① Python 如何写脚本
以Python2.7操作为例：
1、首先需要打开电脑桌面，按开始的快捷键，点击Python2.7如图所示的选项进入。
② 怎么把文件名以参数的方式传入python脚本
作为一名从小就看篮球的球迷，会经常逛虎扑篮球及湿乎乎等论坛，在论坛里面会存在很多精美图片，包括NBA球队、CBA明星、花边新闻、球鞋美女等等，如果一张张右键另存为的话真是手都点疼了。作为程序员还是写个程序来进行吧！
所以我通过Python+Selenium+正则表达式+urllib2进行海量图片爬取。
运行效果：
http://photo.hupu.com/nba/tag/马刺
http://photo.hupu.com/nba/tag/陈露
源代码：
# -*- coding: utf-8 -*-
"""
Crawling pictures by selenium and urllib
url: 虎扑 马刺 http://photo.hupu.com/nba/tag/%E9%A9%AC%E5%88%BA
url: 虎扑 陈露 http://photo.hupu.com/nba/tag/%E9%99%88%E9%9C%B2
Created on 2015-10-24
@author: Eastmount CSDN
"""
import time
import re
import os
import sys
import urllib
import shutil
import datetime
from selenium import webdriver
from selenium.webdriver.common.keys import Keys
import selenium.webdriver.support.ui as ui
from selenium.webdriver.common.action_chains import ActionChains
#Open PhantomJS
driver = webdriver.PhantomJS(executable_path="G:phantomjs-1.9.1-windowsphantomjs.exe")
#driver = webdriver.Firefox()
wait = ui.WebDriverWait(driver,10)
#Download one Picture By urllib
def loadPicture(pic_url, pic_path):
pic_name = os.path.basename(pic_url) #删除路径获取图片名字
pic_name = pic_name.replace('*','') #去除'*' 防止错误 invalid mode ('wb') or filename
urllib.urlretrieve(pic_url, pic_path + pic_name)
#爬取具体的图片及下一张
def getScript(elem_url, path, nums):
try:
#由于链接 http://photo.hupu.com/nba/p29556-1.html
#只需拼接 http://..../p29556-数字.html 省略了自动点击"下一张"操作
count = 1
t = elem_url.find(r'.html')
while (count <= nums):
html_url = elem_url[:t] + '-' + str(count) + '.html'
#print html_url
'''
driver_pic.get(html_url)
elem = driver_pic.find_element_by_xpath("//div[@class='pic_bg']/div/img")
url = elem.get_attribute("src")
'''
#采用正则表达式获取第3个<div></div> 再获取图片URL进行下载
content = urllib.urlopen(html_url).read()
start = content.find(r'<div class="flTab">')
end = content.find(r'<div class="comMark" style>')
content = content[start:end]
div_pat = r'<div.*?>(.*?)</div>'
div_m = re.findall(div_pat, content, re.S|re.M)
#print div_m[2]
link_list = re.findall(r"(?<=href=").+?(?=")|(?<=href=').+?(?=')", div_m[2])
#print link_list
url = link_list[0] #仅仅一条url链接
loadPicture(url, path)
count = count + 1
except Exception,e:
print 'Error:',e
finally:
print 'Download ' + str(count) + ' pictures
'
#爬取主页图片集的URL和主题
def getTitle(url):
try:
#爬取URL和标题
count = 0
print 'Function getTitle(key,url)'
driver.get(url)
wait.until(lambda driver: driver.find_element_by_xpath("//div[@class='piclist3']"))
print 'Title: ' + driver.title + '
'
#缩略图片url(此处无用) 图片数量 标题(文件名) 注意顺序
elem_url = driver.find_elements_by_xpath("//a[@class='ku']/img")
elem_num = driver.find_elements_by_xpath("//div[@class='piclist3']/table/tbody/tr/td/dl/dd[1]")
elem_title = driver.find_elements_by_xpath("//div[@class='piclist3']/table/tbody/tr/td/dl/dt/a")
for url in elem_url:
pic_url = url.get_attribute("src")
html_url = elem_title[count].get_attribute("href")
print elem_title[count].text
print html_url
print pic_url
print elem_num[count].text
#创建图片文件夹
path = "E:\Picture_HP\" + elem_title[count].text + "\"
m = re.findall(r'(w*[0-9]+)w*', elem_num[count].text) #<a href="http://www.aspku.com/tech/jiaoben/%3Ca%20href=" tech="" jiaoben="" python="" 270537.html"="" style="background: none; border: none; padding: 0px; margin: 0px; text-decoration: none; font-family: Tahoma, Geneva, sans-serif; color: rgb(59, 89, 152);">python/95398.html">爬虫图片张数
nums = int(m[0])
count = count + 1
if os.path.isfile(path): #Delete file
os.remove(path)
elif os.path.isdir(path): #Delete dir
shutil.rmtree(path, True)
os.makedirs(path) #create the file directory
getScript(html_url, path, nums) #visit pages
except Exception,e:
print 'Error:',e
finally:
print 'Find ' + str(count) + ' pages with key
'
#Enter Function
def main():
#Create Folder
basePathDirectory = "E:\Picture_HP"
if not os.path.exists(basePathDirectory):
os.makedirs(basePathDirectory)
#Input the Key for search str=>unicode=>utf-8
key = raw_input("Please input a key: ").decode(sys.stdin.encoding)
print 'The key is : ' + key
#Set URL List Sum:1-2 Pages
print 'Ready to start the Download!!!
'
starttime = datetime.datetime.now()
num=1
while num<=1:
#url = 'http://photo.hupu.com/nba/tag/%E9%99%88%E9%9C%B2?p=2&o=1'
url = 'http://photo.hupu.com/nba/tag/%E9%A9%AC%E5%88%BA'
print '第'+str(num)+'页','url:'+url
#Determine whether the title contains key
getTitle(url)
time.sleep(2)
num = num + 1
else:
print 'Download Over!!!'
#get the runtime
endtime = datetime.datetime.now()
print 'The Running time : ',(endtime - starttime).seconds
main()
③ python如何用pymysql收集网站新闻
pymysql是用于操作数据库的。你说的这个领域属于爬虫，爬虫应该用requests,bs4,selenium等库。
④ Python具体指什么，可以运用在哪些方面呢
你好，主要运用在这些方面：
一、人工智能，包括数据分析、计算机视觉、自然语言处理等等
现在python已经基本成了人工智能的标准语言了，一般都是C/C++写个底层运算库，然后用python做脚本。各种框架层出不穷，tensorflow/pytorch等等。
二、web开发
python光是web开发的框架至少得有几十个吧，而且用的人都很多，从后端到前端各种配套服务都非常齐全。
三、爬虫
我估计很多人学爬虫就是从python入手的
四、各类App的内置脚本
有很多程序里面的内置脚本就是python，比如sublime text、blender3d，所以从这个角度来看啊，python能干的事情就无限多了，文本编辑、3d建模、股票投资等等，只有你想不到的，没有做不到的。
至于python能否开发qq、浏览器这种应用软件？
只用python是不太行的，因为python是解释性的，如何打包成二进制文件其实挺麻烦的，而且速度肯定比不上c++什么的，但是作为脚本还是不错的。
⑤ 使用python需要安装哪些软件
《Python 3.9.7软件》网络网盘资源免费下载:
链接: https://pan..com/s/1BY60FGfwL3exK7xOooF_nw
Python 3.9.7最新正式版是一种面向对象、直译式计算机程序设计语言，也是一种功能强大而完善的通用型语言，已经具有十多年的发展历史，成熟且稳定。python具有非常简捷而清晰的语法特点，且几乎可以在所有的操作系统中运行，非常适合完成各种高层任务，随着不断的更新优化，逐渐被用于独立的、大型项目的开发，只为给用户更加完美的操作体验。
⑥ 如何用Python做爬虫
1）首先你要明白爬虫怎样工作。
想象你是一只蜘蛛，现在你被放到了互联“网”上。那么，你需要把所有的网页都看一遍。怎么办呢？没问题呀，你就随便从某个地方开始，比如说人民日报的首页，这个叫initial pages，用$表示吧。
在人民日报的首页，你看到那个页面引向的各种链接。于是你很开心地从爬到了“国内新闻”那个页面。太好了，这样你就已经爬完了俩页面（首页和国内新闻）！暂且不用管爬下来的页面怎么处理的，你就想象你把这个页面完完整整抄成了个html放到了你身上。
突然你发现， 在国内新闻这个页面上，有一个链接链回“首页”。作为一只聪明的蜘蛛，你肯定知道你不用爬回去的吧，因为你已经看过了啊。所以，你需要用你的脑子，存下你已经看过的页面地址。这样，每次看到一个可能需要爬的新链接，你就先查查你脑子里是不是已经去过这个页面地址。如果去过，那就别去了。
好的，理论上如果所有的页面可以从initial page达到的话，那么可以证明你一定可以爬完所有的网页。
那么在python里怎么实现呢？
很简单
import Queue
initial_page = "初始化页"
url_queue = Queue.Queue()
seen = set()
seen.insert(initial_page)
url_queue.put(initial_page)
while(True): #一直进行直到海枯石烂
if url_queue.size()>0:
current_url = url_queue.get() #拿出队例中第一个的url
store(current_url) #把这个url代表的网页存储好
for next_url in extract_urls(current_url): #提取把这个url里链向的url
if next_url not in seen:
seen.put(next_url)
url_queue.put(next_url)
else:
break
写得已经很伪代码了。
所有的爬虫的backbone都在这里，下面分析一下为什么爬虫事实上是个非常复杂的东西——搜索引擎公司通常有一整个团队来维护和开发。
2）效率
如果你直接加工一下上面的代码直接运行的话，你需要一整年才能爬下整个豆瓣的内容。更别说Google这样的搜索引擎需要爬下全网的内容了。
问题出在哪呢？需要爬的网页实在太多太多了，而上面的代码太慢太慢了。设想全网有N个网站，那么分析一下判重的复杂度就是N*log(N)，因为所有网页要遍历一次，而每次判重用set的话需要log(N)的复杂度。OK，OK，我知道python的set实现是hash——不过这样还是太慢了，至少内存使用效率不高。
通常的判重做法是怎样呢？Bloom Filter. 简单讲它仍然是一种hash的方法，但是它的特点是，它可以使用固定的内存（不随url的数量而增长）以O(1)的效率判定url是否已经在set中。可惜天下没有白吃的午餐，它的唯一问题在于，如果这个url不在set中，BF可以100%确定这个url没有看过。但是如果这个url在set中，它会告诉你：这个url应该已经出现过，不过我有2%的不确定性。注意这里的不确定性在你分配的内存足够大的时候，可以变得很小很少。一个简单的教程:Bloom Filters by Example
注意到这个特点，url如果被看过，那么可能以小概率重复看一看（没关系，多看看不会累死）。但是如果没被看过，一定会被看一下（这个很重要，不然我们就要漏掉一些网页了！）。 [IMPORTANT: 此段有问题，请暂时略过]
好，现在已经接近处理判重最快的方法了。另外一个瓶颈——你只有一台机器。不管你的带宽有多大，只要你的机器下载网页的速度是瓶颈的话，那么你只有加快这个速度。用一台机子不够的话——用很多台吧！当然，我们假设每台机子都已经进了最大的效率——使用多线程（python的话，多进程吧）。
3）集群化抓取
爬取豆瓣的时候，我总共用了100多台机器昼夜不停地运行了一个月。想象如果只用一台机子你就得运行100个月了...
那么，假设你现在有100台机器可以用，怎么用python实现一个分布式的爬取算法呢？
我们把这100台中的99台运算能力较小的机器叫作slave，另外一台较大的机器叫作master，那么回顾上面代码中的url_queue，如果我们能把这个queue放到这台master机器上，所有的slave都可以通过网络跟master联通，每当一个slave完成下载一个网页，就向master请求一个新的网页来抓取。而每次slave新抓到一个网页，就把这个网页上所有的链接送到master的queue里去。同样，bloom filter也放到master上，但是现在master只发送确定没有被访问过的url给slave。Bloom Filter放到master的内存里，而被访问过的url放到运行在master上的Redis里，这样保证所有操作都是O(1)。（至少平摊是O(1)，Redis的访问效率见:LINSERT – Redis)
考虑如何用python实现：
在各台slave上装好scrapy，那么各台机子就变成了一台有抓取能力的slave，在master上装好Redis和rq用作分布式队列。
代码于是写成
#slave.py
current_url = request_from_master()
to_send = []
for next_url in extract_urls(current_url):
to_send.append(next_url)
store(current_url);
send_to_master(to_send)
#master.py
distributed_queue = DistributedQueue()
bf = BloomFilter()
initial_pages = "www.renmingribao.com"
while(True):
if request == 'GET':
if distributed_queue.size()>0:
send(distributed_queue.get())
else:
break
elif request == 'POST':
bf.put(request.url)
好的，其实你能想到，有人已经给你写好了你需要的：darkrho/scrapy-redis · GitHub
4）展望及后处理
虽然上面用很多“简单”，但是真正要实现一个商业规模可用的爬虫并不是一件容易的事。上面的代码用来爬一个整体的网站几乎没有太大的问题。
但是如果附加上你需要这些后续处理，比如
有效地存储（数据库应该怎样安排）
有效地判重（这里指网页判重，咱可不想把人民日报和抄袭它的大民日报都爬一遍）
有效地信息抽取（比如怎么样抽取出网页上所有的地址抽取出来，“朝阳区奋进路中华道”），搜索引擎通常不需要存储所有的信息，比如图片我存来干嘛...
及时更新（预测这个网页多久会更新一次）
如你所想，这里每一个点都可以供很多研究者十数年的研究。虽然如此，
“路漫漫其修远兮,吾将上下而求索”。
所以，不要问怎么入门，直接上路就好了：）
⑦ 如何让python文件点开是代码,并非是表现出的
可以打开py模式，Python控制台程序的源代码文件。
python作为一种动态语言，其实是一个解释器软件包。当Python运行脚本时，在代码开始进行处理之前，Python还会执行一些步骤。第一步是编译成所谓的“字节码”，如果Python进程拥有写入权限，将把程序的字节码保存为一个以.pyc为扩展名的文件，如果Python无法在机器上写入字节码，程序仍然可以工作：字节码将会在内存中生成并在程序结束时简单地丢弃。
⑧ 浏览器运行python脚本吗
Python的脚本不是用浏览器运行的。要运行Python程序，需要用到Python解释器。
python解释器是一种让其他程序运行起来的程序。Python也有一个名为解释器的软件包，当你编写了一段Python程序，Python解释器
将读取程序，并按照其中的命令执行，得出结果。实际上，解释器是代码与机器的计算机硬件之间的软件逻辑层。
当Python包安装在机器上后，它包含了一些最小化的组件：一个解释器和支持的库。根据使用情况的不同，Python解释器可能采取可执
行程序的形式，或是作为链接到另一个程序的一系列库。根据选用的Python版本的不同，解释器本身可以用C程序实现，或一些Java类实
现，或者其他形式。无论采用何种形式，编写的Python代码必须在解释器中运行。故，首先要在机器上安装Python解释器。
程序执行
编写或运行Python程序的意义是什么呢？这个取决于你是从一个程序员还是Python编译器的角度去看这个问题。
当Python运行脚本时，在代码开始进行处理之前，Python还会执行一些步骤。
字节码编译
程序执行时，Python内部会先将源代码编译成字节码的形式。编译是一个简单的翻译步骤，而且字节码是源代码底层的、与平台无关的
表现形式。概括来讲，就是Python通过把每一条源代码分解为单一步骤来将这些源语句翻译成一组字节码指令。这些字节码可以提高执
行速度。这个过程对于用户来说是完全隐藏起来的。
如果Python进程在机器上拥有写入权限，那么它将程序的字节码保存为一个以.pyc为扩展名的文件。Python这样保存字节码是作为一种
启动速度的优化。下一次运行时，如果在上次保存字节码后没有修改过源代码，Python会加载.pyc文件跳过编译这一步。当Python必须
重新编译时，它会自动检查源文件和字节码文件的时间戳。
如果Python无法再机器上写入字节码，程序仍然可以工作：字节码将会在内存中生成并在程序结束时丢弃。
Python虚拟机(PVM)
一旦程序编译成字节码(或字节码从已经存在的.pyc文件中载入)，之后的字节码发送到PVM上执行。PVM不是一个独立的程序，不需要安
装。PVM是迭代运行字节码指令的一个大循环，一个接一个的完成操作。PVM是便宜Python的运行引擎，表现为Python系统的一部
分，并且它是实际运行脚本的组件。技术上讲，它才是Python解释器的最后一步。
⑨ Python 如何开发高效漂亮的轻量级 Web 应用
痛点
从我开始折腾数据分析工具的那一天，就没有想明白一件事儿 —— 我打算把数据分析的成果做成一个 Web 应用，为什么这么难？
我需要的核心功能，无非是在网页上接收用户输入，然后做分析处理，把分析结果反馈给用户，完事儿。
可是这谈何容易？
很多人都会微笑着告诉你，想做 Web 应用？这得学前端编程， HTML + Javascript 了解一下吧！
什么？你还需要在后台做数据分析？那你就得学 Web 框架了。
你说喜欢 Python ？那就学个 Django 或者 Flask 好了。
我也不是没有看过 Django 和 Flask 的教程，还曾经付费学习过。光是 Django 配置环境，就够写一章出来。
作为学习的中间成果，我还写了这篇《如何用 Python 做 Web 开发？——Django 环境配置》分享给你。
真正让我痛苦的，不是 Web 框架的操作有多么琐碎，而是教程里的案例，为什么都那么奇怪？
几乎所有的教程，都指向一个目标：
来，我教你做一个 blog 出来！
我用你教？！
我要是想用 blog ，可以直接注册一个免费的啊！为什么我要自己开发个 blog 出来？
为什么你就不能告诉我，该怎么把我目前的数据分析结果，迅速挪到 Web 页面上，跟用户实时交互？
虽然二者的结果，都是做一个 Web 应用出来。但是，它们关注的焦点，需要的功能，能一样吗？
但是人家写书和做教程的人，就是不疾不徐，坚持一定要教会你，如何做一个 blog 出来……
你不学，又能怎么办呢？你难道想只凭 Python 脚本，就做一个 Web 应用出来？
还真别说，最近，这个事儿从幻想，变成了现实。
样例
这不，我就用纯 Python 脚本写了个 Web 应用。
我编写的代码里，没有一丝半毫的 Web 框架，Javascript，甚至是 HTML 。
这玩意儿能用吗？
你自己来试试看。
请你打开浏览器，输入以下链接：https://helloworld-streamlit.herokuapp.com/
你会看到下面的初始化界面。
初始化完毕之后，页面会分成左右两栏。左面是两个下拉候选框，分别让你指定需要分析的数据范围。
上面一个，是事件类型；
下面一个，是事件发生归属地。
如果你看过我的文章《如何用 Python 和循环神经网络预测严重交通拥堵？》，应该对这个数据集很熟悉。
只不过，当时我们更注重的，是用循环神经网络搭建了一个严重拥堵事件预测模型。
而今天，我们是要进行探索性数据分析，也就是根据我们感兴趣的目标，对数据进行整理操作，然后可视化显示。
选定之后，你会看到右侧提示两个信息：
你筛选之后，数据框包含行数
在层叠地图上的可视化结果。
怎么样？
麻雀虽小，五脏俱全。
虽然咱们这个 Web 应用很简单，不过交互分析该有的功能和流程，基本上都涵盖了。
你可能会问：
王老师，编这么一个应用出来，不简单吧？
让我带你到幕后，看看是不是很复杂。
幕后
我把这个应用的全部源代码，都为你存储到了 Github 上。请你访问这个网址获取：https://github.com/wshuyi/demo-helloworld-streamlit
可以看到，一共包含了 4 个文件。
有意思的是，其中 3 个，包括：
Procfile
setup.sh
requirements.txt
都只是部署到远程服务器时，需要用到的配置文件而已。
也就是说，只有最后一个helloworld.py是主角，它包含了实现咱们全部交互式数据分析功能的 Python 脚本文件。
这代码，少说也得有几百行吧？
别担心，打开来看看：
上面这张截图，就已经包含了实现交互数据分析功能的全部代码。
神奇吧？
解读
这么短的代码，为什么能有如此强大的功能？
这是因为它背后使用的一个软件包，叫做streamlit。
它是干什么用的？
一言以蔽之，给你赋能，让你能够不去操心什么前端后端。只写 Python ，只关注功能，你就能写出一个交互式 Web 应用出来。
当然，既然最后是 Web 应用，那么实际上前后端的功能都是齐备的。
只不过，这些交由 Streamlit 来帮你费心操办。你根本不用管。
爆发
为什么会有人做了这么一款神器出来？
原因很简单，咱们前面提到的痛点，是大伙儿都有的。
咱们这些麻瓜（Muggle），遇到痛点只能忍着。
但是真正的魔法师（优秀程序员），是忍不了的。
在这段来自 PyData LA 2019 的视频里，Streamlit 的 CEO Adrien Treuille 谈及了他在数据智能企业中，长期遭遇的痛点。
最大的痛点，就是数据科学家训练好机器学习模型后，需要验证效果，和用户反馈沟通。
但是，做机器学习的工程师本身，并不掌握这一整套的工具栈。
所以，就得在把全部的数据分析和模型训练工作完成后，把这东西移交给一个工具制作团队。
人家做完以后，就告诉数据科学团队说，做好了。但是注意，现在处于需求冻结阶段。这个应用你们可以随便用，只是别乱改。改坏了我们管不了。因为最近两个月，我们还得给其他若干数据分析团队做 app 。大概几个月以后，我们又能回来帮助你们了……
Adrien Treuille 很敏锐地捕捉到了这个长期痛点，于是在 2018 年， 创立了 streamlit 。
目标很简单，给数据科学团队提供简单的工具，让他们使用已经掌握的 Python 编程技能，就能直接做 Web 应用。
什么 “等上两三个月不许改”？！你们自己慢慢儿玩儿去吧，我们想怎么改，就怎么改！
至于做出来的东西嘛，可以是这样的：
资源
看到这里，是不是心动了？也打算学习一下 Streamlit ？
没问题，我前面给你提供的样例，就在 github 上，你可以直接查看源码。
如果你希望重现这个小应用，并且一步步学习掌握 Streamlit 的基础知识和技能，我也已经为你写好了一份手把手的教程。地址在这里https://sspai.com/post/58474。
它不仅教你如何设置环境，安装工具，写作代码，甚至连如何免费部署到 heroku 平台，让用户使用，都毫无保留地教给了你。
那篇文章，我用于参加少数派年度征文活动，所以就不能全文展示在这里了。
读完以后，如果你觉得有收获，欢迎在少数派平台上帮我点个赞。谢谢支持！
思考
尝试过之后，你应该不难发现，Streamlit 给你带来了什么。
如果你学过 Javascript 和 Flask, Django 等 Web 应用开发技术，Streamlit 可以加快你的 Web 应用开发与测试进程。
如果你还没有学过上述技术， Streamlit 可以给你赋能，让你一下子有了把数据分析结果变成产品的能力。
给你讲点儿更激进的。
有人已经希望能用它替代掉 Flask 用于产品发布了。
还有人说，将来写技术文档，也应该充分使用 Streamlit 。
甚至，还把它比作了数据科学界的 iPhone 。
这里，它是借喻 iPhone 开启智能手机时代，说明 Streamlit 的划时代性。
我不希望你也变得如此激进。
因为这里提到的每一种功用，现在还都有非常专业的工具做的更好，而且新的工具也在不断涌现。
例如说，我们在多个教程中一直使用 Jupyter Notebook 。
现在凭借 Voila 扩展的加持，你也可以很轻松地把 Jupyter Notebook 变成 Web app ，而且可以免费运行在 mybinder 上面。
但是，你可以看到，一个新的工具，以一种简单，而不是更繁复的办法，解决一个功能痛点，是一件多么令人欣喜的事儿。
看了这篇文章，可能会给你一种误解，似乎 JavaScript 为代表的前端编程技术，再也不需要学了。
其实不是这样的。
可以想象，开发门槛降低以后，将来会有更多的人使用 Python 来做 Web 应用。
用 Streamlit 这样的方法，他们只是开发出了一个原型。
要是想打造精品，就必须精细调控很多细节。
这时候， 如果你精通 Javascript ，那你潜在的合作对象一下子就多了起来，你掌握的这门技术，也就有了更大的价值。
还记得吗？我不止一次给你强调过，比起一个工具自身的能力来，协作网络更重要。忘了的话，记得复习《学 Python ，能提升你的竞争力吗？》。
这就好像印刷术的发明，不是让会写字这件事儿变得失去价值，而是全社会都增大了对好作品的渴求。深刻的思考，加上有效的文字表达，会让你生存得更好。
当然，如果你不希望精通写作技艺，只是想做一个抄书匠糊口。那么印刷术就可能会替代你的工作，结果就不那么美妙了。
小结
这篇文章，我为你介绍了 Streamlit 这款有趣的工具。希望你读过之后，掌握了以下知识点：
借助 Streamlit ，你可以用纯 Python 编制 Web 应用；
学 Web 设计依然很有前途，因为你的潜在合作群体正在迅速扩大；
不要惹魔法师（优秀程序员）。他们的痛点需求会转化成无尽的战斗力，兴许会直接替掉你的日常工作。
更多Python知识，请关注：Python自学网！！