专栏导读

🔥🔥本文已收录于《100天精通Python从入门到就业》:本专栏专门针对零基础和需要进阶提升的同学所准备的一套完整教学,从0到100的不断进阶深入,后续还有实战项目,轻松应对面试,专栏订阅地址:https://blog.csdn.net/yuan2019035055/category_11466020.html

  • 优点订阅限时9.9付费专栏进入千人全栈VIP答疑群,作者优先解答机会(代码指导、远程服务),群里大佬众多可以抱团取暖(大厂内推机会)
  • 专栏福利简历指导、招聘内推、每周送实体书、80G全栈学习视频、300本IT电子书:Python、Java、前端、大数据、数据库、算法、爬虫、数据分析、机器学习、面试题库等等
    在这里插入图片描述
    在这里插入图片描述

一、仪表盘图介绍

1. 仪表盘图是什么?

仪表盘图(Dashboard)是一种数据可视化工具,用于以图表、表格、指标等形式展示关键数据和指标,以便用户能够快速了解和分析数据的状态、趋势和关联关系。它通常以仪表盘的形式呈现,类似于汽车仪表盘上的指示器。

仪表盘图的设计旨在提供直观、简洁和易于理解的数据展示,帮助用户快速捕捉到关键信息和洞察。通过仪表盘图,用户可以实时监测业务指标、数据趋势和关键绩效指标,从而做出更加明智的决策。
在这里插入图片描述

2. 仪表盘图应用场景

仪表盘图在各个领域都有广泛的应用,下面列举了一些常见的应用场景:

  1. 业务分析和绩效管理:仪表盘图可以用于监测和管理关键业务指标和绩效指标。例如,销售团队可以使用仪表盘图来追踪销售额、客户满意度和销售渠道的效果,以便做出调整和优化策略。

  2. 市场营销和广告效果分析:仪表盘图可以用于监测市场活动和广告效果。市场营销团队可以使用仪表盘图来追踪市场份额、广告点击率和转化率等指标,以便评估市场营销策略的有效性。

  3. 金融管理和投资决策:仪表盘图可以用于监测投资组合的绩效和风险。投资者可以使用仪表盘图来追踪股票、债券和基金的回报率、波动性和相关性等指标,以便做出投资决策。

  4. 运营监控和供应链管理:仪表盘图可以用于监测生产和供应链的运营情况。运营团队可以使用仪表盘图来追踪生产效率、库存水平和交货准时率等指标,以便优化运营流程和供应链管理。

  5. 客户服务和用户体验分析:仪表盘图可以用于监测客户服务和用户体验的指标。客户服务团队可以使用仪表盘图来追踪客户满意度、服务响应时间和问题解决率等指标,以便改进客户服务和用户体验。

  6. IT系统监控和网络安全:仪表盘图可以用于监测和管理IT系统的性能和网络安全。IT团队可以使用仪表盘图来追踪系统的可用性、响应时间和网络攻击情况,以便及时发现和解决问题。

总之,仪表盘图在各个领域的数据分析和决策过程中都有广泛的应用。它可以帮助用户快速了解关键数据和指标,做出明智的决策,并实时监测和管理业务和运营的状态。

二、仪表盘图类配置选项

1. 导包

from pyecharts.charts import Gauge
from pyecharts import options as opts

2. add函数

这是一个函数的定义,函数名为add,包含多个参数和默认值。每个参数都有相应的类型注释和默认值说明。该函数用于向仪表盘图中添加数据,并配置相关的样式和选项。

def add(
        self,
        series_name: str,  # 系列名称,字符串类型
        data_pair: types.Sequence,  # 数据对,序列类型
        *,
        min_: types.Numeric = 0,  # 最小值,默认为0
        max_: types.Numeric = 100,  # 最大值,默认为100
        split_number: types.Numeric = 10,  # 分割段数,默认为10
        center: types.Sequence = None,  # 中心位置,默认为空
        radius: types.Union[types.Numeric, str] = "75%",  # 半径,默认为"75%"
        start_angle: types.Numeric = 225,  # 起始角度,默认为225
        end_angle: types.Numeric = -45,  # 结束角度,默认为-45
        is_clock_wise: bool = True,  # 是否顺时针,默认为True
        title_label_opts: types.GaugeTitle = opts.GaugeTitleOpts(  # 仪表盘标题配置,默认为指定的配置
            offset_center=["0%", "20%"],
        ),
        detail_label_opts: types.GaugeDetail = opts.GaugeDetailOpts(  # 仪表盘详细标签配置,默认为指定的配置
            formatter="{value}%",
            offset_center=["0%", "40%"],
        ),
        progress: types.GaugeProgress = opts.GaugeProgressOpts(),  # 仪表盘进度配置,默认为指定的配置
        pointer: types.GaugePointer = opts.GaugePointerOpts(),  # 仪表盘指针配置,默认为指定的配置
        anchor: types.GaugeAnchor = opts.GaugeAnchorOpts(),  # 仪表盘锚点配置,默认为指定的配置
        tooltip_opts: types.Tooltip = None,  # 提示框配置,默认为空
        axisline_opts: types.AxisLine = None,  # 坐标轴线配置,默认为空
        axistick_opts: types.AxisTick = None,  # 坐标轴刻度配置,默认为空
        axislabel_opts: types.AxisLabel = None,  # 坐标轴标签配置,默认为空
        itemstyle_opts: types.ItemStyle = None,  # 数据项样式配置,默认为空
    )

3. 仪表盘标题配置

这是一个名为GaugeTitleOpts的类,它继承自BasicOpts类。类中定义了一个构造方法__init__,用于初始化类的属性。每行代码都是一个参数,包含了参数名、类型注解和默认值。这些参数用于配置仪表盘图中标题的样式和选项。

class GaugeTitleOpts(BasicOpts):
    def __init__(
        self,
        is_show: bool = True,  # 是否显示标题,默认为True
        offset_center: Sequence = None,  # 标题的偏移中心位置,默认为空
        color: str = "#333",  # 标题的颜色,默认为"#333"
        font_style: str = "normal",  # 标题的字体样式,默认为"normal"
        font_weight: str = "normal",  # 标题的字体粗细,默认为"normal"
        font_family: str = "sans-serif",  # 标题的字体族,默认为"sans-serif"
        font_size: Numeric = 15,  # 标题的字体大小,默认为15
        background_color: str = "transparent",  # 标题的背景颜色,默认为"transparent"
        border_color: str = "transparent",  # 标题的边框颜色,默认为"transparent"
        border_width: Numeric = 0,  # 标题的边框宽度,默认为0
        border_radius: Numeric = 0,  # 标题的边框圆角半径,默认为0
        padding: Numeric = 0,  # 标题的内边距,默认为0
        shadow_color: Optional[str] = "transparent",  # 标题的阴影颜色,默认为"transparent"
        shadow_blur: Optional[Numeric] = 0,  # 标题的阴影模糊大小,默认为0
        shadow_offset_x: Numeric = 0,  # 标题的阴影水平偏移量,默认为0
        shadow_offset_y: Numeric = 0,  # 标题的阴影垂直偏移量,默认为0
        overflow: Optional[str] = "none",  # 标题的溢出处理方式,默认为"none"
        rich: Optional[dict] = None,  # 标题的富文本样式配置,默认为空
        is_value_animation: bool = True,  # 是否开启标题数值动画效果,默认为True
    )

4. 仪表盘数据内容配置

配置仪表盘图的数据内容:

class GaugeDetailOpts(BasicOpts):
    def __init__(
        self,
        is_show: bool = True,  # 是否显示仪表盘详情
        background_color: str = "transparent",  # 背景颜色
        border_width: Numeric = 0,  # 边框宽度
        border_color: str = "transparent",  # 边框颜色
        offset_center: Sequence = None,  # 仪表盘详情的偏移中心
        formatter: Optional[JSFunc] = None,  # 格式化函数
        color: str = "#464646",  # 字体颜色
        font_style: str = "normal",  # 字体样式
        font_weight: str = "normal",  # 字体粗细
        font_family: str = "sans-serif",  # 字体类型
        font_size: Numeric = 15,  # 字体大小
        border_radius: Numeric = 0,  # 边框圆角
        padding: Numeric = 0,  # 内边距
        shadow_color: Optional[str] = "transparent",  # 阴影颜色
        shadow_blur: Optional[Numeric] = 0,  # 阴影模糊度
        shadow_offset_x: Numeric = 0,  # 阴影水平偏移量
        shadow_offset_y: Numeric = 0,  # 阴影垂直偏移量
        overflow: Optional[str] = "none",  # 文字超出部分的处理方式
        rich: Optional[dict] = None,  # 富文本样式
        is_value_animation: bool = True,  # 是否开启数值动画效果
    )

5. 仪表盘进度条配置

class GaugeProgressOpts(BasicOpts):
    def __init__(
        self,
        is_show: bool = False,  # 是否显示仪表盘进度条,默认为False不显示
        is_overlap: bool = True,  # 是否允许仪表盘进度条重叠,默认为True允许重叠
        width: Numeric = 10,  # 仪表盘进度条的宽度,默认为10
        is_round_cap: bool = False,  # 是否使用圆形的末端样式,默认为False不使用
        is_clip: bool = False,  # 是否裁剪超出仪表盘范围的进度条,默认为False不裁剪
        itemstyle_opts: Union[ItemStyleOpts, dict, None] = None,  # 进度条样式选项,可以是ItemStyleOpts对象、字典或None,默认为None
    )

6. 仪表盘指针指针配置

class GaugePointerOpts(BasicOpts):
    def __init__(
        self,
        is_show: bool = True,  # 是否显示仪表盘指针,默认为True显示
        length: Union[str, Numeric] = "80%",  # 仪表盘指针的长度,默认为"80%"
        width: Numeric = 8,  # 仪表盘指针的宽度,默认为8
    )

7. 仪表盘标记点配置

class GaugeAnchorOpts(BasicOpts):
    def __init__(
        self,
        is_show: bool = True,  # 是否显示标记点
        is_show_above: bool = False,  # 是否显示在仪表盘上方
        size: Numeric = 6,  # 标记点的大小
        icon: str = "circle",  # 标记点的形状
        offset_center: Optional[Sequence] = None,  # 标记点相对于仪表盘中心的偏移量
        is_keep_aspect: bool = False,  # 是否保持标记点的纵横比
        itemstyle_opts: Union[ItemStyleOpts, dict, None] = None,  # 标记点的样式选项
    ):

三、仪表盘图实战

1. 基础仪表盘图

import pyecharts.options as opts
from pyecharts.charts import Gauge


c = (
    Gauge()  # 创建一个Gauge对象
    .add("", [("完成率", 66.6)])  # 添加系列数据,完成率为66.6%
    .set_global_opts(title_opts=opts.TitleOpts(title="基础仪表盘图"))  # 设置全局配置项,包括标题
)

# 保存为HTML文件
c.render("基础仪表盘图.html")

# 在Jupyter Notebook中显示漏斗图
c.render_notebook()

运行结果:
在这里插入图片描述

2. 改变轮盘内的字体

import pyecharts.options as opts
from pyecharts.charts import Gauge


c = (
    Gauge()  # 创建一个Gauge对象
    .add("业务指标", [("完成率", 66.6)],# 添加系列数据,完成率为66.6%
         # 给标题标签设置选项
         title_label_opts=opts.LabelOpts(
             font_size=40,  # 设置字体大小为40
             color="red",  # 设置字体颜色为红色
             font_family="Microsoft YaHei"  # 设置字体为"Microsoft YaHei"
         ),
    )
    .set_global_opts(title_opts=opts.TitleOpts(title="改变轮盘内的字体"))  # 设置全局配置项,包括标题

)

# 保存为HTML文件
c.render("改变轮盘内的字体.html")

# 在Jupyter Notebook中显示漏斗图
c.render_notebook()

运行结果:
在这里插入图片描述

3. 修改仪表盘不同区间颜色

linestyle_opts 中,color 的可选颜色有以下几种:

  1. 使用十六进制颜色码:例如 "#67e0e3""#37a2da""#fd666d"
  2. 使用 RGB 颜色值:例如 (0, 255, 0)(255, 0, 0)(0, 0, 255)
  3. 使用 RGBA 颜色值:例如 (0, 255, 0, 0.5)(255, 0, 0, 0.7)(0, 0, 255, 1)
  4. 使用颜色名称:例如 "red""blue""green"

除了单一颜色外,还可以使用渐变色来设置 color。渐变色用于在图形中创建平滑的过渡效果,可以使用 (位置, 颜色) 的形式来设置渐变色。其中,位置 是一个介于 0 到 1 之间的数值,表示颜色在渐变中的位置,颜色 可以是任意一种上述的颜色表示方法。

linestyle_opts 中,使用渐变色的示例为 color=[(0.3, "#67e0e3"), (0.7, "#37a2da"), (1, "#fd666d")],表示从位置 0 到位置 0.3 使用颜色 #67e0e3,从位置 0.3 到位置 0.7 使用颜色 #37a2da,从位置 0.7 到位置 1 使用颜色 #fd666d

import pyecharts.options as opts
from pyecharts.charts import Gauge


c = (
    Gauge()  # 创建一个Gauge对象
    .add("业务指标", [("完成率", 66.6)],# 添加系列数据,完成率为66.6%
         # 创建一个 AxisLineOpts 对象,并设置 linestyle_opts 参数
         axisline_opts=opts.AxisLineOpts(
             linestyle_opts=opts.LineStyleOpts(
                 color=[(0.3, "#67e0e3"), (0.7, "#37a2da"), (1, "#fd666d")], width=10
             )
         )
         # AxisLineOpts 对象用于设置坐标轴线的样式
         # linestyle_opts 参数用于设置线条的样式,包括颜色和宽度
         # color 参数是一个列表,用于设置线条的颜色,列表中的每个元素都是一个元组,元组的第一个元素表示颜色的位置,第二个元素表示颜色的值
         # 在这个例子中,线条的颜色在位置 0.3 处为 "#67e0e3",在位置 0.7 处为 "#37a2da",在位置 1 处为 "#fd666d"
         # width 参数用于设置线条的宽度,这里设置为 10
    )
    .set_global_opts(title_opts=opts.TitleOpts(title="不同颜色仪表盘图"))  # 设置全局配置项,包括标题

)

# 保存为HTML文件
c.render("不同颜色仪表盘图.html")

# 在Jupyter Notebook中显示漏斗图
c.render_notebook()

运行结果:
在这里插入图片描述

4. 修改仪表盘刻度分割段数

通过在add函数中添加split_number=段数参数修改刻度分割段数:

import pyecharts.options as opts
from pyecharts.charts import Gauge


c = (
    Gauge()  # 创建一个Gauge对象
    .add("业务指标",
         [("完成率", 66.6)],# 添加系列数据,完成率为66.6%
        split_number=5, # 修改刻度分割段数
         # 创建一个 AxisLineOpts 对象,并设置 linestyle_opts 参数
         axisline_opts=opts.AxisLineOpts(
             linestyle_opts=opts.LineStyleOpts(
                 color=[(0.3, "#67e0e3"), (0.7, "#37a2da"), (1, "#fd666d")], width=10
             )
         )
         # AxisLineOpts 对象用于设置坐标轴线的样式
         # linestyle_opts 参数用于设置线条的样式,包括颜色和宽度
         # color 参数是一个列表,用于设置线条的颜色,列表中的每个元素都是一个元组,元组的第一个元素表示颜色的位置,第二个元素表示颜色的值
         # 在这个例子中,线条的颜色在位置 0.3 处为 "#67e0e3",在位置 0.7 处为 "#37a2da",在位置 1 处为 "#fd666d"
         # width 参数用于设置线条的宽度,这里设置为 10
    )
    .set_global_opts(title_opts=opts.TitleOpts(title="不同颜色仪表盘图"))  # 设置全局配置项,包括标题

)

# 保存为HTML文件
c.render("不同颜色仪表盘图.html")

# 在Jupyter Notebook中显示漏斗图
c.render_notebook()

运行结果,和上一个图对应可以发现单数段数刻度没有了:
在这里插入图片描述

5. 修改仪表盘半径大小

通过在add函数中添加radius="50%"参数修改刻度分割段数:

import pyecharts.options as opts
from pyecharts.charts import Gauge


c = (
    Gauge()  # 创建一个Gauge对象
    .add("业务指标",
         [("完成率", 66.6)],# 添加系列数据,完成率为66.6%
         radius="50%", # 修改仪表盘半径
         # 创建一个 AxisLineOpts 对象,并设置 linestyle_opts 参数
         axisline_opts=opts.AxisLineOpts(
             linestyle_opts=opts.LineStyleOpts(
                 color=[(0.3, "#67e0e3"), (0.7, "#37a2da"), (1, "#fd666d")], width=10
             )
         )
         # AxisLineOpts 对象用于设置坐标轴线的样式
         # linestyle_opts 参数用于设置线条的样式,包括颜色和宽度
         # color 参数是一个列表,用于设置线条的颜色,列表中的每个元素都是一个元组,元组的第一个元素表示颜色的位置,第二个元素表示颜色的值
         # 在这个例子中,线条的颜色在位置 0.3 处为 "#67e0e3",在位置 0.7 处为 "#37a2da",在位置 1 处为 "#fd666d"
         # width 参数用于设置线条的宽度,这里设置为 10
    )
    .set_global_opts(title_opts=opts.TitleOpts(title="不同颜色仪表盘图"))  # 设置全局配置项,包括标题

)

# 保存为HTML文件
c.render("不同颜色仪表盘图.html")

# 在Jupyter Notebook中显示漏斗图
c.render_notebook()

运行结果:
在这里插入图片描述

相关文章

使用Go Validator在Go应用中有效验证数据

Go Validator是一个开源的包,为Go结构体提供强大且易于使用的数据验证功能。该库允许开发者为其数据结构定义自定义验证规则,并确保传入的数据满足指定的条件。Go Validator支持内置验证器、自定义验证器,甚至允许您链式多个验证规则以满足更复杂的数据验证需求。如果内置验证器无法满足您的需求,您可以通过定义自己的验证函数来创建自定义验证器。这个功能允许您实现特定于应用程序需求的验证逻辑。

C# this关键字的作用

关键字在C#中主要用于引用当前对象,区分字段与局部变量,调用其他构造函数以及传递当前对象给其他方法或构造函数。

C语言中关于#include的一些小知识

如果是你自己编写的头文件,那么如果没加唯一包含标识的话,那么编译器会编译报错的。如果是系统自带的头文件,由于其每个头文件都加了特殊标识,所以即使你包含两遍,也不会有问题。上面的代码片段会首先判断HEADER_FILE_NAME_H是否被定义,若未定义则进行后续操作;#ifndef HEADER_FILE_NAME_H // 定义了一个名为HEADER_FILE_NAME_H的标记符号。#define HEADER_FILE_NAME_H // 当第一次包含该头文件时,将此标记设置为已定义状态。

Go 是否有三元运算符?Rust 和 Python 是怎么做的?

本文主要就 Go 中三元运算符展开讨论,从简单if-else语句、到基于匿名函数的单行表达式、及泛型抽象 If 函数等方式来实现类似的功能。当然,我没有建议使用这些方式,在没有内置支持的情况下,if-else的写法就挺好的。Go 中如何实现三元运算符?Rust 和 Python 是怎么做的?

C语言中的作用域与生命周期

但是全局变量被 static 修饰之后,外部链接属性就变成了内部链接属性,只能在自己所在的源文件内部使用了,其他源文件,即使声明了,也是无法正常使用的。结论:static修饰局部变量改变了变量的生命周期,生命周期改变的本质是改变了变量的存储类型,本来一个局部变量是存储在内存的栈区的,但是被 static 修饰后存储到了静态区。extern 是用来声明外部符号的,如果一个全局的符号在A文件中定义的,在B文件中想使用,就可以使用extern进行声明,然后使用。全局变量的生命周期是:整个程序的生命周期。

Python和Java的区别(不断更新)

运行效率:一般来说,Java的运行效率要高于Python,这主要是因为Java是编译型语言,其代码在执行前会进行预编译,而Python是解释型语言,边解释边执行。而Python没有类似的强大虚拟机,但它的核心是可以很方便地使用C语言函数或C++库,这使得Python可以轻松地与底层硬件进行交互。**类型系统:**Java是一种静态类型语言,所有变量需要先声明(类型)才能使用,且类型在编译时就已经确定。总的来说,Python和Java各有其优势和特点,选择哪种语言取决于具体的项目需求、开发环境以及个人偏好。

C#中的浅度和深度复制(C#如何复制一个对象)

接着,我们修改了复制得到的对象及其引用类型字段的属性值,最后输出原始对象和复制对象的属性值。这意味着如果一个类包含引用类型成员,在执行深度复制时,不仅复制这些引用,还会递归地复制引用所指向的对象,直到所有的引用都指向全新的对象实例。当进行浅复制时,系统会创建一个新的对象实例,但这个新对象的字段将与原始对象中的值类型字段具有相同的值,而对于引用类型字段,则仅仅是复制了。也就是说,如果一个类中有引用类型的成员变量(比如数组、其他自定义类的对象等),那么浅复制后,新对象和原对象的这些引用类型成员仍然指向。

C++ STL精通之旅:向量、集合与映射等容器详解

STL 作为一个封装良好,性能合格的 C++ 标准库,在算法竞赛中运用极其常见。灵活且正确使用 STL 可以节省非常多解题时间,这一点不仅是由于可以直接调用,还是因为它封装良好,可以让代码的可读性变高,解题思路更清晰,调试过程往往更顺利。

解决Linux环境下gdal报错:ERROR 4: `/xxx.hdf‘ not recognized as a supported file format.

题外话:我发现linux系统和Windows系统下面,库的版本是有差异的。比如我的本机Windows上装的是gdal3.2.3和numpy1.19.1,linux服务器上装的却是gdal3.0.2和numpy1.21.5。这个是很常见的回复,网上许多回答都说低版本的 gdal 不支持 hdf5,让你重装高版本的gdal。我之前用pip安装了whl,暴力装上了,但用的时候就会有问题。安装了不冲突的gdal之后,就成功打开文件啦~一开始我是抱着试试的心态,用conda,不用pip,重新安装了一下我的gdal。

C语言常见面试题:什么是枚举,枚举的作用是什么?

首先,枚举是一种特殊的类,它的主要作用是封装一组常量,例如,一周的七天、月份、季节等。枚举在JDK1.5后被引入,相较于之前的常量定义方式,枚举具有更好的安全性和更好的性能。每个枚举常量都是该枚举类的一个实例,因此可以使用构造函数来初始化每个枚举常量的值。综上所述,枚举的常用用法包括常量定义、switch语句、添加新方法、覆盖枚举的方法、实现接口以及使用接口组织枚举等。枚举是一种特殊的数据类型,它是一组具命名的整型常量的集合。枚举是一种特殊的数据类型,它是一组具命名的整型常量的集合。

为什么Java中的String类被设计为final类?

String类作为Java中不可或缺的类之一,被设计成final类带来了不可变性、安全性、可靠性和性能优势。不可变的特性使得String对象在多线程环境下安全共享,提高了应用程序的并发性和性能。此外,String类的设计还符合Java类库的一致性和规范,确保了整个语言的稳定性和可靠性。因此,String类被设计成final类是出于多方面的考虑,以提供最佳的使用体验和编程效率。

Promise和箭头函数和普通函数的区别

箭头函数与普通函数的区别在于: 1、箭头函数没有this,所以需要通过查找作用域链来确定this的值,这就意味着如果箭头函数被非箭头函数包含,this绑定的就是最近一层非箭头函数的this, 2、箭头函数没有自己的arguments对象,但是可以访问外围函数的arguments对象 3、不能通过new关键字调用,同样也没有new.target值和原型。6、箭头函数没有自己的arguments,可以在箭头函数中使用rest参数代替arguments对象,来访问箭头函数的参数列表。

详解动态网页数据获取以及浏览器数据和网络数据交互流程-Python

动态网页是一种在用户浏览时实时生成或变化的网页。。相比之下,动态网页可以根据用户的互动、请求或其他条件在浏览器端或服务器端生成新的内容。而且现在的网页一般都是采用前后端分离的架构,前端负责展示和用户交互,后端负责数据处理。这种架构使得前端可以更加灵活地实现动态内容的加载和展示。所以说以后想要获取到数据,动态网页数据获取会成为我们主流获取网页数据的技术。所以在动态网页数据获取这方面我们需要下足功夫了解动态网页数据交互形式、数据存储访问模式等方方面面的知识,我们才好更加灵活的获取到数据。

ElasticSearch 集群搭建与状态监控cerebro

在单机上利用docker容器运行多个es实例来模拟es集群。部署es集群可以直接使用docker-compose来完成,但要求Linux虚拟机至少有4GI的内存空间。"number_of_replicas": 1 // 副本数。"number_of_shards": 3,// 分片款量。kibana可以监控es集群,不过新版本需要依赖es的x-pack 功能,配置比较复杂。第一种方式:利用kibana的DevTools创建索引库 ,在DevTools中输入指令。第二种方式:利用cerebro创建索引库。

详解静态网页数据获取以及浏览器数据和网络数据交互流程-Python

在网站设计领域,基于纯HTML格式构建的网页通常定义为静态网页,这种类型的网页是早期网站建设的主要形式。对于网络爬虫来说,抓取静态网页中的数据相对较为简单,因为所需的所有信息都直接嵌入在网页的HTML代码里。然而,对于那些利用AJAX技术动态加载数据的网页,其数据并不总是直接出现在HTML代码中,这对爬虫的抓取工作造成了一定的难度。在静态网页的数据抓取过程中,Requests库显示出其卓越的实用性。这个库不仅功能全面,而且操作简洁直观。

【HarmonyOS】ArkTS语言介绍与组件方式运用

自定义组件自定义函数:自定义函数可以将烦长的代码单独抽离出一个函数当中,然后在原位置调用我们设置的函数即可,自定义函数可以定义在全局或组件内,如下:@Styles装饰器@Extend装饰器// 继承模式,只能写在全局。
返回
顶部