文本分析是机器学习算法的主要应用领域。由于大部分机器学习算法只能接收固定长度的数值型矩阵特征，导致文本字符串等并不能直接被使用，针对此问题 Scikit-Learn 提供了将文本转化为数值型特征的方法，今天就一起…
先前在使用Python进行抓取的时候，遇到读取数据的错误。经过分析发现原来返回的HTML中包含控制字符（原来防爬虫还可以这么干，控制字符在抓取程序中容易引起报错，但是在浏览器中呈现给用户的时候确没有什么影响）…
程序开发中最容易遇到，最烦，最恶心的问题是什么？字符编码问题！本文期望通过最详尽的梳理来解决这个问题。 什么是编码？ 计算机中储存的信息都是用二进制数表示的；而我们在屏幕上看到的英文、汉字等字符是二…
在早期的 InnoDB 版本中，由于文件格式只有一种，因此不需要为此文件格式命名。随着 InnoDB 引擎的发展，开发出了不兼容早期版本的新文件格式，用于支持新的功能。为了在升级和降级情况下帮助管理系统的兼容性，以…
在数据统计分析中，经常会遇到需要对时间进行格式转化或其他层面的内容。由于每种数据库自带的相关函数存在一定的差异，所以经常会记不得如何使用。今天做下简单的梳理。 在开始学习日期/时间函数先，先来了解下…
MySQL数据库索引结构 在MySQL中，索引属于存储引擎级别的概念，不同存储引擎对索引的实现方式是不同的，MySQL存储引擎MyISAM、InnoDB文章中，我们讲到了两者在存储结构上的差异。下面主要讨论MyISAM和InnoDB两个存…
Git 是由 Linux Torvalds 开发的一个版本控制系统，现如今正在被全世界大量开发者使用。许多公司喜欢使用基于 Git 版本控制的 GitHub 代码托管。GitHub 是现如今全世界最大的代码托管网站。许多大型公司现如今也将…
博客先前部署在阿里云上马上就要过期，正好双11腾讯云做活动，所以将服务器迁移到腾讯云。迁移的同时打算换个操作系统部署，将原有的CentOS7.4更换为Ubuntu20.04LTS。 其他环境基本不变，还是和以前一样使用Nginx+…
什么是Session？ 在计算机科学领域来说，尤其是在网络领域，session是一种持久网络协议，在用户（或用户代理）端和服务器端之间创建关联，从而起到交换数据包的作用机制，session在网络协议（例如telnet或FTP）中是…
今天学习到原来JPEG文件有两种保存方式他们分别是Baseline JPEG（标准型）和Progressive JPEG（渐进式）。两种格式有相同尺寸以及图像数据，他们的扩展名也是相同的，唯一的区别是二者显示的方式不同。 Baseline JP…
