20223427范欣怡实验四报告

咦yi 2023-06-08 14:57:19

学号 2022-2023-2 Python程序设计》实验四报告
课程:《Python程序设计》
班级:2234
姓名:范欣怡
学号:20223427
实验教师:王志强
实验日期:2022515
必修/选修: 公选课

 1.实验内容
此处填写实验的具体内容;
设计爬虫程序,获取网页上的天气信息,并通过邮件的方式发送给自己。
 2. 实验过程及结果
1)实验过程

A.导入与爬虫有关的库

B.获取所爬取网页的url,并进行UA伪装

C.建立获取天气情况的正则表达式

D.建立字典,处理数据

E.将字典中的数据取出,进行处理

F.编写邮件发送代码

G.调试运行

2)实验源代码

import requests
import re
import smtplib
from email.mime.text import MIMEText
from email.utils import formataddr

from Tools.scripts.which import msg

url =
'http://www.weather.com.cn/weather/101010900.shtml'

header = {'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko)'
                       'Chrome/92.0.4515.131 Safari/537.36 SLBrowser/8.0.1.1171 SLBChan/32'
}
response = requests.get(
url=url,headers=header)
response.encoding=
'utf-8'
weather_text = response.text
tem =
'<li class=".*?">.*?<h1>(.*?)</h1>'
tem2 = '</big>.*?<p title="(.*?)" class="wea"'
tem3 = '<p class="tem">.*?<i>(.*?)</i>'
tem4 = '<p class="tem">.*?<span>(.*?)</span>'
date_list = re.findall(tem,weather_text, re.S)
condition_list = re.findall(tem2
, weather_text, re.S)
min_tempture_list = re.findall(tem3
, weather_text, re.S)
max_tempture_list = re.findall(tem4
, weather_text, re.S)
weather_condition = {}
weather_tempture_min = {}
weather_tempture_max = {}

if len(max_tempture_list) == 6:
    weather_tempture_max[date_list[
0]] = ''
   
for each in range(0, 3):
        weather_condition[date_list[each]] = condition_list[each]
        weather_tempture_min[date_list[each]] = min_tempture_list[each]
   
for i in range(1, 3):
        weather_tempture_max[date_list[i]] = max_tempture_list[i]

else:
   
for each in range(0, 3):
        weather_condition[date_list[each]] = condition_list[each]
        weather_tempture_min[date_list[each]] = min_tempture_list[each]
        weather_tempture_max[date_list[each]] = max_tempture_list[each]

text1 = []

for n in range(0, 3):
    text1.append(
'日期:' + date_list[n] + '\n天气状况:' + weather_condition[date_list[n]] + '\n最低温--最高温:' +
                 weather_tempture_min[date_list[n]] +
'-' + weather_tempture_max[date_list[n]])
text2 = text1[
0] + '\n' + text1[1] + '\n ' + text1[2]
print(text2)
fromfxyyy =
'2463157225@qq.com'
password = 'pcjhiwlokpcdeaff'
tofxyyy = '2463157225@qq.com'
def mail():
    mail_text=text1[
0]
    ret =
True
    try
:
        msg = MIMEText(mail_text)
        msg[
'From'] = formataddr(["From@一只小游鱼", fromfxyyy])
        msg[
'To'] = formataddr(["一只小游鱼", tofxyyy])
        msg[
'Subject'] = "今日天气"

       
server = smtplib.SMTP_SSL("smtp.qq.com")
        server.login(fromfxyyy
, password)
        server.sendmail(fromfxyyy
, [tofxyyy], msg.as_string())
        server.quit()
   
except Exception:
        ret =
False
    return
ret
ret = mail()

if ret:
   
print("邮件发送成功")
else:
   
print("邮件发送失败")

3)实验截图


3.实验过程中遇到的问题和解决过程
问题1:一开始没有下载安装爬虫程序所需要的库和组件
问题1解决方案:在设置中查找安装
问题2:内容无法发送,只能在邮件中看到主题,内容显示为空


问题2解决方案:将原代码改写成了

mail_text=text1[0]

ret = True

try:

msg = MIMEText(mail_text)”
问题3:不能很好地运用正则表达式
问题3解决方案:查阅了书籍资料,进行相关内容的学习

4.实验感想

这一次的实验我做了很久,从找资料,看博客到真正地开始操作,编写代码的过程中遇到了很多的困难,这是因为我的水平实在有限。之前一直是用idle来编写代码的,这是我第一次在pycharm的环境里调试程序,很方便,简化了不少过程。一开始我只是按照学到的方法思路进行编写,后来我发现好像并不能达到我想要的效果,于是我又进行了新的尝试。实验成功的那一刻,我的心中充满了喜悦,越发的觉得Python是一门很神奇的语言,可以创造出许许多多的可能性。

5.课程总结

虽然只与Python接触了短短几个月的时间,但是我已经切实感受到了它的魅力。于我而言,编写程序的过程是艰难的,但是也是充满乐趣的。能够看到自己编写的代码在屏幕上跳跃,运行着,心中的快乐也是不言自明的。为期十六周的Python课程已经结束了,但是我们学习语言的脚步当然不应该就此停下。希望能在之后的闲暇时间里继续学习,不断提高我的Python水平,希望未来有一天能够不借助外力写出我自己的代码。
6.参考资料
1.CSDN博客 艾派森 《使用python自动发送邮件》

2.CSDN博客 苦苦的码人 Python爬取天气数据,并每天定时发送到QQ邮箱

3.CSDN博客 山与海 通过爬虫定期发送当地天气情况给自己的邮箱

 

 

...全文
659 回复 打赏 收藏 转发到动态 举报
写回复
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
内容概要:本文系统介绍了基于LlamaFactory框架对大语言模型Qwen3-1.7B进行LoRA微调以实现商品十分类任务的完整流程,涵盖环境搭建、数据预处理、模型微调、性能评估与Badcase分析,以及使用vLLM进行推理加速部署的全过程。通过DeepSpeed技术实现训练加速,并结合实际分类效果进行准确率分析,将模型原始准确率从59.6%提升至91.3%,显著优化分类表现。同时针对低召回率类别(如冷藏即饮果汁)开展Badcase分析,定位训练数据不足问题并提出增量训练改进方案。最后通过vLLM部署实现推理性能大幅提升,批处理时间由54秒缩短至22秒。; 适合人群:具备一定深度学习与自然语言处理基础,熟悉Python编程和Linux环境,从事AI算法研发或模型优化工作的工程师及研究人员,尤其适合有大模型微调与部署需求的从业者; 使用场景及目标:①掌握基于LoRA的大模型高效微调方法;②学习如何利用DeepSpeed加速训练过程;③提升分类任务准确率与召回率的调优策略;④实现高性能推理部署与端到端模型优化闭环; 阅读建议:建议结合代码实践操作,重点关注数据构造、参数配置、Badcase分析与推理部署环节,深入理解微调机制与性能瓶颈优化思路,配合日志与评估指标迭代改进模型。

144

社区成员

发帖
与我相关
我的任务
社区描述
开展Python教学和技术交流
python 高校 北京·丰台区
社区管理员
  • blackwall0321
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧