k in df['salary']:
    int_list = [int(n) for n in k]
    avg_salary = int_list[0] + (int_list[1] - int_list[0]) / 4
    avg_salary_list.append(avg_salary)
df['月薪'] = avg_salary_list
# df.to_csv('python.csv', index=False)


"""1、繪制python薪資的頻率直方圖并保存"""
plt.hist(df['月薪'], bins=8, facecolor='#ff6700', edgecolor='blue')  # bins是默認的條形數目
plt.xlabel('薪資(單位/千元)')
plt.ylabel('頻數/頻率')
plt.title('python薪資直方圖')
plt.savefig('python薪資分布.jpg')
plt.show()

"""2、繪制餅狀圖并保存"""
city = df['城市'].value_counts()
print(type(city))
# print(len(city))
label = city.keys()
print(label)
city_list = []
count = 0
n = 1
distance = []
for i in city:

    city_list.append(i)
    print('串列長度', len(city_list))
    count += 1
    if count > 5:
        n += 0.1
        distance.append(n)
    else:
        distance.append(0)
plt.pie(city_list, labels=label, labeldistance=1.2, autopct='%2.1f%%', pctdistance=0.6, shadow=True, explode=distance)
plt.axis('equal')  # 使餅圖為正圓形
plt.legend(loc='upper left', bbox_to_anchor=(-0.1, 1))
plt.savefig('python地理位置分布圖.jpg')
plt.show()

"""3、繪制福利待遇的詞云"""
text = ''
for line in df['公司福利']:
    if len(eval(line)) == 0:
        continue
    else:
        for word in eval(line):
            # print(word)
            text += word

cut_word = ','.join(jieba.cut(text))
word_background = imread('公主.jpg')
cloud = WordCloud(
    font_path=r'C:\Windows\Fonts\simfang.ttf',
    background_color='black',
    mask=word_background,
    max_words=500,
    max_font_size=100,
    width=400,
    height=800

)
word_cloud = cloud.generate(cut_word)
word_cloud.to_file('福利待遇詞云.png')
plt.imshow(word_cloud)
plt.axis('off')
plt.show()

"""4、基于pyechart的柱狀圖"""
city = df['城市'].value_counts()
print(type(city))
print(city)
# print(len(city))

keys = city.index  # 等價于keys = city.keys()
values = city.values
from pyecharts import Bar

bar = Bar("python職位的城市分布圖")
bar.add("城市", keys, values)
bar.print_echarts_options()  # 該行只為了列印配置項，方便除錯時使用
bar.render(path='a.html')

 

轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/134882.html

標籤：其他

上一篇：租房子，光看資料怎么夠，Python爬取某站租房圖片

下一篇：C語言必踩神坑，世上本沒有坑，摔的人多了，也就有了坑！

標籤雲
其他(157675) Python(38076) JavaScript(25376) Java(17977) C(15215) 區塊鏈(8255) C＃(7972) AI(7469) 爪哇(7425) MySQL(7132) html(6777) 基礎類(6313) sql(6102) 熊猫(6058) PHP(5869) 数组(5741) R(5409) Linux(5327) 反应(5209) 腳本語言(PerlPython)(5129) 非技術區(4971) Android(4554) 数据框(4311) css(4259) 节点.js(4032) C語言(3288) json(3245) 列表(3129) 扑(3119) C++語言(3117) 安卓(2998) 打字稿(2995) VBA(2789) Java相關(2746) 疑難問題(2699) 细绳(2522) 單片機工控(2479) iOS(2429) ASP.NET(2402) MongoDB(2323) 麻木的(2285) 正则表达式(2254) 字典(2211) 循环(2198) 迅速(2185) 擅长(2169) 镖(2155) 功能(1967) .NET技术(1958) Web開發(1951) python-3.x(1918) HtmlCss(1915) 弹簧靴(1913) C++(1909) xml(1889) PostgreSQL(1872) .NETCore(1853) 谷歌表格(1846) Unity3D(1843) for循环(1842)

熱門瀏覽
  • 【C++】Microsoft C++、C 和匯編程式檔案

    ......

    uj5u.com 2020-09-10 00:57:23 more
  • 例外宣告

    相比于斷言適用于排除邏輯上不可能存在的狀態，例外通常是用于邏輯上可能發生的錯誤。 例外宣告 Item 1：當函式不可能拋出例外或不能接受拋出例外時，使用noexcept 理由 如果不打算拋出例外的話，程式就會認為無法處理這種錯誤，并且應當盡早終止，如此可以有效地阻止例外的傳播與擴散。 示例 //不可 ......

    uj5u.com 2020-09-10 00:57:27 more
  • Codeforces 1400E Clear the Multiset(貪心 + 分治)

    鏈接：https://codeforces.com/problemset/problem/1400/E 來源：Codeforces 思路：給你一個陣列，現在你可以進行兩種操作，操作1：將一段沒有 0 的區間進行減一的操作，操作2：將 i 位置上的元素歸零。最終問：將這個陣列的全部元素歸零后操作的最少 ......

    uj5u.com 2020-09-10 00:57:30 more
  • UVA11610 【Reverse Prime】

    本人看到此題沒有翻譯，就附帶了一個自己的翻譯版本 思考 這一題，它的第一個要求是找出所有 $7$ 位反向質數及其質因數的個數。 我們應該需要質數篩篩選1~$10^{7}$的所有數，這里就不慢慢介紹了。但是，重讀題，我們突然發現反向質數都是 $7$ 位，而將它反過來后的數字卻是 $6$ 位數，這就說明 ......

    uj5u.com 2020-09-10 00:57:36 more
  • 統計區間素數數量

    1 #pragma GCC optimize(2) 2 #include <bits/stdc++.h> 3 using namespace std; 4 bool isprime[1000000010]; 5 vector<int> prime; 6 inline int getlist(int ......

    uj5u.com 2020-09-10 00:57:47 more
  • C/C++編程筆記：C++中的 const 變數詳解，教你正確認識const用法

    1、C中的const 1、區域const變數存放在堆疊區中，會分配記憶體（也就是說可以通過地址間接修改變數的值）。測驗代碼如下： 運行結果： 2、全域const變數存放在只讀資料段（不能通過地址修改，會發生寫入錯誤）， 默認為外部聯編，可以給其他源檔案使用（需要用extern關鍵字修飾） 運行結果： ......

    uj5u.com 2020-09-10 00:58:04 more
  • 【C++犯錯記錄】VS2019 MFC添加資源不懂如何修改資源宏ID

    1. 首先在資源視圖中，添加資源 2. 點擊新添加的資源，復制自動生成的ID 3. 在解決方案資源管理器中找到Resource.h檔案，編輯，使用整個專案搜索和替換的方式快速替換 宏宣告 4. Ctrl+Shift+F 全域搜索，點擊查找全部，然后逐個替換 5. 為什么使用搜索替換而不使用屬性視窗直 ......

    uj5u.com 2020-09-10 00:59:11 more
  • 【C++犯錯記錄】VS2019 MFC不懂的批量添加資源

    1. 打開資源頭檔案Resource.h，在其中預先定義好宏 ID（不清楚其實ID值應該設定多少，可以先新建一個相同的資源項，再在這個資源的ID值的基礎上遞增即可） 2. 在資源視圖中選中專案資源，按F7編輯資源檔案，按 ID 型別 相對路徑的形式添加 資源。（別忘了先把檔案拷貝到專案中的res檔案 ......

    uj5u.com 2020-09-10 01:00:19 more
  • C/C++編程筆記：關于C++的參考型別，專供新手入門使用

    今天要講的是C++中我最喜歡的一個用法——參考，也叫別名。 參考就是給一個變數名取一個變數名，方便我們間接地使用這個變數。我們可以給一個變數創建N個參考，這N + 1個變數共享了同一塊記憶體區域。(參考型別的變數會占用記憶體空間，占用的記憶體空間的大小和指標型別的大小是相同的。雖然參考是一個物件的別名，但 ......

    uj5u.com 2020-09-10 01:00:22 more
  • 【C/C++編程筆記】從頭開始學習C ++：初學者完整指南

    眾所周知，C ++的學習曲線陡峭，但是花時間學習這種語言將為您的職業帶來奇跡，并使您與其他開發人員區分開。您會更輕松地學習新語言，形成真正的解決問題的技能，并在編程的基礎上打下堅實的基礎。 C ++將幫助您養成良好的編程習慣（即清晰一致的編碼風格，在撰寫代碼時注釋代碼，并限制類內部的可見性），并且由 ......

    uj5u.com 2020-09-10 01:00:41 more
最新发布
  • Rust中的智能指標:Box<T> Rc<T> Arc<T> Cell<T> RefCell<T> Weak

    Rust中的智能指標是什么 智能指標（smart pointers）是一類資料結構，是擁有資料所有權和額外功能的指標。是指標的進一步發展 指標（pointer）是一個包含記憶體地址的變數的通用概念。這個地址參考，或 ” 指向”（points at）一些其 他資料 。參考以 & 符號為標志并借用了他們所 ......

    uj5u.com 2023-04-20 07:24:10 more
  • Java的值傳遞和參考傳遞

    值傳遞不會改變本身，參考傳遞（如果傳遞的值需要實體化到堆里）如果發生修改了會改變本身。 1.基本資料型別都是值傳遞 package com.example.basic; public class Test { public static void main(String[] args) { int ......

    uj5u.com 2023-04-20 07:24:04 more
  • [2]SpinalHDL教程——Scala簡單入門

    第一個 Scala 程式 shell里面輸入 $ scala scala> 1 + 1 res0: Int = 2 scala> println("Hello World!") Hello World! 檔案形式 object HelloWorld { /* 這是我的第一個 Scala 程式 * 以 ......

    uj5u.com 2023-04-20 07:23:58 more
  • 理解函式指標和回呼函式

    理解 函式指標 指向函式的指標。比如： 理解函式指標的偽代碼 void (*p)(int type, char *data); // 定義一個函式指標p void func(int type, char *data); // 宣告一個函式func p = func; // 將指標p指向函式func ......

    uj5u.com 2023-04-20 07:23:52 more
  • Django筆記二十五之資料庫函式之日期函式

    本文首發于公眾號：Hunter后端 原文鏈接：Django筆記二十五之資料庫函式之日期函式 日期函式主要介紹兩個大類，Extract() 和 Trunc() Extract() 函式作用是提取日期，比如我們可以提取一個日期欄位的年份，月份，日等資料 Trunc() 的作用則是截取，比如 2022-0 ......

    uj5u.com 2023-04-20 07:23:45 more
  • 一天吃透JVM面試八股文

    什么是JVM？ JVM，全稱Java Virtual Machine（Java虛擬機），是通過在實際的計算機上仿真模擬各種計算機功能來實作的。由一套位元組碼指令集、一組暫存器、一個堆疊、一個垃圾回收堆和一個存盤方法域等組成。JVM屏蔽了與作業系統平臺相關的資訊，使得Java程式只需要生成在Java虛擬機 ......

    uj5u.com 2023-04-20 07:23:31 more
  • 使用Java接入小程式訂閱訊息！

    更新完微信服務號的模板訊息之后，我又趕緊把微信小程式的訂閱訊息給實作了！之前我一直以為微信小程式也是要企業才能申請，沒想到小程式個人就能申請。 訊息推送平臺🔥推送下發【郵件】【短信】【微信服務號】【微信小程式】【企業微信】【釘釘】等訊息型別。 https://gitee.com/zhongfuch ......

    uj5u.com 2023-04-20 07:22:59 more
  • java -- 緩沖流、轉換流、序列化流

    緩沖流 緩沖流, 也叫高效流, 按照資料型別分類： 位元組緩沖流：BufferedInputStream，BufferedOutputStream 字符緩沖流：BufferedReader，BufferedWriter 緩沖流的基本原理，是在創建流物件時，會創建一個內置的默認大小的緩沖區陣列，通過緩沖 ......

    uj5u.com 2023-04-20 07:22:49 more
  • Java-SpringBoot-Range請求頭設定實作視頻分段傳輸

    老實說，人太懶了，現在基本都不喜歡寫筆記了，但是網上有關Range請求頭的文章都太水了 下面是抄的一段StackOverflow的代碼...自己大修改過的，寫的注釋挺全的，應該直接看得懂，就不解釋了 寫的不好...只是希望能給視頻網站開發的新手一點點幫助吧. 業務場景：視頻分段傳輸、視頻多段傳輸（理 ......

    uj5u.com 2023-04-20 07:22:42 more
  • Windows 10開發教程_編程入門自學教程_菜鳥教程-免費教程分享

    教程簡介 Windows 10開發入門教程 - 從簡單的步驟了解Windows 10開發，從基本到高級概念，包括簡介，UWP，第一個應用程式，商店，XAML控制元件，資料系結，XAML性能，自適應設計，自適應UI，自適應代碼，檔案管理，SQLite資料庫，應用程式到應用程式通信，應用程式本地化，應用程式 ......

    uj5u.com 2023-04-20 07:22:35 more

Copyright © 2010-2020 有解無憂