【Python爬蟲詳解】第一篇：Python爬蟲入門指南

什么是網絡爬蟲？

網絡爬蟲（Web Crawler）是一種自動獲取網頁內容的程序。它可以訪問網站，抓取頁面內容，并從中提取有價值的數據。在信息爆炸的時代，爬蟲技術可以幫助我們高效地收集、整理和分析互聯網上的海量數據。

爬蟲的發展歷程

要理解今天的爬蟲技術，我們需要先了解它的歷史演變。爬蟲技術的發展與互聯網的成長緊密相連，經歷了從簡單工具到復雜系統的轉變。

圖片

  • 1993年 - 第一個網絡爬蟲 “World Wide Web Wanderer” 出現，主要用于測量互聯網規模
  • 1994年 - WebCrawler成為第一個全文搜索引擎，開始索引整個網頁內容
  • 1998年 - Google建立，使用PageRank算法的爬蟲技術革新了搜索引擎
  • 2000年代初 - 通用爬蟲和垂直爬蟲開始分化，專業數據采集需求增長
  • 2010年代 - 反爬與反反爬技術不斷升級，爬蟲技術進入復雜對抗階段
  • 現今 - 爬蟲技術與人工智能、大數據分析結合，應用場景更加廣泛

隨著爬蟲技術的不斷發展，它們也逐漸形成了不同的類型以滿足各種需求。

爬蟲的分類

根據工作方式和目標不同，爬蟲可以分為幾種主要類型：

  1. 通用爬蟲： 也稱為全網爬蟲，類似于搜索引擎使用的爬蟲系統。它們不針對特定網站，而是嘗試抓取互聯網上盡可能多的網頁，建立廣泛的數據索引。百度、谷歌等搜索引擎使用的就是這類爬蟲。通用爬蟲通常規模龐大，需要處理海量數據和復雜的網頁排名算法。
  2. 垂直爬蟲： 專注于特定領域或網站的爬蟲，只抓取與特定主題相關的內容。比如只抓取電商網站的商品信息、只收集新聞網站的文章或只獲取社交媒體的特定數據。垂直爬蟲更加精準高效，適合有明確目標的數據采集需求。
  3. 增量式爬蟲： 關注數據的更新變化，只抓取新增或修改的內容，而不是重復抓取整個網站。這類爬蟲通常會記錄上次抓取的時間戳或內容特征，通過比對確定哪些內容需要更新。增量式爬蟲大大減少了重復工作，提高了效率和資源利用率。
  4. 深層爬蟲： 能夠突破常規爬蟲的限制，處理需要用戶交互、表單提交或JavaScript動態渲染的內容。普通爬蟲可能只能獲取靜態HTML，而深層爬蟲能夠模擬瀏覽器行為，執行JavaScript代碼，處理AJAX請求，甚至能填寫表單并提交，從而獲取隱藏在"深層網絡"中的數據。

網絡爬蟲工作原理

網絡爬蟲雖然種類多樣，但基本工作原理是相似的。下圖展示了爬蟲的典型工作流程：

圖片

網絡爬蟲的工作流程通常遵循一個循環往復的過程，主要包括以下幾個環節：

  1. 初始化種子URL：爬蟲從一組預定義的起始URL（稱為種子URL）開始工作。這些URL是爬取過程的入口點，類似于探索迷宮的起點。

  2. URL隊列管理：爬蟲維護一個待爬取的URL隊列。初始時，隊列中只有種子URL，隨著爬取過程的推進，新發現的URL會不斷加入隊列。

  3. URL調度器：負責從URL隊列中選擇下一個要爬取的URL。調度器會考慮各種因素，如URL優先級、訪問頻率限制、網站禮儀（robots.txt）等。

  4. 網頁下載：爬蟲向目標URL發送HTTP請求，獲取網頁內容。這一步可能會處理各種HTTP狀態碼、重定向、超時等情況。

  5. 內容解析：獲取到網頁內容后，爬蟲會解析HTML/XML結構，提取有價值的數據。常用的解析方法包括正則表達式、XPath、CSS選擇器或專門的解析庫（如BeautifulSoup）。

  6. 數據過濾與存儲：對提取的數據進行清洗、去重、格式化等處理，然后存儲到文件、數據庫或其他存儲系統中。

  7. URL提取：從已下載的頁面中提取新的URL鏈接，這些新URL經過篩選后（去除重復、不符合規則的URL）加入到URL隊列中，等待后續爬取。

  8. 循環迭代：重復上述過程，直到達到預定的終止條件，如隊列為空、達到最大爬取數量或時間限制等。

在實際應用中，爬蟲系統還會增加很多功能模塊，如反爬處理、分布式協作、失敗重試、數據驗證等，以提高爬取的效率、穩定性和準確性。

為什么選擇Python進行網絡爬取？

了解了爬蟲的基本原理后，接下來的問題是：用什么工具和語言來實現爬蟲？雖然許多編程語言都可以開發爬蟲，但Python已成為這一領域的主導語言。這不是偶然的，而是有充分理由的選擇，主要原因包括：

  1. 簡潔易學：Python語法簡單清晰，代碼可讀性高，學習曲線平緩。與其他語言相比，用更少的代碼就能實現相同功能，讓開發者可以專注于爬蟲邏輯而非語法細節。比如我使用下面的3行代碼就能實現爬取百度搜索頁面的數據：
import requests
response = requests.get("https://www.baidu.com")
print(response.text)

  1. 豐富的庫支持：Python擁有為爬蟲量身定制的工具生態系統：

    • Requests：直觀易用的HTTP庫，簡化網絡請求
    • BeautifulSoup：強大的HTML/XML解析器
    • Scrapy：全功能爬蟲框架，提供完整解決方案
    • Selenium/Playwright：瀏覽器自動化工具，處理動態網頁
    • Pandas：高效的數據處理與分析庫

  2. 活躍的社區支持：大量教程、文檔和示例代碼，遇到問題時容易找到解決方案。爬蟲技術不斷更新，社區也持續提供應對各種反爬策略的方法。

  3. 跨平臺兼容性：Python程序可在Windows、Mac、Linux等各種操作系統上無縫運行，便于部署和維護。

  4. 與數據科學生態系統緊密集成：爬蟲的最終目的往往是數據分析，Python在這方面具有獨特優勢。爬取后的數據可直接使用Pandas、NumPy處理，用Matplotlib可視化，甚至用于機器學習。

  5. 并發處理能力：通過多線程、異步IO（asyncio）和協程，Python能高效處理大量并發請求，這對爬蟲至關重要。

  6. 應對反爬策略的靈活性：Python生態提供了多種工具來處理cookies、會話管理、用戶代理偽裝和驗證碼識別等反爬挑戰。

雖然其他語言也可以開發爬蟲，但Python在易用性、開發效率和功能完整性上的優勢使其成為爬蟲開發的理想選擇，特別適合從入門到精通的學習過程。

爬蟲與網絡請求模型

圖片

上圖展示了爬蟲工作過程中的網絡請求交互模型。整個過程可以分為以下幾個步驟：

  1. 發起請求：爬蟲程序首先向代理服務器發送HTTP請求，這一步通常包含目標URL和各種請求參數。

  2. 請求轉發：代理服務器接收到爬蟲的請求后，將其轉發給目標服務器。使用代理服務器可以隱藏爬蟲的真實IP地址，減少被目標網站封禁的風險。

  3. 內容返回：目標服務器處理請求后，將HTML內容返回給代理服務器。

  4. 內容傳遞：代理服務器將收到的HTML內容轉發回爬蟲程序。

  5. 數據處理：爬蟲收到HTML內容后，進行三個關鍵操作：

    • 解析數據：使用解析器提取需要的信息
    • 存儲數據：將有價值的數據保存到文件或數據庫
    • 提取新URL：從頁面中發現新的鏈接，加入待爬取隊列

  6. 循環爬取：爬蟲根據新提取的URL，向代理服務器發送新的請求，整個過程循環往復，直到滿足終止條件。

這種模型體現了爬蟲工作的基本流程，特別是在使用代理服務器的情況下，既能提高爬取效率，又能增強爬蟲的隱蔽性和穩定性。

如何查看和遵守robots.txt

作為負責任的爬蟲開發者，我們應該尊重網站所有者的意愿。robots.txt是網站根目錄下的一個文本文件，用于告訴爬蟲哪些頁面可以爬取，哪些不可以。遵守robots.txt是網絡爬蟲的基本道德準則。

如何查看robots.txt文件:

  1. 直接訪問: 將網址后面加上"/robots.txt"
https://www.baidu.com/robots.txt
  1. 通過Python代碼查看:
import requestsdef get_robots_txt(url):# 確保URL格式正確if not url.startswith('http'):url = 'https://' + url# 移除URL末尾的斜杠(如果有)if url.endswith('/'):url = url[:-1]# 獲取robots.txt文件robots_url = url + '/robots.txt'try:response = requests.get(robots_url)if response.status_code == 200:print(f"成功獲取 {robots_url}")return response.textelse:print(f"無法獲取robots.txt，狀態碼: {response.status_code}")return Noneexcept Exception as e:print(f"發生錯誤: {e}")return None# 使用示例
robots_content = get_robots_txt('www.baidu.com')
print(robots_content)

robots.txt文件典型內容示例:

User-agent: *
Disallow: /private/
Disallow: /admin/
Allow: /public/
Crawl-delay: 10

解釋:

  • User-agent: * - 適用于所有爬蟲
  • Disallow: /private/ - 禁止爬取/private/目錄下的內容
  • Allow: /public/ - 允許爬取/public/目錄下的內容
  • Crawl-delay: 10 - 建議爬蟲每次請求之間間隔10秒

robots.txt文件分析圖解:

圖片

理解了網站的爬取規則后，我們可以開始實際的爬蟲編寫。下面是一個簡單的Python爬蟲示例，展示了基本的爬取過程。

一個簡單的Python爬蟲示例

以下是一個基礎的Python爬蟲示例，用于爬取百度熱搜榜的內容：

import requests
from bs4 import BeautifulSoup# 發送HTTP請求
url = "https://top.baidu.com/board?tab=realtime"
headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36"}
response = requests.get(url, headers=headers)# 檢查請求是否成功
if response.status_code == 200:# 解析HTML內容soup = BeautifulSoup(response.text, 'html.parser')# 提取熱搜標題hot_titles = soup.select("div.c-single-text-ellipsis")for i, title in enumerate(hot_titles, 1):print(f"{i}. {title.text.strip()}")
else:print(f"請求失敗，狀態碼: {response.status_code}")

這個示例中我們使用requests庫對百度熱搜榜發起HTTP請求，獲取頁面的HTML內容。然后利用BeautifulSoup庫（這是一個強大的HTML解析工具，后續博客會詳細介紹）對獲取的內容進行解析。通過選擇器定位到熱搜標題所在的元素（具有"c-single-text-ellipsis"類的div元素），我們能夠準確提取出當前的熱搜話題，并按順序打印出來。代碼中還添加了請求頭信息和錯誤處理機制，確保爬取過程更加穩定可靠。

代碼運行結果如下圖所示：

圖片

雖然上面的例子很簡單，但在實際開發爬蟲時，我們需要考慮很多因素。接下來，讓我們看看爬蟲開發中需要注意的一些重要事項。

網絡爬蟲需要注意的重要事項

1. 法律與道德考量

  • 尊重robots.txt：這是網站指定爬蟲行為的標準文件，應當遵守。
  • 識別網站的爬蟲政策：有些網站明確禁止爬蟲，有些則有特定的API可用。
  • 避免過度請求：高頻率的請求可能導致服務器負擔過重。
  • 遵守數據使用條款：確保你對抓取的數據的使用符合網站的條款。
  • 注意個人隱私數據：不應爬取和存儲涉及個人隱私的數據。

2. 技術注意事項

  • 設置合理的請求間隔：使用time.sleep()控制請求頻率。
  • 使用代理IP：避免IP被封禁。
  • 模擬真實用戶行為：添加請求頭，隨機調整請求間隔。
  • 處理反爬機制：驗證碼識別、JavaScript渲染等。
  • 異常處理：網絡連接、解析錯誤等都需要妥善處理。

3. 性能考慮

  • 異步爬取：使用asyncio和aiohttp提高效率。
  • 分布式爬取：對于大規模爬取任務，考慮使用多機協作。
  • 數據存儲優化：選擇合適的存儲方式（文件、數據庫等）。

爬蟲與反爬的攻防關系

隨著互聯網數據價值的不斷提升，爬蟲技術與反爬技術之間形成了一種此消彼長的攻防關系。這種關系呈現出明顯的階段性特征，從最初的簡單對抗發展到如今的復雜博弈。

在早期階段，爬蟲通常以簡單的HTTP請求方式獲取網頁內容，網站則主要通過訪問頻率限制來防御。爬蟲工程師很快發現，只需在請求中添加隨機延時就能有效規避這類限制。這種基礎層面的對抗促使網站開發者升級防御策略。

隨著對抗升級，網站開始實施更復雜的防御措施，例如檢測請求頭中的用戶代理信息，以及限制單一IP的訪問次數。爬蟲技術隨之調整，不僅能夠偽裝請求頭信息，還發展出代理IP池技術，通過不斷切換IP地址來繞過訪問限制。這一階段的特點是技術門檻明顯提高，雙方對抗更加精細化。

當前，我們已進入高級對抗階段。網站普遍采用驗證碼挑戰、前端JavaScript渲染數據以及用戶行為分析等技術手段。爬蟲則相應發展出驗證碼識別、瀏覽器自動化以及用戶行為模擬等對抗技術。例如，Selenium和Puppeteer等工具能夠模擬真實瀏覽器環境，執行JavaScript并渲染頁面，而機器學習算法則用于識別各類驗證碼。

這種持續升級的攻防關系，某種程度上推動了雙方技術的不斷創新與進步。對于數據分析工作而言，理解這種技術演進對于構建穩定的數據獲取渠道至關重要。

常見的Python爬蟲庫介紹

為了應對不同的爬取需求和反爬挑戰，Python生態系統提供了多種爬蟲相關的庫。以下是一些最常用的工具：

庫名特點適用場景
Requests簡單易用的HTTP庫基礎網頁獲取
BeautifulSoupHTML/XML解析器靜態網頁內容提取
Scrapy全功能爬蟲框架大型爬蟲項目
Selenium瀏覽器自動化工具需要JavaScript渲染的網頁
PyppeteerPuppeteer的Python版本復雜的動態網頁
lxml高效的XML/HTML解析器需要高性能解析的場景
PyQuery類jQuery語法的解析庫熟悉jQuery的開發者
aiohttp異步HTTP客戶端/服務器高并發爬蟲

掌握了這些工具后，我們就能應對各種網頁爬取的需求。爬蟲技術的應用場景也非常廣泛。

爬蟲的應用場景

爬蟲技術不僅僅是一種技術能力，更是解決各種數據獲取需求的實用工具。以下是一些常見的應用場景：

  • 數據分析與商業智能: 收集市場數據、競品情報
  • 搜索引擎: 建立網頁索引和排名
  • 學術研究: 獲取大量研究數據
  • 內容聚合: 新聞、價格比較等聚合服務
  • 社交媒體監測: 輿情分析、品牌監控
  • 機器學習訓練數據: 為AI模型提供訓練數據集

結語

Python爬蟲技術為我們提供了一種強大的工具，可以自動化獲取互聯網上的各種信息。在掌握基礎知識后，你可以創建從簡單到復雜的各種爬蟲程序，解決數據收集的需求。

在接下來的系列文章中，我們將深入探討各種爬蟲技術，從HTML結構的基本分析開始，逐步學習如何處理不同類型的網站、如何應對各種反爬措施，以及如何構建高效的大規模爬蟲系統。

記住，強大的技術需要負責任地使用。合法合規的爬蟲行為不僅能幫助你獲取所需的數據，也能維護互聯網的健康生態。

下一篇：【Python爬蟲詳解】第二篇：HTML結構的基本分析

本文來自互聯網用戶投稿，該文觀點僅代表作者本人，不代表本站立場。本站僅提供信息存儲空間服務，不擁有所有權，不承擔相關法律責任。
如若轉載，請注明出處：http://www.pswp.cn/web/76573.shtml
繁體地址，請注明出處：http://hk.pswp.cn/web/76573.shtml
英文地址，請注明出處：http://en.pswp.cn/web/76573.shtml

如若內容造成侵權/違法違規/事實不符，請聯系多彩編程網進行投訴反饋email:809451989@qq.com，一經查實，立即刪除！

相關文章

【JavaWeb后端開發02】SpringBootWeb + Https協議

【JavaWeb后端開發02】SpringBootWeb + Https協議

課程內容： SpringBootWeb 入門 Http協議 SpringBootWeb案例 分層解耦 文章目錄 1. SpringBootWeb入門1.1 概述1.2 入門程序1.2.1 需求1.2.2 開發步驟1.2.3 常見問題 1.3 入門解析 2. HTTP協議2.1 HTTP概述2.1.1 介紹2.1.2 特點 2.2 HTTP請求協議2.2.1 介紹2.2.2…
閱讀更多...
MATLAB 控制系統設計與仿真 - 37

MATLAB 控制系統設計與仿真 - 37

范數魯棒控制器的設計 魯棒控制器的設計 根據雙端子狀態方程對象模型結構，控制器設計的目標是找到一個控制器K(s),它能保證閉環系統的范數限制在一個給定的小整數下，即 這時控制器的狀態方程為： 其中X與Y分別為下面兩個代數Riccati方程的解…
閱讀更多...
依賴沖突，缺失插件導致無法啟動項目 強制安裝命令（npm install --legacy-peer-deps）

依賴沖突，缺失插件導致無法啟動項目 強制安裝命令（npm install --legacy-peer-deps）

小白終成大白 文章目錄 小白終成大白前言總結 前言 運維工程師說搞一個自動化打包流程 在服務器裝了hbuilder 找前端來啟動項目 我沒啟動起來 … 啟動報錯 failed to load config from D:\zhuque-uniapp\vite.config.js 16:17:31.601 error when starting dev server: 16:17:3…
閱讀更多...
數據戰略新范式：從中臺沉淀到服務覺醒，SQL2API 如何重塑數據價值鏈條？

數據戰略新范式：從中臺沉淀到服務覺醒，SQL2API 如何重塑數據價值鏈條？

一、數據中臺退燒：從 “戰略神話” 到 “現實拷問” 曾幾何時，數據中臺被視為企業數字化轉型的 “萬能解藥”，承載著統一數據資產、打破業務壁壘的厚望。然而，大量實踐暴露出其固有缺陷：某零售企業投入 500 萬元建設中…
閱讀更多...
警惕阿里云中的yum update操作不當導致：/sbin/init被清空導致Linux無法正常啟動

警惕阿里云中的yum update操作不當導致：/sbin/init被清空導致Linux無法正常啟動

由于使用阿里云進行部署測試，因而會對yum update進行操作，這兩天更新了systemd-239-82.0.3.4.al8.2.x86_64，但存在報錯，然后進行yum history undo和清空yum cache，但出現操作Linux命令行無效。具體來說，幾個…
閱讀更多...
論文閱讀：2023 ICLR Safe RLHF: Safe Reinforcement Learning from Human Feedback

論文閱讀：2023 ICLR Safe RLHF: Safe Reinforcement Learning from Human Feedback

總目錄 大模型安全相關研究：https://blog.csdn.net/WhiffeYF/article/details/142132328 Safe RLHF: Safe Reinforcement Learning from Human Feedback 安全 RLHF：通過人類反饋進行安全強化學習 https://arxiv.org/pdf/2310.12773 https://github.com/PKU-Alignment/safe…
閱讀更多...
android rom打包解包工具,Android ROM定制：boot.img、recovery解包打包

android rom打包解包工具,Android ROM定制：boot.img、recovery解包打包

安卓boot.img和recovery.img解析與修改指南 安卓映像文件結構解析 大家都知道安卓的核心更換是在boot.img里面，那么如何在Windows下解開它呢？這里介紹一個實用的方法。 首先需要獲取bootimg.exe工具，這個工具最初是為華為設備開發的&#…
閱讀更多...
cdp－(Chrome DevTools Protocol) browserscan檢測原理逆向分析

cdp－(Chrome DevTools Protocol) browserscan檢測原理逆向分析

https://www.browserscan.net/zh/bot-detection 首先,打開devtools后訪問網址,檢測結果網頁顯示紅色Robot,標簽插入位置,確定斷點位置可以hook該方法,也可以使用插件等方式找到這個位置,本篇不討論. Robot標簽是通過insertBefore插入的. 再往上追棧可以發現一個32長度數組,里面…
閱讀更多...
PostgreSQL 通過 copy 命令導入幾何數據 及 通過 CopyManager.copyIn() 導入幾何數據

PostgreSQL 通過 copy 命令導入幾何數據 及 通過 CopyManager.copyIn() 導入幾何數據

COPY命令介紹 copy是postgresql提供的一個專門用于快速導入導出數據的命令，通常用于從文件（TXT、CSV等）或標準輸入輸出中讀取或寫入數據。適合批量導入導出數據，速度快。 默認情況下，如果在處理過程中遇到錯誤，COPY將失敗。 COPY只能用于表，不能用于視圖！！！ COPY…
閱讀更多...
常用的幾種 Vue 父子組件傳值方式

常用的幾種 Vue 父子組件傳值方式

1. 父組件向子組件傳值（props） 父組件代碼：Parent.vue <template><div><h2>父組件</h2><Child :parent-msg="parentMsg" /></div> </template><script> import Child from ./Child.vue;export default {componen…
閱讀更多...
【1】云原生，kubernetes 與 Docker 的關系

【1】云原生，kubernetes 與 Docker 的關系

Kubernetes&#xff1f;K8s&#xff1f; Kubernetes經常被寫作K8s。其中的數字8替代了K和s中的8個字母——這一點倒是方便了發推&#xff0c;也方便了像我這樣懶惰的人。 什么是云原生&#xff1f; 云原生&#xff1a; 它是一種構建和運行應用程序的方法&#xff0c;它包含&am…
閱讀更多...
Eureka搭建

Eureka搭建

1.注冊中心server端 1.1.引入依賴 <dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-security</artifactId> </dependency> <dependency><groupId>org.springframework.cloud</…
閱讀更多...
2025年最新版動漫短劇系統開發小程序app教程，源碼部署上線

2025年最新版動漫短劇系統開發小程序app教程，源碼部署上線

以下是動漫短劇系統開發上線的詳細教程&#xff0c;包含從0到1的全流程&#xff1a; 一、需求分析&#xff08;關鍵&#xff1a;明確核心功能&#xff09; 核心功能清單&#xff1a; 用戶端&#xff1a;短視頻瀏覽、彈幕評論、收藏/點贊、創作者關注、付費訂閱。創作者端&am…
閱讀更多...
集成學習基礎應用實踐

集成學習基礎應用實踐

集成學習簡介 學習目標&#xff1a; 1.知道集成學習是什么&#xff1f; 2.了解集成學習的分類 3.理解bagging集成的思想 4.理解boosting集成的思想 知道】集成學習是什么&#xff1f; 集成學習是機器學習中的一種思想&#xff0c;它通過多個模型的組合形成一個精度更高的…
閱讀更多...
系統與網絡安全------彈性交換網絡（1）

系統與網絡安全------彈性交換網絡（1）

資料整理于網絡資料、書本資料、AI&#xff0c;僅供個人學習參考。 Trunk原理與配置 Trunk原理概述 Trunk&#xff08;虛擬局域網中繼技術&#xff09;是指能讓連接在不同交換機上的相同VLAN中的主機互通。 VLAN內通信 實現跨交換的同VLAN通信&#xff0c;通過Trunk鏈路&am…
閱讀更多...
python-圖片分割

python-圖片分割

圖片分割是圖像處理中的一個重要任務&#xff0c;它的目標是將圖像劃分為多個區域或者對象&#xff0c;例如分割出物體、前景背景或特定的部分。在 Python 中&#xff0c;常用的圖片分割方法包括傳統的圖像處理技術&#xff08;例如閾值分割、區域生長等&#xff09;和深度學習…
閱讀更多...
【Linux】軟件管理機制和軟件安裝

【Linux】軟件管理機制和軟件安裝

文章目錄 1. 軟件管理器1.1 Linux的軟件管理方式1.2 Linux的常見軟件管理機制RPM和dpkg 2. RPM2.1 rpm安裝2.2 rpm升級與更新2.3 rpm查詢2.4 rpm驗證與數字簽名2.5 rpm反安裝與重建數據庫 3. YUM3.1 yum查詢3.2 yum安裝/升級3.3 yum刪除3.4 yum的配置文件3.5 yum的軟件群組功能…
閱讀更多...
Android第三次面試總結（網絡篇）

Android第三次面試總結（網絡篇）

在計算機網絡領域&#xff0c;網絡模型是理解通信原理的基礎框架。本文將詳細解析 OSI 參考模型和 TCP/IP 模型的分層結構、核心功能及實際應用&#xff0c;并通過對比幫助讀者建立完整的知識體系。 一、OSI 參考模型&#xff1a;七層架構的理論基石 OSI&#xff08;開放系統…
閱讀更多...
OpenCV day5

OpenCV day5

函數內容接上文&#xff1a;OpenCV day4-CSDN博客 目錄 9.cv2.adaptiveThreshold(): 10.cv2.split()&#xff1a; 11.cv2.merge()&#xff1a; 12.cv2.add()&#xff1a; 13.cv2.subtract()&#xff1a; 14.cv2.multiply()&#xff1a; 15.cv2.divide()&#xff1a; 1…
閱讀更多...
智能運維新范式

智能運維新范式

在制造業、設備制造、工業物聯網等領域&#xff0c;“服務周期長、響應效率低” 始終是產品運維的痛點 —— 設備故障突發時&#xff0c;工程師千里奔赴現場的耗時耗力&#xff1b;非計劃停機帶來的生產損失&#xff1b;客戶對服務體驗的更高期待…… 傳統運維模式早已難以適應…
閱讀更多...
最新文章

Copyright @ 2022~2023