标签 python 下的文章

Python3-selenium自动化测试框架，结合HTMLTestRunner测试报告！

2024-08-18




import unittest
from selenium import webdriver
from time import sleep
from HTMLTestRunner import HTMLTestRunner
 
class TestUntitled(unittest.TestCase):
    def setUp(self):
        self.driver = webdriver.Chrome()
        self.driver.implicitly_wait(30)
        self.base_url = "http://www.google.com/"
        self.verificationErrors = []
        self.accept_next_alert = True
 
    def test_untitled(self):
        driver = self.driver
        driver.get(self.base_url + "/")
        driver.find_element_by_id("lst-ib").click()
        driver.find_element_by_id("lst-ib").clear()
        driver.find_element_by_id("lst-ib").send_keys("Selenium")
        driver.find_element_by_name("btnK").click()
 
    def is_element_present(self, how, what):
        try: self.driver.find_element(by=how, value=what)
        except NoSuchElementException as e: return False
        return True
 
    def close_alert_and_get_its_text(self):
        try:
            alert = self.driver.switch_to.alert()
            if self.accept_next_alert:
                alert.accept()
            else:
                alert.dismiss()
            return alert.text
        finally: self.accept_next_alert = True
 
    def tearDown(self):
        self.driver.quit()
        self.assertEqual([], self.verificationErrors)
 
def suite():
    suite = unittest.TestSuite()
    suite.addTest(TestUntitled("test_untitled"))
    return suite
 
if __name__ == "__main__":
    runner = unittest.TextTestRunner()
    runner.run(suite())
 
    with open('test_report.html', 'wb') as f:
        runner = HTMLTestRunner(stream=f, title='Google Search Test', description='Test case for Google Search')
        runner.run(suite())

这段代码修复了原代码中的一些问题，并添加了HTMLTestRunner来生成测试报告。在测试用例中，我们打开Google首页，点击搜索框，清除默认文本并输入“Selenium”，然后点击搜索按钮。在测试结束后，我们使用HTMLTestRunner生成了一个HTML格式的测试报告。这个报告将被保存为test_report.html文件。

- 阅读更多 -

python爬虫 -爬取html格式数据（微博热搜）

System

2024-08-18

所有,html

以下是一个简单的Python爬虫示例，用于爬取微博热搜数据，并保存为HTML格式文件：




import requests
from bs4 import BeautifulSoup
 
# 设置请求头，模拟浏览器访问
headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.3'
}
 
# 微博热搜索页面URL
url = 'https://s.weibo.com/top/summary'
 
# 发送GET请求
response = requests.get(url, headers=headers)
 
# 检查请求是否成功
if response.status_code == 200:
    # 使用BeautifulSoup解析响应内容
    soup = BeautifulSoup(response.text, 'html.parser')
    
    # 找到包含热搜数据的HTML元素
    hot_search_items = soup.find_all('div', class_='td')
    
    # 创建一个空的字符串用于存储HTML内容
    html_content = ''
    
    # 遍历所有热搜数据，构建HTML格式
    for item in hot_search_items:
        # 提取热搜词汇和指定内容
        hot_search_content = item.find('a').text
        hot_search_href = item.find('a')['href']
        hot_search_count = item.find_all('span')[1].text.strip()
        
        # 构建HTML字符串
        html_content += f'<div><a href="{hot_search_href}">{hot_search_content}</a> {hot_search_count}</div>'
    
    # 保存HTML内容到文件
    with open('weibo_hot_search.html', 'w', encoding='utf-8') as file:
        file.write(html_content)
        print('HTML文件已保存。')
else:
    print('请求失败')

这段代码首先设置了请求头，以模拟浏览器访问，然后发送GET请求到微博热搜页面。成功获取页面内容后，使用BeautifulSoup解析页面，提取热搜数据，并构建HTML格式。最后，将这些数据保存到一个HTML文件中。这个过程展示了如何使用Python爬取网页数据并进行简单的数据处理，是学习网络爬虫的一个基本入门示例。

- 阅读更多 -

Python爬虫技术第14节 HTML结构解析

System

2024-08-18

所有,html

在Python爬虫技术第14节中，我们通常会使用BeautifulSoup库来解析HTML结构。以下是一个简单的例子，展示了如何使用BeautifulSoup来查找和提取HTML元素。




from bs4 import BeautifulSoup
 
# 假设我们有以下HTML内容
html_doc = """
<html><head><title>The Dormouse's story</title></head>
<body>
<p class="title"><b>The Dormouse's story</b></p>
<div class="story">Once upon a time there were three little sisters; and their names were
<a href="http://example.com/elsie" class="sister" id="link1">Elsie</a>,
<a href="http://example.com/lacie" class="sister" id="link2">Lacie</a> and
<a href="http://example.com/tillie" class="sister" id="link3">Tillie</a>;
and they lived at the bottom of a well.</div>
<p class="story">...</p>
"""
 
# 使用BeautifulSoup解析HTML
soup = BeautifulSoup(html_doc, 'html.parser')
 
# 查找所有的<a>标签
for link in soup.find_all('a'):
    print(link.get('href'))
 
# 查找id为"link3"的<a>标签
link3 = soup.find(id='link3')
print(link3.get('href'))
 
# 查找所有class为"sister"的<a>标签的链接文字
for sister in soup.find_all('a', class_='sister'):
    print(sister.get_text())

这段代码首先导入了BeautifulSoup类，然后使用一个HTML字符串初始化了一个BeautifulSoup对象。接下来，我们使用find_all方法查找所有的<a>标签，并打印它们的href属性。我们也找到了id为link3的<a>标签，并打印了它的href属性。最后，我们遍历所有class为sister的<a>标签，打印它们的文本内容。这个例子展示了如何使用BeautifulSoup来进行基本的HTML结构解析和数据提取。

- 阅读更多 -

python爬虫 - 爬取html格式数据（CDSN博客）

System

2024-08-18

所有,html




import requests
from bs4 import BeautifulSoup
 
def get_html(url):
    """
    获取网页的HTML内容
    :param url: 网页的URL
    :return: HTML内容
    """
    try:
        response = requests.get(url)
        if response.status_code == 200:
            return response.text
        else:
            return None
    except requests.RequestException:
        return None
 
def parse_html(html):
    """
    解析HTML内容，提取博客标题和链接
    :param html: HTML内容
    :return: 博客标题和链接的字典
    """
    soup = BeautifulSoup(html, 'html.parser')
    articles = soup.find_all('article', class_='post')
    blogs = []
    for article in articles:
        blog = {
            'title': article.h2.a.text.strip(),
            'link': article.h2.a['href']
        }
        blogs.append(blog)
    return blogs
 
def save_to_file(blogs, file_path):
    """
    将博客数据保存到文件
    :param blogs: 博客数据列表
    :param file_path: 文件路径
    :return: None
    """
    with open(file_path, 'w', encoding='utf-8') as file:
        for blog in blogs:
            file.write(f"标题: {blog['title']}, 链接: {blog['link']}\n")
 
def main():
    url = 'https://blog.csdn.net/weixin_43941079'
    html = get_html(url)
    if html:
        blogs = parse_html(html)
        save_to_file(blogs, 'csdn_blogs.txt')
        print("爬取成功，结果已保存到 csdn_blogs.txt 文件。")
    else:
        print("网页获取失败。")
 
if __name__ == '__main__':
    main()

这段代码实现了从CDSN博客主页获取博客列表的功能，并将结果保存到文本文件中。代码中定义了获取HTML内容、解析HTML和保存数据到文件的函数，并在main函数中调用它们。使用了requests库来获取网页内容，BeautifulSoup来解析HTML，以及Python的文件操作来保存数据。

System

2024-08-18

所有,javascript

题目描述：

给定一个由无符号整数组成的数组，数组中的值构成一个数字流。写一个函数，如果数字流中存在连续的三个数值，它们的和为0，则返回true。

解决方案：

这个问题可以通过遍历数组并检查每三个连续的数值来解决。如果它们的和为0，则返回true。否则，继续遍历直到找到一组符合条件的数值或遍历结束。

以下是各种语言的解决方案：

Java:




public class Main {
    public static void main(String[] args) {
        int[] data = {1, -2, 3, -4, 5};
        System.out.println(containsZeroSumTriplet(data));
    }
 
    public static boolean containsZeroSumTriplet(int[] data) {
        for (int i = 0; i < data.length - 2; i++) {
            for (int j = i + 1; j < data.length - 1; j++) {
                if ((data[i] + data[j] + data[j + 1]) == 0) {
                    return true;
                }
            }
        }
        return false;
    }
}

JavaScript:




function containsZeroSumTriplet(data) {
    for (let i = 0; i < data.length - 2; i++) {
        for (let j = i + 1; j < data.length - 1; j++) {
            if ((data[i] + data[j] + data[j + 1]) === 0) {
                return true;
            }
        }
    }
    return false;
}
 
let data = [1, -2, 3, -4, 5];
console.log(containsZeroSumTriplet(data));

Python:




def contains_zero_sum_triplet(data):
    for i in range(len(data) - 2):
        for j in range(i + 1, len(data) - 1):
            if data[i] + data[j] + data[j + 1] == 0:
                return True
    return False
 
data = [1, -2, 3, -4, 5]
print(contains_zero_sum_triplet(data))

C:




#include <stdio.h>
 
int containsZeroSumTriplet(int data[], int length) {
    for (int i = 0; i < length - 2; i++) {
        for (int j = i + 1; j < length - 1; j++) {
            if (data[i] + data[j] + data[j + 1] == 0) {
                return 1;
            }
        }
    }
    return 0;
}
 
int main() {
    int data[] = {1, -2, 3, -4, 5};
    printf("%d\n", containsZeroSumTriplet(data, 5));
    return 0;
}

C++:




#include <iostream>
#include <vector>
 
bool containsZeroSumTriplet(const std::vector<int>& data) {
    for (size_t i = 0; i < data.size() - 2; i++) {
        for (size_t j = i + 1; j < data.size() - 1; j++) {
            if ((data[i] + data[j] + data[j + 1]) == 0) {
                return

- 阅读更多 -

【Python】python深拷贝与浅拷贝详解（必须掌握）

System

2024-08-17

所有,python

浅拷贝(copy)：拷贝父对象，不会拷贝对象内部的子对象。

深拷贝(deepcopy)：拷贝父对象以及对象内部的子对象。

浅拷贝示例：




import copy
 
original_list = [1, 2, [3, 4]]
shallow_copy = copy.copy(original_list)
 
original_list[2][0] = "changed"
 
print(original_list)  # 输出: [1, 2, ['changed', 4]]
print(shallow_copy)   # 输出: [1, 2, ['changed', 4]]

深拷贝示例：




import copy
 
original_list = [1, 2, [3, 4]]
deep_copy = copy.deepcopy(original_list)
 
original_list[2][0] = "changed"
 
print(original_list)  # 输出: [1, 2, ['changed', 4]]
print(deep_copy)      # 输出: [1, 2, [3, 4]]

在深拷贝中，原始列表中的子列表没有被改变，而在浅拷贝中原始列表中的子列表被改变了。

System

2024-08-17

所有,python

PyTorch版本、Python版本和pytorch\_lightning版本之间有相互关联，并且它们必须相互兼容才能正常工作。为了保证环境的稳定性和代码的正常运行，最好参考它们的官方文档或GitHub的release notes来选择合适的版本组合。

以下是一个简单的版本匹配指南，它提供了一个基本的指导原则，但请务必查看最新的官方文档，因为这些库可能会不断更新，并且版本兼容性可能会有变化。




PyTorch版本:
   1.x 兼容 Python 2.7, 3.5, 3.6, 3.7
   1.x 不兼容 Python 3.8+
   2.x 不兼容 Python 2.7
   2.x 兼容 Python 3.6, 3.7, 3.8, 3.9
 
Python版本:
   通常，PyTorch 1.x 兼容 Python 2.7 和 3.6+，而 PyTorch 2.x 兼容 Python 3.6 及以上版本。
 
pytorch_lightning版本:
   请参考 pytorch_lightning 的官方release notes，查看支持的PyTorch版本和Python版本。

在安装时，你应该选择与你的Python和PyTorch版本兼容的pytorch\_lightning版本。例如，如果你使用的是Python 3.8和PyTorch 1.x，那么你不能安装最新版本的pytorch\_lightning，因为它可能不支持这些版本。

为了找到合适的版本组合，你可以使用pip进行安装，指定版本号：




pip install pytorch_lightning==x.y.z
pip install torch==1.x

或者，如果你使用的是Python 3.8和PyTorch 2.x：




pip install pytorch_lightning==x.y.z
pip install torch==2.x

请替换x.y.z为你选择的pytorch\_lightning版本号。始终参考官方文档获取最新和最准确的版本信息。

System

2024-08-17

所有,python




from flask import Flask, render_template, request, redirect, url_for
 
app = Flask(__name__)
 
# 假设这是一个简单的用户模型
users = {'admin': 'password123'}
 
@app.route('/')
def index():
    return render_template('index.html')
 
@app.route('/login', methods=['GET', 'POST'])
def login():
    if request.method == 'POST':
        username = request.form['username']
        password = request.form['password']
        if username and password and username in users and users[username] == password:
            return redirect(url_for('index'))
        return '登录失败'
    return render_template('login.html')
 
if __name__ == '__main__':
    app.run(debug=True)

这段代码展示了如何使用Flask框架创建一个简单的登录系统。在这个例子中，我们使用了一个简单的用户字典来存储用户名和密码，并且在登录时进行了验证。如果用户名和密码正确，用户将被重定向到首页；如果登录失败，则会显示错误消息。这个例子教会开发者如何处理表单数据、重定向以及如何在Flask中使用模板。

System

2024-08-17

所有,nodejs

您的问题似乎是在询问如何构建一个基于uniapp框架的Android小程序，后端使用Python, Java, Node.js, PHP以及Spring Boot。这里提供一个基本的技术栈概览，但请注意，由于您的问题没有具体代码问题，我将提供一个简化的技术栈概览作为答案。

前端（uniapp）:
- 使用uniapp框架开发Android小程序。
后端服务:
- Spring Boot: 用于构建RESTful API。
- Python: 用于写后台管理脚本或定时任务。
- Java: 用于特定的后端服务或大数据处理。
- Node.js: 用于开发实时应用或者负责前端静态资源的服务。
- PHP: 用于简单的后端脚本或快速开发。
数据库:
- 可以根据需求选择MySQL, PostgreSQL, MongoDB等。
版本控制:
- 使用Git进行版本控制。
CI/CD:
- 使用Jenkins, Travis CI等进行持续集成和持续部署。
云服务:
- 使用AWS, Azure, GCP等提供服务。

由于您的问题不具体，我将不提供详细的代码实例。如果您有具体的代码问题，请提供详细信息，我将乐意提供帮助。

System

2024-08-17

所有,爬虫

由于原代码已经非常完整，这里只提供关键函数的实现和注释。




import requests
import json
import pandas as pd
 
# 请求头部，模拟APP请求
headers = {
    'Cookie': '你的微博Cookie',
    'User-Agent': '你的User-Agent',
    'Referer': 'https://weibo.com/',
}
 
# 获取微博用户信息
def get_user_info(user_id):
    url = f'https://weibo.com/p/100505{user_id}/info?is_search=0&visible=0&is_tag_user=0'
    response = requests.get(url, headers=headers)
    if response.status_code == 200:
        data = response.json()
        return {
            'user_id': user_id,
            'name': data['data']['user']['name'],
            'gender': data['data']['user']['gender'],
            'description': data['data']['user']['description'],
            'follows_count': data['data']['user']['follows_count'],
            'fans_count': data['data']['user']['fans_count'],
            'weibo_count': data['data']['user']['weibo_count'],
        }
    else:
        return None
 
# 获取微博用户信息并保存到CSV
def save_user_info_to_csv(user_id):
    user_info = get_user_info(user_id)
    if user_info:
        df = pd.DataFrame([user_info])
        df.to_csv('user_info.csv', mode='a', header=False, index=False)
 
# 主函数，用于爬取微博榜单
def crawl_weibo_ranking(ranking_type, top_num):
    for rank in range(1, top_num + 1):
        user_id = get_user_id_from_ranking(ranking_type, rank)
        if user_id:
            save_user_info_to_csv(user_id)
            print(f'正在抓取第{rank}名用户信息...')
 
# 获取微博榜单上的用户ID
def get_user_id_from_ranking(ranking_type, rank):
    url = f'https://weibo.com/p/100505{ranking_type}/ranklist?topnav=1&rank={rank}&is_search=0&visible=0&is_tag_user=0'
    response = requests.get(url, headers=headers)
    if response.status_code == 200:
        data = response.json()
        return data['data']['user']['id']
    else:
        return None
 
# 调用函数爬取微博榜单，例如：热门榜单
crawl_weibo_ranking('hot', 100)

这段代码提供了两个关键函数：get_user_info 和 save_user_info_to_csv。get_user_info 函数负责请求微博用户的个人信息页面，并解析返回的数据。save_user_info_to_csv 函数则负责将用户信息保存到CSV文件中。这两个函数是爬取微博榜单的基础，并且演示了如何使用Python进行网络请求和数据解析。

- 阅读更多 -