挑战：使用机器学习对 RSS 提要进行分类 最近，我接到一项任务，要求为客户创建一个 RSS 提要分类子系统。目标是读取几十个甚至几百个 RSS 提要，将它们的许多文章自动分类到几十个预定义的主题领域当中。客户网站的内容、导航和搜索功能都将由这个每日自动提要检索和分类结果驱动。 客户建议使用机器学习，或许还会使用 Apache Mahout 和 Hadoop 来实现该任务，因为客户最近阅读了有关这些技术的文章。但是，客户的开发团队和我们的开发团队都更熟悉 Ruby，而不是 Java™ 技术。本文 … 继续阅读“探索 Python、机器学习和 NLTK 库”

queue介绍 queue是python中的标准库，俗称队列。 在python中，多个线程之间的数据是共享的，多个线程进行数据交换的时候，不能够保证数据的安全性和一致性，所以当多个线程需要进行数据交换的时候，队列就出现了，队列可以完美解决线程间的数据交换，保证线程间数据的安全性和一致性。 注意： 在python2.x中，模块名为Queue queue模块有三种队列及构造函数 Python queue模块的FIFO队列先进先出。 queue.Queue(maxsize) LIFO类似于堆，即先进后 … 继续阅读“Python3 queue队列模块详解”

多线程概述 多线程使得程序内部可以分出多个线程来做多件事情，充分利用CPU空闲时间，提升处理效率。python提供了两个模块来实现多线程thread 和threading ，thread 有一些缺点，在threading 得到了弥补。并且在Python3中废弃了thread模块，保留了更强大的threading模块。 使用场景 在python的原始解释器CPython中存在着GIL（Global Interpreter Lock，全局解释器锁），因此在解释执行python代码时，会产生互斥锁来限 … 继续阅读“Python3多线程爬虫实例讲解”

python不仅线程用的是系统原生线程，进程也是用的原生进程 进程的用法和线程大同小异 import multiprocessing  p = multiprocessing.Process(target=fun,args=()) 线程的基本方法在进程中都能够使用 但是进程和线程中有一个明显的区别：可以实现多核的运用 python本身会启动一个主进程，并且拥有一个主线程把主进程看做一家之主，那主线程也是他本身，其他线程就相当于老婆们 而进程，长大了的儿子们 … 继续阅读“Python 多进程和数据传递的理解”

简介 在Linux上有个常用的命令 curl（非常好用），支持curl的就是大名鼎鼎的libcurl库；libcurl是功能强大的，而且是非常高效的函数库。libcurl除了提供本身的C API之外，还有多达40种编程语言的Binding，这里介绍的PycURL就是libcurl的Python binding。 在Python中对网页进行GET/POST等请求，当需要考虑高性能的时候，libcurl是非常不错的选择，一般来说会比liburl、liburl2快不少，可能也会比Requests的效率 … 继续阅读“Python中的CURL PycURL库简介及实例”

单例模式（Singleton Pattern）是一种常用的软件设计模式，是指一个类的实例从始至终只能被创建一次，同时它提供一个静态的getInstance()工厂方法，让客户可以访问它的唯一实例；为了防止在外部对其实例化，将其构造函数设计为私有；在单例类内部定义了一个Singleton类型的静态对象，作为外部共享的唯一实例。  主要优点： 1、提供了对唯一实例的受控访问。 2、由于在系统内存中只存在一个对象，因此可以节约系统资源，对于一些需要频繁创建和销毁的对象单例模式无疑可以提高系统 … 继续阅读“Python创建单例模式的5种方法”

在Python中一切都是对象。 Python中对象包含的三个基本要素，分别是：id(身份标识)、type(数据类型)和value(值)。对象之间比较是否相等可以用==，也可以用is。 is和==都是对对象进行比较判断作用的，但对对象比较判断的内容并不相同。下面来看看具体区别在哪? is比较的是两个对象的id值是否相等，也就是比较两个对象是否为同一个实例对象，是否指向同一个内存地址。 ==比较的是两个对象的内容是否相等，默认会调用对象的__eq__()方法。 以下代码在Python3.5下测试通过 … 继续阅读“Python中is和==的区别”

一、概述 random模块 用于生成伪随机数 之所以称之为伪随机数，是因为真正意义上的随机数（或者随机事件）在某次产生过程中是按照实验过程中表现的分布概率随机产生的，其结果是不可预测的，是不可见的。而计算机中的随机函数是按照一定算法模拟产生的，其结果是确定的，是可见的。我们可以这样认为这个可预见的结果其出现的概率是100%。所以用计算机随机函数所产生的“随机数”并不随机，是伪随机数。 计算机的伪随机数是由随机种子根据一定的计算方法计算出来的数值。所以，只要计算方法一定，随机种子一定，那么产生的随 … 继续阅读“Python随机数生成模块random详解”

python判断变量数据类型时，建议使用isinstance()方法代替type(). 进行类型检查首先想到的就是用type()，但是Type在某些特定情况下判断类型存在问题，今天就来说下type在python类型判断时的坑。 type()方法 例子： int类型判断 >>> import types >>> type(2017)==types.IntType True Python2.7中的types类型： types.Bool … 继续阅读“Python数据类型判断常遇到的坑”

Python 的代码风格由 PEP 8 描述。这个文档描述了 Python 编程风格的方方面面。在遵守这个文档的条件下，不同程序员编写的 Python 代码可以保持最大程度的相似风格。这样就易于阅读，易于在程序员之间交流。 python中的标识符可以包含数字、字母和_，但必须以字母或者_开头，其中以_开头的命名一般具有特殊的意义。 前后均带有双下划线__的命名 一般用于特殊方法的命名，用来实现对象的一些行为或者功能，比如__new__()方法用来创建实例，__init__()方法用来初始化对象， … 继续阅读“Python中带下划线_的变量和函数命名的用法”