102302139 尚子骐 数据采集与融合作业2

news/2025/11/10 21:09:08/文章来源:https://www.cnblogs.com/kuku0420/p/19208258
  • 作业一

1. 完整代码及运行结果

点击查看代码 
import requests
from bs4 import BeautifulSoup
import sqlite3
from datetime import datetime
import logging# 配置日志
logging.basicConfig(level=logging.INFO, format='%(asctime)s - %(levelname)s - %(message)s')CITY_URLS = {"北京": "https://www.weather.com.cn/weather/101010100.shtml","上海": "https://www.weather.com.cn/weather/101020100.shtml","广州": "https://www.weather.com.cn/weather/101280101.shtml","深圳": "https://www.weather.com.cn/weather/101280601.shtml","成都": "https://www.weather.com.cn/weather/101270101.shtml"
}# 数据库操作类
class WeatherDB:def __init__(self, db_name="weather.db"):self.conn = sqlite3.connect(db_name)self.cursor = self.conn.cursor()self._create_table()def _create_table(self):"""创建天气表"""self.cursor.execute('''CREATE TABLE IF NOT EXISTS daily_weather (id INTEGER PRIMARY KEY AUTOINCREMENT,city TEXT NOT NULL,forecast_date TEXT NOT NULL,  -- 预报日期weather TEXT,                 -- 天气状况temperature TEXT,             -- 温度范围wind TEXT,                    -- 风向风力crawl_time TIMESTAMP NOT NULL -- 爬取时间)''')self.conn.commit()def insert_data(self, data):"""插入数据"""try:self.cursor.executemany('''INSERT INTO daily_weather (city, forecast_date, weather, temperature, wind, crawl_time) VALUES (?, ?, ?, ?, ?, ?)''', data)self.conn.commit()logging.info(f"成功插入 {len(data)} 条数据")except Exception as e:self.conn.rollback()logging.error(f"插入数据失败: {e}")def close(self):self.conn.close()# 爬取天气数据
def crawl_weather(city, url):"""爬取单个城市的7日天气预报"""headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/114.0.0.0 Safari/537.36"}try:response = requests.get(url, headers=headers, timeout=10)response.encoding = "utf-8"soup = BeautifulSoup(response.text, "lxml")# 解析7日数据forecast_list = soup.select("ul.t.clearfix li")[:7]result = []crawl_time = datetime.now().strftime("%Y-%m-%d %H:%M:%S")for item in forecast_list:#日期date = item.find("h1").text.strip()#天气状况weather = item.find("p", class_="wea").text.strip()#温度temp_high = item.find("p", class_="tem").find("span").text if item.find("p", class_="tem").find("span") else ""temp_low = item.find("p", class_="tem").find("i").text.strip()temperature = f"{temp_high}/{temp_low}" if temp_high else temp_low#风向风力wind = item.find("p", class_="win").find("i").text.strip()result.append((city, date, weather, temperature, wind, crawl_time))logging.info(f"成功获取 {city} 的7日天气预报")return resultexcept Exception as e:logging.error(f"爬取 {city} 失败: {e}")return []if __name__ == "__main__":#初始化数据库db = WeatherDB()#批量爬取城市天气all_weather = []for city, url in CITY_URLS.items():weather_data = crawl_weather(city, url)all_weather.extend(weather_data)#插入数据库if all_weather:db.insert_data(all_weather)#关闭数据库db.close()logging.info("爬取任务完成")

屏幕截图 2025-11-10 174533
2. 实验心得

  • 代码拆解

核心爬虫逻辑

点击查看代码 
def crawl_weather(city, url):"""爬取单个城市的7日天气预报"""headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) Chrome/114.0.0.0 Safari/537.36"}try:# 发起请求response = requests.get(url, headers=headers, timeout=10)response.encoding = "utf-8"  # 确保中文正常显示soup = BeautifulSoup(response.text, "lxml")  # 解析HTML# 提取7日预报数据（页面中ul.t.clearfix下的li标签）forecast_list = soup.select("ul.t.clearfix li")[:7]  # 取前7天数据result = []crawl_time = datetime.now().strftime("%Y-%m-%d %H:%M:%S")  # 记录爬取时间# 解析每一天的天气数据for item in forecast_list:date = item.find("h1").text.strip()  # 日期（如"10日（今天）"）weather = item.find("p", class_="wea").text.strip()  # 天气状况（如"晴"）# 温度处理（最高温可能为空，只保留最低温）temp_high = item.find("p", class_="tem").find("span").text if item.find("p", class_="tem").find("span") else ""temp_low = item.find("p", class_="tem").find("i").text.strip()  # 最低温temperature = f"{temp_high}/{temp_low}" if temp_high else temp_low  # 拼接温度格式wind = item.find("p", class_="win").find("i").text.strip()  # 风向风力（如"东北风3级"）result.append((city, date, weather, temperature, wind, crawl_time))  # 组装数据logging.info(f"成功获取 {city} 的7日天气预报")return resultexcept Exception as e:logging.error(f"爬取 {city} 失败: {e}")return []
核心数据库操作逻辑
点击查看代码 
class WeatherDB:def __init__(self, db_name="weather.db"):self.conn = sqlite3.connect(db_name)  # 连接数据库self.cursor = self.conn.cursor()self._create_table()  # 初始化表结构def _create_table(self):"""创建存储天气数据的表"""self.cursor.execute('''CREATE TABLE IF NOT EXISTS daily_weather (id INTEGER PRIMARY KEY AUTOINCREMENT,city TEXT NOT NULL,  # 城市名forecast_date TEXT NOT NULL,  # 预报日期weather TEXT,  # 天气状况temperature TEXT,  # 温度范围wind TEXT,  # 风向风力crawl_time TIMESTAMP NOT NULL  # 爬取时间)''')self.conn.commit()def insert_data(self, data):"""批量插入天气数据"""try:self.cursor.executemany('''INSERT INTO daily_weather (city, forecast_date, weather, temperature, wind, crawl_time) VALUES (?, ?, ?, ?, ?, ?)''', data)  # 批量插入self.conn.commit()logging.info(f"成功插入 {len(data)} 条数据")except Exception as e:self.conn.rollback()  # 失败时回滚logging.error(f"插入数据失败: {e}")
代码逻辑：批量爬取 5 个城市 7 日天气预报并存储到 SQLite 数据库的爬虫，核心逻辑是 “请求网页→解析 DOM 节点→结构化存储”

网络请求：通过requests.get发起请求，response.raise_for_status()确保请求成功，response.encoding = response.apparent_encoding自动适配网页编码。

HTML 解析：用BeautifulSoup的html.parser解析器定位到类为rk-table的表格。

数据提取：从表格的行（tr）和单元格（td）中提取排名、学校名称、省份、类型、得分等信息，并格式化打印。

主程序入口：指定目标 URL 并调用爬虫函数，time.sleep(2)是为了模拟合理的请求间隔

  • 作业二

1. 完整代码及运行结果

点击查看代码 
import requests
import sqlite3
import logging
from datetime import datetime
import re# 解决SSL警告
import urllib3urllib3.disable_warnings(urllib3.exceptions.InsecureRequestWarning)#配置日志
logging.basicConfig(level=logging.INFO,format='%(asctime)s - %(levelname)s - %(message)s',handlers=[logging.StreamHandler()]  # 确保日志输出到控制台
)#腾讯财经股票接口
TENCENT_STOCK_API = "https://qt.gtimg.cn/q=sh000001,sh600000,sh600036,sh601318,sh601857,sh601939,sh601988,sh600030,sh601328,sh600519,sz000001,sz000858,sz002594,sz002415,sz300750,sz300059,sz300124,sz002230,sz002352,sz000651"class StockDB:def __init__(self):#强制指定数据库保存到桌面self.db_path = r"C:\Users\kuku\Desktop\stocks_tencent.db"self.conn = sqlite3.connect(self.db_path)self.cursor = self.conn.cursor()self._create_table()logging.info(f"数据库已创建/连接，路径：{self.db_path}")def _create_table(self):#创建股票表self.cursor.execute('''CREATE TABLE IF NOT EXISTS stock_data (id INTEGER PRIMARY KEY AUTOINCREMENT,code TEXT NOT NULL,          -- 股票代码（如sh600000）name TEXT NOT NULL,          -- 股票名称price REAL,                  -- 当前价格change_amount REAL,          -- 涨跌额change_percent REAL,         -- 涨跌幅（%）open REAL,                   -- 开盘价high REAL,                   -- 最高价low REAL,                    -- 最低价prev_close REAL,             -- 昨收价volume INTEGER,              -- 成交量（手）amount REAL,                 -- 成交额（万元）crawl_time TIMESTAMP NOT NULL -- 爬取时间)''')self.conn.commit()def insert_data(self, data):if not data:logging.warning("没有数据可插入")returntry:self.cursor.executemany('''INSERT INTO stock_data (code, name, price, change_amount, change_percent, open, high, low, prev_close, volume, amount, crawl_time) VALUES (?, ?, ?, ?, ?, ?, ?, ?, ?, ?, ?, ?)''', data)self.conn.commit()logging.info(f"成功插入 {len(data)} 条数据到数据库")except Exception as e:self.conn.rollback()logging.error(f"插入数据失败: {e}")def close(self):self.conn.close()logging.info("数据库连接已关闭")def crawl_tencent_stocks():headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/129.0.0.0 Safari/537.36","Referer": "https://finance.qq.com/","Accept": "*/*"}try:logging.info("开始请求股票数据...")response = requests.get(TENCENT_STOCK_API,headers=headers,timeout=15,verify=False)response.encoding = "gbk"  #腾讯用GBK编码content = response.textlogging.info("股票数据请求成功，开始解析...")#用正则提取股票数据stock_pattern = re.compile(r'v_(sh|sz)(\d+)="(.*?)"')matches = stock_pattern.findall(content)if not matches:logging.warning("未匹配到任何股票数据（可能API格式变化）")return []result = []crawl_time = datetime.now().strftime("%Y-%m-%d %H:%M:%S")logging.info(f"匹配到 {len(matches)} 只股票，开始解析详细信息...")for market, code, info in matches:fields = info.split("~")#腾讯股票字段索引if len(fields) < 12:logging.warning(f"股票 {code} 数据字段不完整，跳过")continuetry:#解析字段stock_item = (f"{market}{code}",  #完整代码fields[1] if len(fields) > 1 else "未知名称",  # 名称float(fields[3]) if fields[3] and fields[3] != "-" else 0.0,  # 当前价格float(fields[4]) if fields[4] and fields[4] != "-" else 0.0,  # 涨跌额float(fields[5]) if fields[5] and fields[5] != "-" else 0.0,  # 涨跌幅float(fields[6]) if fields[6] and fields[6] != "-" else 0.0,  # 开盘价float(fields[7]) if fields[7] and fields[7] != "-" else 0.0,  # 最高价float(fields[8]) if fields[8] and fields[8] != "-" else 0.0,  # 最低价float(fields[9]) if fields[9] and fields[9] != "-" else 0.0,  # 昨收价int(fields[10]) if fields[10] and fields[10] != "-" else 0,  # 成交量float(fields[11]) if fields[11] and fields[11] != "-" else 0.0,  # 成交额crawl_time)result.append(stock_item)#打印解析成功的股票logging.info(f"解析成功：{stock_item[1]}（{stock_item[0]}） 价格：{stock_item[2]}")except (ValueError, IndexError) as e:logging.warning(f"解析股票 {code} 失败: {e}，跳过")continuelogging.info(f"数据解析完成，共获取 {len(result)} 条有效股票数据")#打印前3条数据if result:logging.info("前3条数据示例：")for item in result[:3]:print(item)return resultexcept requests.exceptions.RequestException as e:logging.error(f"网络请求失败: {e}")return []except Exception as e:logging.error(f"爬取过程发生错误: {e}")return []if __name__ == "__main__":logging.info("===== 开始股票爬取任务 =====")#初始化数据库db = StockDB()#爬取数据stocks = crawl_tencent_stocks()#插入数据if stocks:db.insert_data(stocks)logging.info(f"任务完成，数据库文件已保存到：{db.db_path}")else:logging.warning("未获取到有效数据，数据库文件可能为空")#关闭数据库db.close()logging.info("===== 任务结束 =====")

屏幕截图 2025-11-10 193636

屏幕截图 2025-11-10 193654
2. 实验心得
本次作业由于东方财富网的反爬机制，只能采取使用新浪股票的 API，在运行代码的过程中返回数据结构可能有细微调整，导致列表索引解析失败，api结构也发生了变化，我换了一个更稳定的股票数据源 ，使用腾讯财经的股票接口，最终完成本次实验的爬取。

  • 核心代码块

1.正则提取与数据解析核心逻辑

点击查看代码 
def crawl_tencent_stocks():# （省略请求逻辑...）# 用正则提取股票数据stock_pattern = re.compile(r'v_(sh|sz)(\d+)="(.*?)"')matches = stock_pattern.findall(content)result = []crawl_time = datetime.now().strftime("%Y-%m-%d %H:%M:%S")for market, code, info in matches:fields = info.split("~")  # 按~拆分字段try:# 解析并转换字段类型（价格、涨跌额等）stock_item = (f"{market}{code}",  # 完整代码（如sh600000）fields[1],          # 股票名称float(fields[3]),   # 当前价格float(fields[4]),   # 涨跌额float(fields[5]),   # 涨跌幅float(fields[6]),   # 开盘价float(fields[7]),   # 最高价float(fields[8]),   # 最低价float(fields[9]),   # 昨收价int(fields[10]),    # 成交量float(fields[11]),  # 成交额crawl_time)result.append(stock_item)except (ValueError, IndexError):continuereturn result

2.数据库存储核心逻辑

点击查看代码 
class StockDB:def __init__(self):self.db_path = r"C:\Users\kuku\Desktop\stocks_tencent.db"self.conn = sqlite3.connect(self.db_path)self.cursor = self.conn.cursor()self._create_table()def _create_table(self):self.cursor.execute('''CREATE TABLE IF NOT EXISTS stock_data (id INTEGER PRIMARY KEY AUTOINCREMENT,code TEXT NOT NULL,          -- 股票代码name TEXT NOT NULL,          -- 股票名称price REAL,                  -- 当前价格change_amount REAL,          -- 涨跌额change_percent REAL,         -- 涨跌幅open REAL,                   -- 开盘价high REAL,                   -- 最高价low REAL,                    -- 最低价prev_close REAL,             -- 昨收价volume INTEGER,              -- 成交量amount REAL,                 -- 成交额crawl_time TIMESTAMP NOT NULL -- 爬取时间)''')self.conn.commit()def insert_data(self, data):self.cursor.executemany('''INSERT INTO stock_data (code, name, price, change_amount, change_percent, open, high, low, prev_close, volume, amount, crawl_time) VALUES (?, ?, ?, ?, ?, ?, ?, ?, ?, ?, ?, ?)''', data)self.conn.commit()
3.正则表达式的应用

r'v_(sh|sz)(\d+)="(.*?)"'

v_：匹配固定前缀

(sh|sz)：分组匹配 “上海（sh）” 或 “深圳（sz）” 市场

(\d+)：分组匹配股票代码（纯数字）

="(.*?)"：非贪婪匹配双引号内的所有字段（即股票详细数据块）

4.代码运行全过程:初始化数据库 → 爬取股票数据 → 批量插入数据库 → 关闭连接，完成 “请求→提取→存储” 全流程。

  • 作业三

1. 完整代码及运行结果

点击查看代码 
import requests
from bs4 import BeautifulSoup
import sqlite3
import logging
from datetime import datetime
import os# 解决SSL警告
import urllib3urllib3.disable_warnings(urllib3.exceptions.InsecureRequestWarning)# 配置日志
logging.basicConfig(level=logging.INFO,format='%(asctime)s - %(levelname)s - %(message)s',handlers=[logging.StreamHandler()]
)# 中国大学2021主榜网页地址（直接爬取HTML）
RANK_URL = "https://www.shanghairanking.cn/rankings/bcur/2021"class UniversityDB:def __init__(self):self.db_path = os.path.join(r"C:\Users\kuku\Desktop", "university_rank_2021.db")self.conn = sqlite3.connect(self.db_path)self.cursor = self.conn.cursor()self._create_table()logging.info(f"数据库已创建/连接，路径：{self.db_path}")def _create_table(self):self.cursor.execute('''CREATE TABLE IF NOT EXISTS university_rank (id INTEGER PRIMARY KEY AUTOINCREMENT,rank INTEGER NOT NULL,        -- 排名school TEXT NOT NULL,         -- 学校名称province TEXT,                -- 省市university_type TEXT,         -- 类型score REAL,                   -- 总分crawl_time TIMESTAMP NOT NULL -- 爬取时间)''')self.conn.commit()def insert_data(self, data):if not data:logging.warning("没有数据可插入")returntry:self.cursor.executemany('''INSERT INTO university_rank (rank, school, province, university_type, score, crawl_time) VALUES (?, ?, ?, ?, ?, ?)''', data)self.conn.commit()logging.info(f"成功插入 {len(data)} 条数据")except Exception as e:self.conn.rollback()logging.error(f"插入失败: {e}")def close(self):self.conn.close()logging.info("数据库连接已关闭")def crawl_universities():headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/129.0.0.0 Safari/537.36","Accept": "text/html,application/xhtml+xml,application/xml;q=0.9,*/*;q=0.8","Accept-Language": "zh-CN,zh;q=0.9"}try:logging.info("开始请求大学排名网页...")response = requests.get(RANK_URL,headers=headers,timeout=20,verify=False)response.encoding = "utf-8"soup = BeautifulSoup(response.text, "lxml")#从HTML表格中提取数据table = soup.find("table", class_="rk-table")if not table:logging.error("未找到排名表格")return []#获取表格行数据rows = table.find_all("tr")[1:]result = []crawl_time = datetime.now().strftime("%Y-%m-%d %H:%M:%S")for row in rows:cols = row.find_all("td")if len(cols) < 5:  #确保有足够的列continuetry:#解析每一列数据rank = int(cols[0].text.strip())  # 排名school = cols[1].text.strip()  # 学校名称province = cols[2].text.strip()  # 省市u_type = cols[3].text.strip()  # 类型score = float(cols[4].text.strip())  # 总分result.append((rank, school, province, u_type, score, crawl_time))#打印前10名if len(result) <= 10:logging.info(f"排名 {rank}: {school}（{province}，{u_type}，总分：{score}）")except (ValueError, IndexError) as e:logging.warning(f"解析行数据失败: {e}，跳过")continuelogging.info(f"解析完成，共获取 {len(result)} 所大学数据")return resultexcept requests.exceptions.RequestException as e:logging.error(f"网络请求失败: {e}")return []except Exception as e:logging.error(f"爬取异常: {e}")return []if __name__ == "__main__":logging.info("===== 开始中国大学2021主榜爬取任务 =====")db = UniversityDB()universities = crawl_universities()if universities:db.insert_data(universities)logging.info(f"任务完成，数据库文件：{db.db_path}")else:logging.warning("未获取到有效数据，请检查网络是否能访问排名页面")db.close()logging.info("===== 任务结束 =====")

屏幕截图 2025-11-10 194638

屏幕截图 2025-11-10 194631

屏幕截图 2025-11-10 194621

  • F12调用过程

ezgif

2. 实验心得

  • 核心代码块
  1. 爬虫解析核心逻辑
点击查看代码 
def crawl_universities():# （省略请求头配置...）try:response = requests.get(RANK_URL, headers=headers, timeout=20, verify=False)response.encoding = "utf-8"soup = BeautifulSoup(response.text, "lxml")table = soup.find("table", class_="rk-table")  # 定位排名表格if not table:logging.error("未找到排名表格")return []rows = table.find_all("tr")[1:]  # 跳过表头行result = []crawl_time = datetime.now().strftime("%Y-%m-%d %H:%M:%S")for row in rows:cols = row.find_all("td")if len(cols) < 5:continuetry:rank = int(cols[0].text.strip())  # 排名（整数）school = cols[1].text.strip()     # 学校名称province = cols[2].text.strip()   # 省市u_type = cols[3].text.strip()     # 类型score = float(cols[4].text.strip())  # 总分（浮点数）result.append((rank, school, province, u_type, score, crawl_time))# 打印前10名if len(result) <= 10:logging.info(f"排名 {rank}: {school}（{province}，{u_type}，总分：{score}）")except (ValueError, IndexError) as e:logging.warning(f"解析失败: {e}，跳过")continuereturn resultexcept Exception as e:logging.error(f"爬取异常: {e}")return []
  1. 数据库存储核心逻辑
点击查看代码 
class UniversityDB:def __init__(self):self.db_path = os.path.join(r"C:\Users\kuku\Desktop", "university_rank_2021.db")self.conn = sqlite3.connect(self.db_path)self.cursor = self.conn.cursor()self._create_table()def _create_table(self):self.cursor.execute('''CREATE TABLE IF NOT EXISTS university_rank (id INTEGER PRIMARY KEY AUTOINCREMENT,rank INTEGER NOT NULL,        -- 排名school TEXT NOT NULL,         -- 学校名称province TEXT,                -- 省市university_type TEXT,         -- 类型score REAL,                   -- 总分crawl_time TIMESTAMP NOT NULL -- 爬取时间)''')self.conn.commit()def insert_data(self, data):self.cursor.executemany('''INSERT INTO university_rank (rank, school, province, university_type, score, crawl_time) VALUES (?, ?, ?, ?, ?, ?)''', data)self.conn.commit()
3.核心逻辑 这段代码的核心是 “定位 HTML 表格→解析行列数据→结构化存储到本地数据库”：

通过BeautifulSoup的find和find_all方法，精准定位排名表格和每一行的列数据

对排名、总分等字段进行类型转换（如int()、float()），确保数据格式规范

最终将所有大学排名数据批量插入 SQLite 数据库，实现数据的持久化存储

4.在代码运行过程中官方 API 做了访问限制，我直接从网页 HTML 中解析数据，直接爬取网页 HTML：从排名页面的表格中提取数据，绕过 API 限制，稳定性极高。

  • Gitee文件夹及代码链接：https://gitee.com/sike-0420/kuku/tree/master/%E4%BD%9C%E4%B8%9A2

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mzph.cn/news/961754.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

深入解析：Redis技术应用

深入解析：Redis技术应用

pre { white-space: pre !important; word-wrap: normal !important; overflow-x: auto !important; display: block !important; font-family: "Consolas", "Monaco", "Courier New", …
阅读更多...
6G网络通讯端到端结构

6G网络通讯端到端结构

6G网络通讯端到端结构6G网络通讯端到端大结构6G网络通讯端到端结构，还未定型；个人理解供参考：以原有大通讯网络（如现有5G网等）为基础层，现有各类云为服务层，在最终用户和6G接入间增加了AI人工智能层。要达到的目…
阅读更多...
万喜消毒柜售后维修中心服务热线电话(2025/已更新)

万喜消毒柜售后维修中心服务热线电话(2025/已更新)

万喜消毒柜(维修)售后服务中心--报修欢迎您 万喜消毒柜售后电话：400-1819-193 为了更好地为您提供米恩集成灶维修服务，我们特为您整理了详细的报修流程及常见故障处理方法，希望能为您带来便捷的服务体验。如需帮助，…
阅读更多...
20232426 2025-2026-1 《网络与系统攻防技术》实验四实验报告

20232426 2025-2026-1 《网络与系统攻防技术》实验四实验报告

一、实验目标（内容）恶意代码文件类型标识、脱壳与字符串提取 使用IDA Pro静态或动态分析crackme1.exe与crakeme2.exe，寻找特定输入，使其能够输出成功信息 分析一个自制恶意代码样本rada，并撰写报告 取证分析实践二…
阅读更多...
HTTP 的方法和状态码 - 指南

HTTP 的方法和状态码 - 指南

pre { white-space: pre !important; word-wrap: normal !important; overflow-x: auto !important; display: block !important; font-family: "Consolas", "Monaco", "Courier New", …
阅读更多...
华凌燃气灶维修全国各售后号码《今日汇总》

华凌燃气灶维修全国各售后号码《今日汇总》

华凌燃气灶售后维修服务热线-号码2025已更新(受理/派单 华凌燃气灶售后电话：400-1819-193 为了更好地为您提供米恩集成灶维修服务，我们特为您整理了详细的报修流程及常见故障处理方法，希望能为您带来便捷的服务体验…
阅读更多...
通过远程桌面连接Windows实例, 提示“为安全考虑, 已锁定该用户帐户, 原因是登录尝试或密码更改尝试过多”

通过远程桌面连接Windows实例, 提示“为安全考虑, 已锁定该用户帐户, 原因是登录尝试或密码更改尝试过多”

问题现象 使用远程桌面、Workbench或者Windows APP等工具远程登录Windows实例时，提示“为安全考虑，已锁定该用户帐户，原因是登录尝试或密码更改尝试过多”或类似错误。 一、锁定根本原因安全策略触发账户保护机制系…
阅读更多...
P12504 「ROI 2025 Day1」树上的青蛙

P12504 「ROI 2025 Day1」树上的青蛙

树上最大匹配对数，考虑贪心。怎么感觉题解都没有很讲明白复杂度优化的过程，也可能是我太蠢了。 \(d\) 为偶数的情况 \(d\to d-1\) 没有影响，所以只讨论 \(d\) 为奇数。 假设 \(lca(u,v)=w\)，\(V_i=\{u|dep_u=i\}\)…
阅读更多...
重练算法（代码随想录版） day6 - 哈希表part1

重练算法（代码随想录版） day6 - 哈希表part1

day5周日休息一天 今日刷题量：8 当前刷题总量：33 Easy: 20 Mid: 12 Hard: 1 Day 6 基础理论 1.哈希表通常用来判断一个元素是否出现在集合里，牺牲空间来换时间。 2.通过哈希函数得到索引，将元素存储在索引对应的位…
阅读更多...
目前广州往返珠海网约车软件

目前广州往返珠海网约车软件

广州往返珠海首选网约车平台推荐：广州城市快线汽车租赁有限公司专业城际出行服务，让您的旅途更舒心如果您正在寻找广州往返珠海的网约车服务，广州城市快线汽车租赁有限公司是您的最佳选择。作为广州地区领先的城际出…
阅读更多...
利用RFM模型对客户进行分类

利用RFM模型对客户进行分类

数据大概长这样： A1:C101存储着销售数据 E1:J17对销售数据进行分类汇总以下为单元格公式： F2:用每个客户总消费额，除以每个客户的消费次数，这里次数定义是每人一天算一次 =ROUND(SUMIFS($C:$C,$A:$A,$E2)/SUM(--(U…
阅读更多...
第三十七篇

第三十七篇

今天是11月10号，上了数据建模语言，Java
阅读更多...
别让料单拖慢开关柜生产！这个功能让精准与效率双在线

别让料单拖慢开关柜生产！这个功能让精准与效率双在线

做成套高低压开关柜的你，是不是常被料单“卡脖子”？ 柜型参数记错一个数，采购回来的元件直接报废；找绝缘辅料、断路器型号翻遍多个平台，半天凑不齐一份完整 BOM；好不容易做完料单，采购说型号不对、车间说参数不…
阅读更多...
#题解#洛谷P4653

#题解#洛谷P4653

[传送门](P4653 [CEOI 2017] Sure Bet - 洛谷) 分析显然在同一类中选取灯泡越大越好。如果某一类中选取灯泡比另一类比另一类多太多，会造成较大的浪费（每次选灯泡收益-1）于是直觉告诉我们，AB两类的灯泡选取应该尽量…
阅读更多...
Netty管道机制：ChannelPipeline与Handler详解

Netty管道机制：ChannelPipeline与Handler详解

目录1. 简介2. Channel Pipeline的逻辑架构2.1. 通信调度层 Reactor2.2. 职责链 ChannelPipeline2.3. 业务逻辑编排层 ServiceChannelHandler3. ChannelPipeline3.1. ChannelPipeline的类继承关系图3.2. ChannelPipeli…
阅读更多...
第六天 svn和git的安装和使用

第六天 svn和git的安装和使用

一、svn的定义：多个人共同开发一个项目，实现共享资源。 作用：对项目相关文件进行管理和共享 （适合近距离，公司内） 二、svn安装 先安装服务端注意事项：将端口修改为8443，创建快捷方式到桌面 服务端的使用 1、创…
阅读更多...
华帝热水器维修售后电话24小时—全国各区定点服务中心

华帝热水器维修售后电话24小时—全国各区定点服务中心

华帝热水器(维修)售后服务中心--报修欢迎您 华帝热水器售后电话：400-1819-193 为了更好地为您提供米恩集成灶维修服务，我们特为您整理了详细的报修流程及常见故障处理方法，希望能为您带来便捷的服务体验。如需帮助，…
阅读更多...
25.11.10随笔联考总结

25.11.10随笔联考总结

考试 正常开题，发现 T1 很简单秒了，看 T2 也很简单，秒了，T3 貌似是一个背包，但是容量很大我一瞬间想到了生成函数然后 Bostan-Mori 直接做，但是又想到这是 NOIP 模拟赛所以放弃多项式小工业（其实我能够写出来）…
阅读更多...
[Python刷题记录]-旋转图像-矩阵-中等

[Python刷题记录]-旋转图像-矩阵-中等

[Python刷题记录]-旋转图像-矩阵-中等链接：48. 旋转图像 - 力扣（LeetCode） 解题思路：找到原始点、最终点和中心点之间的关系，以3*3的矩阵为例原始点 最终点 中心点 原始点-中心点 最终点-中心点（1，0） （0，1）…
阅读更多...
2025年11月学习机品牌全解析：找准适配款，提分更高效

2025年11月学习机品牌全解析：找准适配款，提分更高效

如今的学习机市场早已进入红海竞争阶段：新品牌层出不穷，老品牌不断推新，各类宣传噱头眼花缭乱 —— 有的标榜 “全科提分神器”，有的宣称 “AI 全能辅导”，甚至不乏夸大功效、混淆概念的 “牛鬼蛇神”，让不少家长…
阅读更多...
最新文章

Copyright @ 2022~2023