主頁 > 後端開發 > Python爬蟲以及資料可視化分析

Python爬蟲以及資料可視化分析

2020-12-27 12:32:52 後端開發

Python爬蟲以及資料可視化分析之Bilibili動漫排行榜資訊爬取分析

簡書地址：https://www.jianshu.com/u/40ac87350697

簡單幾步，通過Python對B站番劇排行資料進行爬取，并進行可視化分析

原始碼檔案可以參考Github上傳的專案：https://github.com/Lemon-Sheep/Py/tree/master

下面，我們開始吧！

PS: 作為Python爬蟲初學者，如有不正確的地方，望各路大神不吝賜教[抱拳]

本專案將會對B站番劇排行的資料進行網頁資訊爬取以及資料可視化分析
image.png

首先，準備好相關庫

requests、pandas、BeautifulSoup、matplotlib等

因為這是第三方庫，所以我們需要額外下載
下載有兩種方法（以requests為例，其余庫的安裝方法類似）：

（一）在命令列輸入

前提：裝了pip（ Python 包管理工具,提供了對Python 包的查找、下載、安裝、卸載的功能， ）

pip install requests

（二）通過PyCharm下載

第一步：編譯器左上角File–>Settings…
image.png
第二步：找到Project Interpreter 點擊右上角加號按鈕，彈出界面上方搜索庫名：requests，點擊左下角Install ，當提示successfully時，即安裝完成，
2.png

image.png

準備作業做好后，開始專案的實行

一、獲取網頁內容

def get_html(url):
    try:
        r = requests.get(url)             # 使用get來獲取網頁資料
        r.raise_for_status()              # 如果回傳引數不為200，拋出例外
        r.encoding = r.apparent_encoding  # 獲取網頁編碼方式
        return r.text                     # 回傳獲取的內容
    except:
        return '錯誤'

我們來看爬取情況，是否有我們想要的內容：

def main():
    url = 'https://www.bilibili.com/v/popular/rank/bangumi'    # 網址
    html = get_html(url)                                       # 獲取回傳值
    print(html)                                              # 列印

if __name__ == '__main__':                        #入口
    main()

爬取結果如下圖所示：
image.png
成功！

二、資訊決議階段：

第一步，先構建BeautifulSoup實體

soup = BeautifulSoup(html, 'html.parser') # 指定BeautifulSoup的決議器

第二步，初始化要存入資訊的容器

# 定義好相關串列準備存盤相關資訊
    TScore = []  # 綜合評分
    name = []  # 動漫名字
    play= []  # 播放量
    review = []  # 評論數
    favorite= []  # 收藏數

第三步，開始資訊整理
我們先獲取番劇的名字，并將它們先存進串列中

# ********************************************  動漫名字存盤
    for tag in soup.find_all('div', class_='info'):
        # print(tag)
        bf = tag.a.string
        name.append(str(bf))
    print(name)

此處我們用到了beautifulsoup的find_all()來進行決議，在這里，find_all()的第一個引數是標簽名，第二個是標簽中的class值（注意下劃線哦(class_=‘info’)），

我們在網頁界面按下F12，就能看到網頁代碼，找到相應位置，就能清晰地看見相關資訊：
image.png

接著，我們用幾乎相同的方法來對綜合評分、播放量，評論數和收藏數來進行提取

# ********************************************  播放量存盤
    for tag in soup.find_all('div', class_='detail'):
        # print(tag)
        bf = tag.find('span', class_='data-box').get_text()
        # 統一單位為‘萬’
        if '億' in bf:
            num = float(re.search(r'\d(.\d)?', bf).group()) * 10000
            # print(num)
            bf = num
        else:
            bf = re.search(r'\d*(\.)?\d', bf).group()
        play.append(float(bf))
    print(play)
    # ********************************************  評論數存盤
    for tag in soup.find_all('div', class_='detail'):
        # pl = tag.span.next_sibling.next_sibling
        pl = tag.find('span', class_='data-box').next_sibling.next_sibling.get_text()
        # *********統一單位
        if '萬' not in pl:
            pl = '%.1f' % (float(pl) / 10000)
            # print(123, pl)
        else:
            pl = re.search(r'\d*(\.)?\d', pl).group()
        review.append(float(pl))
    print(review)
    # ********************************************  收藏數
    for tag in soup.find_all('div', class_='detail'):
        sc = tag.find('span', class_='data-box').next_sibling.next_sibling.next_sibling.next_sibling.get_text()
        sc = re.search(r'\d*(\.)?\d', sc).group()
        favorite.append(float(sc))
    print(favorite)
    # ********************************************  綜合評分
    for tag in soup.find_all('div', class_='pts'):
        zh = tag.find('div').get_text()
        TScore.append(int(zh))
    print('綜合評分', TScore)

其中有個.next_sibling是用于提取同級別的相同標簽資訊，如若沒有這個方法，當它找到第一個’span’標簽之后，就不會繼續找下去了（根據具體情況來疊加使用此方法）;
還用到了正則運算式來提取資訊（需要匯入庫‘re’）

最后我們將提取的資訊，存進excel表格之中，并回傳結果集

# 存盤至excel表格中
    info = {'動漫名': name, '播放量(萬)': play, '評論數(萬)': review,'收藏數(萬)': favorite, '綜合評分': TScore}
    dm_file = pandas.DataFrame(info)
    dm_file.to_excel('Dongman.xlsx', sheet_name="動漫資料分析")
    # 將所有串列回傳
    return name, play, review, favorite, TScore

我們可以打開檔案看一看存盤的資訊格式（雙擊打開）
image.png
image.png
成功！

三、資料可視化分析

我們先做一些基礎設定
要先準備一個檔案: STHeiti Medium.ttc [注意存放在專案中的位置]
image.png

my_font = font_manager.FontProperties(fname='./data/STHeiti Medium.ttc')  # 設定中文字體（圖表中能顯示中文）

 # 為了坐標軸上能顯示中文
    plt.rcParams['font.sans-serif'] = ['SimHei']
    plt.rcParams['axes.unicode_minus'] = False

    dm_name = info[0]  # 番劇名
    dm_play = info[1]  # 番劇播放量
    dm_review = info[2]  # 番劇評論數
    dm_favorite = info[3]  # 番劇收藏數
    dm_com_score = info[4]  # 番劇綜合評分
    # print(dm_com_score)

然后，開始使用matplot來繪制圖形，實作資料可視化分析
文中有詳細注釋，這里就不再贅述了，聰明的你一定一看就懂了～

# **********************************************************************綜合評分和播放量對比
    # *******綜合評分條形圖
    fig, ax1 = plt.subplots()
    plt.bar(dm_name, dm_com_score, color='red')  #設定柱狀圖
    plt.title('綜合評分和播放量資料分析', fontproperties=my_font)  # 表標題
    ax1.tick_params(labelsize=6)  
    plt.xlabel('番劇名')  # 橫軸名
    plt.ylabel('綜合評分')  # 縱軸名
    plt.xticks(rotation=90, color='green')  # 設定橫坐標變數名旋轉度數和顏色

    # *******播放量折線圖
    ax2 = ax1.twinx()  # 組合圖必須加這個
    ax2.plot(dm_play, color='cyan')  # 設定線粗細，節點樣式
    plt.ylabel('播放量')  # y軸

    plt.plot(1, label='綜合評分', color="red", linewidth=5.0)  # 圖例
    plt.plot(1, label='播放量', color="cyan", linewidth=1.0, linestyle="-")  # 圖例
    plt.legend()

    plt.savefig(r'E:1.png', dpi=1000, bbox_inches='tight')  #保存至本地

    plt.show()

來看看效果

有沒有瞬間就感覺高~大~上~~了（嘿嘿~）

然后我們用相同的方法來多繪制幾個對比圖：

# **********************************************************************評論數和收藏數對比
    # ********評論數條形圖
    fig, ax3 = plt.subplots()
    plt.bar(dm_name, dm_review, color='green')
    plt.title('番劇評論數和收藏數分析')
    plt.ylabel('評論數（萬）')
    ax3.tick_params(labelsize=6)
    plt.xticks(rotation=90, color='green')

    # *******收藏數折線圖
    ax4 = ax3.twinx()  # 組合圖必須加這個
    ax4.plot(dm_favorite, color='yellow')  # 設定線粗細，節點樣式
    plt.ylabel('收藏數（萬）')

    plt.plot(1, label='評論數', color="green", linewidth=5.0)
    plt.plot(1, label='收藏數', color="yellow", linewidth=1.0, linestyle="-")
    plt.legend()
    plt.savefig(r'E:2.png', dpi=1000, bbox_inches='tight')

    # **********************************************************************綜合評分和收藏數對比
    # *******綜合評分條形圖
    fig, ax5 = plt.subplots()
    plt.bar(dm_name, dm_com_score, color='red')
    plt.title('綜合評分和收藏數量資料分析')
    plt.ylabel('綜合評分')
    ax5.tick_params(labelsize=6)
    plt.xticks(rotation=90, color='green')

    # *******收藏折線圖
    ax6 = ax5.twinx()  # 組合圖必須加這個
    ax6.plot(dm_favorite, color='yellow')  # 設定線粗細，節點樣式
    plt.ylabel('收藏數（萬）')
    plt.plot(1, label='綜合評分', color="red", linewidth=5.0)
    plt.plot(1, label='收藏數', color="yellow", linewidth=1.0, linestyle="-")
    plt.legend()

    plt.savefig(r'E:3.png', dpi=1000, bbox_inches='tight')

    # **********************************************************************播放量和評論數對比
    # *******播放量條形圖
    fig, ax7 = plt.subplots()
    plt.bar(dm_name, dm_play, color='cyan')
    plt.title('播放量和評論數 資料分析')
    plt.ylabel('播放量（萬）')
    ax7.tick_params(labelsize=6)
    plt.xticks(rotation=90, color='green')

    # *******評論數折線圖
    ax8 = ax7.twinx()  # 組合圖必須加這個
    ax8.plot(dm_review, color='green')  # 設定線粗細，節點樣式
    plt.ylabel('評論數（萬）')
    plt.plot(1, label='播放量', color="cyan", linewidth=5.0)
    plt.plot(1, label='評論數', color="green", linewidth=1.0, linestyle="-")
    plt.legend()
    plt.savefig(r'E:4.png', dpi=1000, bbox_inches='tight')

    plt.show()

我們來看看最終效果
image.png
image.png

Nice！很完美~ 大家可以根據自己的想法按照相同的方法進行資料組合分析，

最后，附上全部代碼

import re
import pandas
import requests
from bs4 import BeautifulSoup
import matplotlib.pyplot as plt
from matplotlib import font_manager


def get_html(url):
    try:
        r = requests.get(url)  # 使用get來獲取網頁資料
        r.raise_for_status()  # 如果回傳引數不為200，拋出例外
        r.encoding = r.apparent_encoding  # 獲取網頁編碼方式
        return r.text  # 回傳獲取的內容
    except:
        return '錯誤'


def save(html):
    # 決議網頁
    soup = BeautifulSoup(html, 'html.parser')  # 指定Beautiful的決議器為“html.parser”

    with open('./data/B_data.txt', 'r+', encoding='UTF-8') as f:
        f.write(soup.text)

    # 定義好相關串列準備存盤相關資訊
    TScore = []  # 綜合評分
    name = []  # 動漫名字
    bfl = []  # 播放量
    pls = []  # 評論數
    scs = []  # 收藏數

    # ********************************************  動漫名字存盤
    for tag in soup.find_all('div', class_='info'):
        # print(tag)
        bf = tag.a.string
        name.append(str(bf))
    print(name)

    # ********************************************  播放量存盤
    for tag in soup.find_all('div', class_='detail'):
        # print(tag)
        bf = tag.find('span', class_='data-box').get_text()
        # 統一單位為‘萬’
        if '億' in bf:
            num = float(re.search(r'\d(.\d)?', bf).group()) * 10000
            # print(num)
            bf = num
        else:
            bf = re.search(r'\d*(\.)?\d', bf).group()
        bfl.append(float(bf))
    print(bfl)
    # ********************************************  評論數存盤
    for tag in soup.find_all('div', class_='detail'):
        # pl = tag.span.next_sibling.next_sibling
        pl = tag.find('span', class_='data-box').next_sibling.next_sibling.get_text()
        # *********統一單位
        if '萬' not in pl:
            pl = '%.1f' % (float(pl) / 10000)
            # print(123, pl)
        else:
            pl = re.search(r'\d*(\.)?\d', pl).group()
        pls.append(float(pl))
    print(pls)
    # ********************************************  收藏數
    for tag in soup.find_all('div', class_='detail'):
        sc = tag.find('span', class_='data-box').next_sibling.next_sibling.next_sibling.next_sibling.get_text()
        sc = re.search(r'\d*(\.)?\d', sc).group()
        scs.append(float(sc))
    print(scs)
    # ********************************************  綜合評分
    for tag in soup.find_all('div', class_='pts'):
        zh = tag.find('div').get_text()
        TScore.append(int(zh))
    print('綜合評分', TScore)

    # 存盤至excel表格中
    info = {'動漫名': name, '播放量(萬)': bfl, '評論數(萬)': pls, '收藏數(萬)': scs, '綜合評分': TScore}
    dm_file = pandas.DataFrame(info)
    dm_file.to_excel('Dongman.xlsx', sheet_name="動漫資料分析")
    # 將所有串列回傳
    return name, bfl, pls, scs, TScore


def view(info):
    my_font = font_manager.FontProperties(fname='./data/STHeiti Medium.ttc')  # 設定中文字體（圖示中能顯示中文）
    dm_name = info[0]  # 番劇名
    dm_play = info[1]  # 番劇播放量
    dm_review = info[2]  # 番劇評論數
    dm_favorite = info[3]  # 番劇收藏數
    dm_com_score = info[4]  # 番劇綜合評分
    # print(dm_com_score)

    # 為了坐標軸上能顯示中文
    plt.rcParams['font.sans-serif'] = ['SimHei']
    plt.rcParams['axes.unicode_minus'] = False

    # **********************************************************************綜合評分和播放量對比
    # *******綜合評分條形圖
    fig, ax1 = plt.subplots()
    plt.bar(dm_name, dm_com_score, color='red')  #設定柱狀圖
    plt.title('綜合評分和播放量資料分析', fontproperties=my_font)  # 表標題
    ax1.tick_params(labelsize=6)
    plt.xlabel('番劇名')  # 橫軸名
    plt.ylabel('綜合評分')  # 縱軸名
    plt.xticks(rotation=90, color='green')  # 設定橫坐標變數名旋轉度數和顏色

    # *******播放量折線圖
    ax2 = ax1.twinx()  # 組合圖必須加這個
    ax2.plot(dm_play, color='cyan')  # 設定線粗細，節點樣式
    plt.ylabel('播放量')  # y軸

    plt.plot(1, label='綜合評分', color="red", linewidth=5.0)  # 圖例
    plt.plot(1, label='播放量', color="cyan", linewidth=1.0, linestyle="-")  # 圖例
    plt.legend()

    plt.savefig(r'E:1.png', dpi=1000, bbox_inches='tight')  #保存至本地

    # plt.show()

    # **********************************************************************評論數和收藏數對比
    # ********評論數條形圖
    fig, ax3 = plt.subplots()
    plt.bar(dm_name, dm_review, color='green')
    plt.title('番劇評論數和收藏數分析')
    plt.ylabel('評論數（萬）')
    ax3.tick_params(labelsize=6)
    plt.xticks(rotation=90, color='green')

    # *******收藏數折線圖
    ax4 = ax3.twinx()  # 組合圖必須加這個
    ax4.plot(dm_favorite, color='yellow')  # 設定線粗細，節點樣式
    plt.ylabel('收藏數（萬）')

    plt.plot(1, label='評論數', color="green", linewidth=5.0)
    plt.plot(1, label='收藏數', color="yellow", linewidth=1.0, linestyle="-")
    plt.legend()
    plt.savefig(r'E:2.png', dpi=1000, bbox_inches='tight')

    # **********************************************************************綜合評分和收藏數對比
    # *******綜合評分條形圖
    fig, ax5 = plt.subplots()
    plt.bar(dm_name, dm_com_score, color='red')
    plt.title('綜合評分和收藏數量資料分析')
    plt.ylabel('綜合評分')
    ax5.tick_params(labelsize=6)
    plt.xticks(rotation=90, color='green')

    # *******收藏折線圖
    ax6 = ax5.twinx()  # 組合圖必須加這個
    ax6.plot(dm_favorite, color='yellow')  # 設定線粗細，節點樣式
    plt.ylabel('收藏數（萬）')
    plt.plot(1, label='綜合評分', color="red", linewidth=5.0)
    plt.plot(1, label='收藏數', color="yellow", linewidth=1.0, linestyle="-")
    plt.legend()

    plt.savefig(r'E:3.png', dpi=1000, bbox_inches='tight')

    # **********************************************************************播放量和評論數對比
    # *******播放量條形圖
    fig, ax7 = plt.subplots()
    plt.bar(dm_name, dm_play, color='cyan')
    plt.title('播放量和評論數 資料分析')
    plt.ylabel('播放量（萬）')
    ax7.tick_params(labelsize=6)
    plt.xticks(rotation=90, color='green')

    # *******評論數折線圖
    ax8 = ax7.twinx()  # 組合圖必須加這個
    ax8.plot(dm_review, color='green')  # 設定線粗細，節點樣式
    plt.ylabel('評論數（萬）')
    plt.plot(1, label='播放量', color="cyan", linewidth=5.0)
    plt.plot(1, label='評論數', color="green", linewidth=1.0, linestyle="-")
    plt.legend()
    plt.savefig(r'E:4.png', dpi=1000, bbox_inches='tight')

    plt.show()


def main():
    url = 'https://www.bilibili.com/v/popular/rank/bangumi'  # 網址
    html = get_html(url)  # 獲取回傳值
    # print(html)
    info = save(html)
    view(info)


if __name__ == '__main__':
    main()

關于圖表的分析和得出的結論，這里就不描述了，一千個讀者就有一千個哈姆雷特，每個人有每個人的分析描述方法，相信你們能有更加透徹的見解分析，

以上就是關于爬蟲以及資料可視化分析的內容，希望能幫到你們！
伙伴們可以到github上查看原始碼檔案：https://github.com/Lemon-Sheep/Py/tree/master

喜歡記得點個贊哦~

轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/241021.html

標籤：python

上一篇：爬取實習吧與python相關的招聘資訊及資料可視化(含代碼)

下一篇：python-資料分析-（6）matplotlib繪圖

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