logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

python操作Appium的时候出现的错误selenium.common.exceptions.NoSuchElementException: Message: An element could n

selenium.common.exceptions.NoSuchElementException: Message: An element could not be located on the page using the given search parameters.错误原因是:1、不能被加载,需要等待的时间 2、我们的xpath写错了

#python
机器学习之线性回归

一、使用python来实现,使用解析解求解多元线性回归"""创建 100行1列的 x,y数据"""# 解析解求解模型的方法# numpy是做数值计算的import numpy as np# matplotlib 是关于绘图的import matplotlib.pyplot as plt#回归,有监督的机器学习X,yX= np.random.rand(100,1)# 这里要模拟出来的数据y是代表真实

#机器学习#线性回归#python
python 爬虫之scrapy分布式

一、爬虫分布式原理:scrapy-redis实现分布式,其实从原理上来说很简单,这里为描述方便,我们把自己的核心服务器称为master,而把用于跑爬虫程序的机器称为slave我们知道,采用scrapy框架抓取网页,我们需要首先给定它一些start_urls,爬虫首先访问start_urls里面的url,再根据我们的具体逻辑,对里面的元素、或者是其他的二级、三级页面进行抓取。而要实现分布式,我们只需

#python#爬虫#数据库
python 爬虫 移动端开发(四)

一、 appium-python-client使用1.1 安装appium-python-client模块pip install appium-python-client1.2 初始化以及获取移动设备分辨率from appium import webdriver# 初始化配置,设置Desired Capabilities参数desired = {"platformName": "Android",

#python#爬虫#pycharm
celery介绍

1、概述1.Celery介绍Celery是由Python开发、简单、灵活、可靠的分布式任务队列,是一个处理异步任务的框架,其本质是生产者消费者模型,生产者发送任务到消息队列,消费者负责处理任务。Celery侧重于实时操作,但对调度支持也很好,其每天可以处理数以百万计的任务。特点:简单:熟悉celery的工作流程后,配置使用简单高可用:当任务执行失败或执行过程中发生连接中断,celery会自动尝试重

python 之js逆向分析用到的库

js = """function add(num1,num2){return num1+num2}"""def func1():import execjs# pip install PyExecjs# 编译加载js代码ctx指的是js上下文环境ctx = execjs.compile(js)#执行jsrs = ctx.call('add',1,1)print(rs)def func2():.

#javascript#python#前端
python 生成md5

md5的生成可以用hashlib来生成,需要秘钥的 可以用hmac和hashlib 来一块生成md5秘钥import hashliba='md5'str = '123213423'def test1():# 创建md5对象if a == 'md5':h1=hashlib.md5()# 在h1 上面更新所需要加密的字符串h1.update(str.encode(encoding='utf-8'))#

#python
拉格朗日函数

一、拉格朗日函数作用拉格朗日函数主要处理有约束条件的函数二、拉格朗日函数表达式定义某原始最优化问题的拉格朗日函数为:其中 ci 是第 i 个不等式约束函数,bj 是第 j 个等式约束函数αi 和βi 是拉格朗日乘子三、拉格朗日函数特性令若 x 不满足之前的约束条件:若 x 满足约束条件:拉格朗日函数如果对于进行极小化,就相当于对原始最优化问题进行极小化,它们拥有相同的解对偶问题定义此时极大化称为拉

#支持向量机#机器学习#算法
    共 18 条
  • 1
  • 2
  • 请选择