PaddleHub百度飞桨【Python小白逆袭大神】七天打卡营心得

       第一次接触百度的paddlehub，之前有参加过CV疫情的打卡营，但是没坚持把作业做下来。这次参加打卡营吧几次作业都跟下来了。因为作者本人是做计算机视觉方向的，python之前使用的多为OpeanCV，pytorch框架。这次七日打卡营主要以爬虫为主，之前没有接触过爬虫，通过本次学习，对爬虫有了一些了解。

以下是搜集的一些关于爬虫的知识。

1.python的基本语法知识

2.如何抓取HTML页面：

         HTTP请求的处理，urllib、urllib2、requests

         处理后的请求可以模拟浏览器发送请求，获取服务器响应的文件。

3.解析服务器响应的内容

       re、xpath、BeautifulSoup4(bs4)、jsonpath、pyquery等

       使用某种描述性一样来给我们需要提取的数据定义一个匹配规则，符合这个规则的数据就会被匹配。

4.如何采集动态HTML、验证码的处理

         通用的动态页面采集：Selenium(自动化测试工具)+PhantomJS(无界面浏览器):模拟真实浏览器加载js、ajax等非静态页面数据。

         Tesseract：机器学习库，机器图像识别系统，可以处理简单的验证码，复杂的验证码可以通过手动输入或者专门的打码平台。

5.Scrapy框架：（Scrapy，Pyspider）

        高定制性高性能（异步网络框架 twisted），所以数据下载速度非常快，提供了数据存储、数据下载、提取规则等组建。

 6.分布式策略scrapy-redis：

       scrapy-redis，以Scrapy的基础上添加了一套以Redis数据库为核心的一套组件。

      让Scrapy框架支持分布式的功能，主要在Redis里做请求指纹去重、请求分配、数据临时储存。

7.爬虫-反爬虫-反反爬虫之间的斗争：

     其实爬虫做到最后，最头疼的不是复杂的页面，也不是晦涩的数据，而是网站另一边的反爬虫人员。

     User-Agent、代理、验证码、动态数据加载、加密数据。

     数据价值   是否值得去费劲做反爬虫。

              a.机器成本+人力成本  >数据价值，就不反了，一般做到封IP就结束了。

              b.面子的战争

      爬虫和反爬虫之间的斗争，最后一定是爬虫获胜！

      为什么？只要是真实用户可以浏览的网页数据，爬虫就一定能爬下来！

分享以下第五次大作业的一些内容

在stopwordslist这个函数里面，我们需要一个中文停用词表，需要通过在网上找，找到后

stopwords= [line.strip() for line in open(file_path,encoding=&＃39;GBK&＃39;).readline()] 要在encoding改为GBK，不然会显示错误。

以下分享以下搜集来的中文停用次表
阿
哎
哎呀
哎哟
唉
俺
俺们
按
按照
吧
吧哒
把
罢了
被
本
本着
比
比方
比如
鄙人
彼
彼此
边
别
别的
别说
并
并且
不比
不成
不单
不但
不独
不管
不光
不过
不仅
不拘
不论
不怕
不然
不如
不特
不惟
不问
不只
朝
朝着
趁
趁着
乘
冲
除
除此之外
除非
除了
此
此间
此外
从
从而
打
待
但
但是
当
当着
到
得
的
的话
等
等等
地
第
叮咚
对
对于
多
多少
而
而况
而且
而是
而外
而言
而已
尔后
反过来
反过来说
反之
非但
非徒
否则
嘎
嘎登
该
赶
个
各
各个
各位
各种
各自
给
根据
跟
故
故此
固然
关于
管
归
果然
果真
过
哈
哈哈
呵
和
何
何处
何况
何时
嘿
哼
哼唷
呼哧
乎
哗
还是
还有
换句话说
换言之
或
或是
或者
极了
及
及其
及至
即
即便
即或
即令
即若
即使
几
几时
己
既
既然
既是
继而
加之
假如
假若
假使
鉴于
将
较
较之
叫
接着
结果
借
紧接着
进而
尽
尽管
经
经过
就
就是
就是说
据
具体地说
具体说来
开始
开外
靠
咳
可
可见
可是
可以
况且
啦
来
来着
离
例如
哩
连
连同
两者
了
临
另
另外
另一方面
论
嘛
吗
慢说
漫说
冒
么
每
每当
们
莫若
某
某个
某些
拿
哪
哪边
哪儿
哪个
哪里
哪年
哪怕
哪天
哪些
哪样
那
那边
那儿
那个
那会儿
那里
那么
那么些
那么样
那时
那些
那样
乃
乃至
呢
能
你
你们
您
宁
宁可
宁肯
宁愿
哦
呕
啪达
旁人
呸
凭
凭借
其
其次
其二
其他
其它
其一
其余
其中
起
起见
岂但
恰恰相反
前后
前者
且
然而
然后
然则
让
人家
任
任何
任凭
如
如此
如果
如何
如其
如若
如上所述
若
若非
若是
啥
上下
尚且
设若
设使
甚而
甚么
甚至
省得
时候
什么
什么样
使得
是
是的
首先
谁
谁知
顺
顺着
似的
虽
虽然
虽说
虽则
随
随着
所
所以
他
他们
他人
它
它们
她
她们
倘
倘或
倘然
倘若
倘使
腾
替
通过
同
同时
哇
万一
往
望
为
为何
为了
为什么
为着
喂
嗡嗡
我
我们
呜
呜呼
乌乎
无论
无宁
毋宁
嘻
吓
相对而言
像
向
向着
嘘
呀
焉
沿
沿着
要
要不
要不然
要不是
要么
要是
也
也罢
也好
一
一般
一旦
一方面
一来
一切
一样
一则
依
依照
矣
以
以便
以及
以免
以至
以至于
以致
抑或
因
因此
因而
因为
哟
用
由
由此可见
由于
有
有的
有关
有些
又
于
于是
于是乎
与
与此同时
与否
与其
越是
云云
哉
再说
再者
在
在下
咱
咱们
则
怎
怎么
怎么办
怎么样
怎样
咋
照
照着
者
这
这边
这儿
这个
这会儿
这就是说
这里
这么
这么点儿
这么些
这么样
这时
这些
这样
正如
吱
之
之类
之所以
之一
只是
只限
只要
只有
至
至于
诸位
着
着呢
自
自从
自个儿
自各儿
自己
自家
自身
综上所述
总的来看
总的来说
总的说来
总而言之
总之
纵
纵令
纵然
纵使
遵照
作为
兮
呃
呗
咚
咦
喏
啐
喔唷
嗬
嗯
嗳
啊哈
啊呀
啊哟
挨次
挨个
挨家挨户
挨门挨户
挨门逐户
挨着
按理
按期
按时
按说
暗地里
暗中
暗自
昂然
八成
白白
半
梆
保管
保险
饱
背地里
背靠背
倍感
倍加
本人
本身
甭
比起
比如说
比照
毕竟
必
必定
必将
必须
便
别人
并非
并肩
并没
并没有
并排
并无
勃然
不
不必
不常
不大
不得
不得不
不得了
不得已
不迭
不定
不对
不妨
不管怎样
不会
不仅仅
不仅仅是
不经意
不可开交
不可抗拒
不力
不了
不料
不满
不免
不能不
不起
不巧
不然的话
不日
不少
不胜
不时
不是
不同
不能
不要
不外
不外乎
不下
不限
不消
不已
不亦乐乎
不由得
不再
不择手段
不怎么
不曾
不知不觉
不止
不止一次
不至于
才
才能
策略地
差不多
差一点
常
常常
常言道
常言说
常言说得好
长此下去
长话短说
长期以来
长线
敞开儿
彻夜
陈年
趁便
趁机
趁热
趁势
趁早
成年
成年累月
成心
乘机
乘胜
乘势
乘隙
乘虚
诚然
迟早
充分
充其极
充其量
抽冷子
臭
初
出
出来
出去
除此
除此而外
除此以外
除开
除去
除却
除外
处处
川流不息
传
传说
传闻
串行
纯
纯粹
此后
此中
次第
匆匆
从不
从此
从此以后
从古到今
从古至今
从今以后
从宽
从来
从轻
从速
从头
从未
从无到有
从小
从新
从严
从优
从早到晚
从中
从重
凑巧
粗
存心
达旦
打从
打开天窗说亮话
大
大不了
大大
大抵
大都
大多
大凡
大概
大家
大举
大略
大面儿上
大事
大体
大体上
大约
大张旗鼓
大致
呆呆地
带
殆
待到
单
单纯
单单
但愿
弹指之间
当场
当儿
当即
当口儿
当然
当庭
当头
当下
当真
当中
倒不如
倒不如说
倒是
到处
到底
到了儿
到目前为止
到头
到头来
得起
得天独厚
的确
等到
叮当
顶多
定
动不动
动辄
陡然
都
独
独自
断然
顿时
多次
多多
多多少少
多多益善
多亏
多年来
多年前
而后
而论
而又
尔等
二话不说
二话没说
反倒
反倒是
反而
反手
反之亦然
反之则
方
方才
方能
放量
非常
非得
分期
分期分批
分头
奋勇
愤然
风雨无阻
逢
弗
甫
嘎嘎
该当
概
赶快
赶早不赶晚
敢
敢情
敢于
刚
刚才
刚好
刚巧
高低
格外
隔日
隔夜
个人
各式
更
更加
更进一步
更为
公然
共
共总
够瞧的
姑且
古来
故而
故意
固
怪
怪不得
惯常
光
光是
归根到底
归根结底
过于
毫不
毫无
毫无保留地
毫无例外
好在
何必
何尝
何妨
何苦
何乐而不为
何须
何止
很
很多
很少
轰然
后来
呼啦
忽地
忽然
互
互相
哗啦
话说
还
恍然
会
豁然
活
伙同
或多或少
或许
基本
基本上
基于
极
极大
极度
极端
极力
极其
极为
急匆匆
即将
即刻
即是说
几度
几番
几乎
几经
既…又
继之
加上
加以
间或
简而言之
简言之
简直
见
将才
将近
将要
交口
较比
较为
接连不断
接下来
皆可
截然
截至
藉以
借此
借以
届时
仅
仅仅
谨
进来
进去
近
近几年来
近来
近年来
尽管如此
尽可能
尽快
尽量
尽然
尽如人意
尽心竭力
尽心尽力
尽早
精光
经常
竟
竟然
究竟
就此
就地
就算
居然
局外
举凡
据称
据此
据实
据说
据我所知
据悉
具体来说
决不
决非
绝
绝不
绝顶
绝对
绝非
均
喀
看
看来
看起来
看上去
看样子
可好
可能
恐怕
快
快要
来不及
来得及
来讲
来看
拦腰
牢牢
老
老大
老老实实
老是
累次
累年
理当
理该
理应
历
立
立地
立刻
立马
立时
联袂
连连
连日
连日来
连声
连袂
临到
另方面
另行
另一个
路经
屡
屡次
屡次三番
屡屡
缕缕
率尔
率然
略
略加
略微
略为
论说
马上
蛮
满
没
没有
每逢
每每
每时每刻
猛然
猛然间
莫
莫不
莫非
莫如
默默地
默然
呐
那末
奈
难道
难得
难怪
难说
内
年复一年
凝神
偶而
偶尔
怕
砰
碰巧
譬如
偏偏
乒
平素
颇
迫于
扑通
其后
其实
奇
齐
起初
起来
起首
起头
起先
岂
岂非
岂止
迄
恰逢
恰好
恰恰
恰巧
恰如
恰似
千
万
千万
千万千万
切
切不可
切莫
切切
切勿
窃
亲口
亲身
亲手
亲眼
亲自
顷
顷刻
顷刻间
顷刻之间
请勿
穷年累月
取道
去
权时
全都
全力
全年
全然
全身心
然
人人
仍
仍旧
仍然
日复一日
日见
日渐
日益
日臻
如常
如此等等
如次
如今
如期
如前所述
如上
如下
汝
三番两次
三番五次
三天两头
瑟瑟
沙沙
上
上来
上去
一.
一一
一下
一个
一些
一何
一则通过
一天
一定
一时
一次
一片
一番
一直
一致
一起
一转眼
一边
一面
上升
上述
上面
下
下列
下去
下来
下面
不一
不久
不变
不可
不够
不尽
不尽然
不敢
不断
不若
不足
与其说
专门
且不说
且说
严格
严重
个别
中小
中间
丰富
为主
为什麽
为止
为此
主张
主要
举行
乃至于
之前
之后
之後
也就是说
也是
了解
争取
二来
云尔
些
亦
产生
人
人们
什麽
今
今后
今天
今年
今後
介于
从事
他是
他的
代替
以上
以下
以为
以前
以后
以外
以後
以故
以期
以来
任务
企图
伟大
似乎
但凡
何以
余外
你是
你的
使
使用
依据
依靠
便于
促进
保持
做到
傥然
儿
允许
元／吨
先不先
先后
先後
先生
全体
全部
全面
共同
具体
具有
兼之
再
再其次
再则
再有
再次
再者说
决定
准备
凡
凡是
出于
出现
分别
则甚
别处
别是
别管
前此
前进
前面
加入
加强
十分
即如
却
却不
原来
又及
及时
双方
反应
反映
取得
受到
变成
另悉
只
只当
只怕
只消
叫做
召开
各人
各地
各级
合理
同一
同样
后
后者
后面
向使
周围
呵呵
咧
唯有
啷当
喽
嗡
嘿嘿
因了
因着
在于
坚决
坚持
处在
处理
复杂
多么
多数
大力
大多数
大批
大量
失去
她是
她的
好
好的
好象
如同
如是
始而
存在
孰料
孰知
它们的
它是
它的
安全
完全
完成
实现
实际
宣布
容易
密切
对应
对待
对方
对比
小
少数
尔
尔尔
尤其
就是了
就要
属于
左右
巨大
巩固
已
已矣
已经
巴
巴巴
帮助
并不
并不是
广大
广泛
应当
应用
应该
庶乎
庶几
开展
引起
强烈
强调
归齐
当前
当地
当时
形成
彻底
彼时
往往
後来
後面
得了
得出
得到
心里
必然
必要
怎奈
怎麽
总是
总结
您们
您是
惟其
意思
愿意
成为
我是
我的
或则
或曰
战斗
所在
所幸
所有
所谓
扩大
掌握
接著
数/
整个
方便
方面
无
无法
既往
明显
明确
是不是
是以
是否
显然
显著
普通
普遍
曾
曾经
替代
最
最后
最大
最好
最後
最近
最高
有利
有力
有及
有所
有效
有时
有点
有的是
有着
有著
末##末
本地
来自
来说
构成
某某
根本
欢迎
欤
正值
正在
正巧
正常
正是
此地
此处
此时
此次
每个
每天
每年
比及
比较
没奈何
注意
深入
清楚
满足
然後
特别是
特殊
特点
犹且
犹自
现代
现在
甚且
甚或
甚至于
用来
由是
由此
目前
直到
直接
相似
相信
相反
相同
相对
相应
相当
相等
看出
看到
看看
看见
真是
真正
眨眼
矣乎
矣哉
知道
确定
种
积极
移动
突出
突然
立即
竟而
第二
类如
练习
组成
结合
继后
继续
维持
考虑
联系
能否
能够
自后
自打
至今
至若
致
般的
良好
若夫
若果
范围
莫不然
获得
行为
行动
表明
表示
要求
规定
觉得
譬喻
认为
认真
认识
许多
设或
诚如
说明
说来
说说
诸
诸如
谁人
谁料
贼死
赖以
距
转动
转变
转贴
达到
迅速
过去
过来
运用
还要
这一来
这次
这点
这种
这般
这麽
进入
进步
进行
适应
适当
适用
逐步
逐渐
通常
造成
遇到
遭到
遵循
避免
那般
那麽
部分
采取
里面
重大
重新
重要
针对
问题
防止
附近
限制
随后
随时
随著
难道说
集中
需要
非特
非独
高兴
若果