1 前言

2021国考在即，你报名了吗？如果你的office耍得好，三下五除二便能筛选出符合自己的心仪职位；但若是耍得差，那可就……今天，咱们聊聊如何用Python筛选国考职位表——包括Excel文件读取、条件查询等。

2 Python读写Excel

Python读写Excel的方法其实很多，比如：

xlrd,xlwt,xlutils模块
openpyxl模块
pandas.read_excel,pandas.to_excel等函数
......

其中，最高效、最简洁的方法莫过于pandas提供的各种Excel操作函数。

（1）读取Excel：

import pandas as pd'''
pd.read_excel(io, sheetname=0,header=0,skiprows=None,index_col=None,names=None,arse_cols=None,date_parser=None,na_values=None,thousands=None, convert_float=True,has_index_names=None,converters=None,dtype=None,true_values=None,false_values=None,engine=None,squeeze=False,**kwds)
'''
# sheet_name: 指定表
df1=pd.read_excel("test.xlsx") #default: Sheet1
df2=pd.read_excel("test.xlsx",sheet_name='Sheet1') #Sheet1
df3=pd.read_excel("test.xlsx",sheet_name=1) #Sheet2# header:指定作为columns的行(default=0)，数据为列名行以下的数据(不含列名可设header=None)
df4=pd.read_excel("test.xlsx ",sheet_name=0,header=2)# index_col: 指定作为index的列
df5=pd.read_excel("test.xlsx ",sheet_name=0,index_col=1)# names: 以list重新指定columns
df6=pd.read_excel("test.xlsx ",sheet_name=0,names=["列一","列二","列三","列四","列五"])# skiprows:省略指定的行(columns的序号=0)
df7=pd.read_excel("test.xlsx ",sheet_name=0,skiprows=[1,3,4])# usecols: 指定导入的columns
df8=pd.read_excel("test.xlsx ",sheet_name=0,usecols=[0,3])
df9=pd.read_excel("test.xlsx ",sheet_name=0,usecols=["学历","应届"])

（2）写入Excel：

import pandas as pddin=pd.DataFrame([("张三","301",370),("李四","302",500),("王五","303",600),("赵六","302",580),("郭七  ","303",700)],columns=["name","class","scores"])din.to_excel("stu_scores.xlsx",index=False)  #忽略行标index保存

3 Python正则表达式

正则表达式是一个能匹配字符串的模板，它作为某些方法（如re.match、re.search、re.split、pandas.Series.str.contains）的参数。正则表达式=普通字符+特殊字符（元字符）。

3.1 基础知识

元字符清单见下表：

元字符	含义
`.`	匹配除换行符外的任何字符。在DOTALL模式中也能匹配换行符
`\`	转义字符（使用后改变字符原义）
`*`	匹配前一字符`n≥0`次
`+`	匹配前一字符`n≥1`次
`?`	匹配前一字符`n≤1`次
`^`	匹配字符串开头，在多行模式中匹配每行的开头
`$`	匹配字符串结尾，在多行模式中匹配每行的末尾
`\|`	从左到右匹配 \|左右任一表达式。若 \| 没包含在()内，则其范围是整个表达式
`(...)`	将正则表达式分组，编号从1开始。`(a\|b) #a or b`、`(c){3} #ccc`
`[...]`	字符集合，匹配此集合内任一元素。特殊字符于集合中均变成普通字符。可用`-`构成范围，如`[a-c]`等价于`[abc]`
`{,}`	`{m},{m,n},{m,},{,n}`分别匹配前一个字符`m,[m,n],[m,∞],[0,n]`次

正则表达式预定义字符见下表：

预定义字符	含义
`\d`	匹配`0~9`中任一数字字符，即`[0-9]`
`\D`	匹配任一非数字字符，即`[^0-9]`
`\s`	匹配空白字符，即`[\f\n\r\t\v]`(走纸换页、换行、回车、横向制表、竖向跳格)
`\S`	匹配非空白字符，即`[^\f\n\r\t\v]`
`\w`	匹配任一单词字符，即`[a-zA-Z0-9_]`
`\W`	匹配任一非单词字符，即`[^a-zA-Z0-9_]`
`\A`	匹配字符串开头，即`^`
`\Z`	匹配字符串结尾，即`$`
`\b`	匹配字母数字与非字母数字的边界（异质之边界）
`\B`	匹配字母数字与字母数字、非字母数字与非字母数字的边界（同质之边界）

备注：①\d应写成\\d（防转义）或r"\d"（Python原生字符串）；②Python标识符可表示为r"[a-zA-Z_][\w$]*"（以字母或下划线打头，后接[0,∞]个单词字符）；③\b,\B是单词边界，不匹配任何实际字符（是间隙），且\B是\b的非(补)。深入了解可参考博文：正则表达式里\b和\B，Python实例。

正则表达式的特殊分组见下表：

特殊分组	含义
`(?P<name>...)`	将正则表达式分组。除默认分组编号外附加一个别名`name`
`\number`	引用分组编号为`number`的分组（默认编号）
`(?P=name)`	引用别名为`name`的分组

备注：①r"\b(?P<my_group1>\w+)\b\s+(?P=my_group1)\b"中'\\w+'（或写成r'\w+'）编号为1，别名为my_group1，后面的(?P=my_group1)是对'\\w+'的引用。②r"\b(\w+)\b\s+\1\b"中'\\w+'编号为1，后面的\1是对'\\w+'的引用。

一般说来，re模块方法的参数有：①正则表达式pattern、②需匹配的字符串string、③匹配模式flags（多个flag可用|连接）。其中匹配模式见下表：

匹配模式	意义
`re.A`或`re.ASCII`	预定义字符类`\w,\W,\b,\B,\d,\D,\s,\S`仅匹配ASCII字符。Python3默认匹配Unicode字符。
`re.I`或`re.IGNORECASE`	忽略大小写
`re.L`或`re.LOCALE`	预定义字符类`\w,\W,\b,\B`和忽略大小写匹配依赖于当前语言环境
`re.M`或`re.MULTILINE`	元字符`^`和`$`可匹配每一行开头与结尾
`re.S`或`re.DOTALL`	元字符`.`匹配任意字符（包括换行符）
`re.X`或`re.VERBOSE`	正则表达式可为多行，忽略空白字符，并可以加入注释

3.2 实例分析

（1）re.match(pattern,string,flags=0):仅在string起始位置匹配pattern，否则返回None。例如：

import restr1="To Python, or not to Python: this is a question."
index=re.match('to',str1) #None

（2）re.search(pattern,string,flags=0):查询string中首次出现pattern的位置，否则返回None。例如：

import restr1="To Python, or not to Python: this is a question."
index=re.search('Python',str1) #<re.Match object; span=(3, 9), match='Python'>

（3）re.fullmatch(pattern,string,flags=0): 从string整个地匹配pattern，否则返回None。例如：

import re#str1="To Python, or not to Python: this is a question."
index=re.fullmatch("Python is Fun","Python is fun") #None

（4）re.findall(pattern,string,flags=0):返回string中所有匹配pattern且不重叠的子串（列表），否则返回空列表。例如：

import restr1="To Python, or not to Python: this is a question."
s=re.findall('Python',str1) #['Python', 'Python']

（5）re.finditer(pattern,string,flags=0):返回string中所有匹配pattern且不重叠的子串（迭代器），否则返回空迭代器。例如：

import restr1="To Python, or not to Python: this is a question."
it=re.finditer('Python',str1) #<callable_iterator at 0x19afa872790>

（6）.group([group1,...]):返回匹配group1...的一个或多个子串（re.Match object变现为具体字符串）。其中，group1可为别名或编号，0代表整个匹配表达式pattern（此时.group()=.group(0)）；指定多个参数.group(0,1,2,...)将返回一个匹配对应表达式的元组。例如：

import re# mathch仅在起始位置匹配；.group()变现子串；
index=re.match(r'(\w+)(\w+)(\w+)',"Guido von Rossum, Programmer") #<re.Match object; span=(0, 5), match='Guido'>
s=re.match(r'(\w+)(\w+)(\w+)',"Guido von Rossum, Programmer").group() #'Guido'
s2=re.match('(\\w+)(\\w+)(\\w+)',"Guido von Rossum, Programmer").group(0) #'Guido'# 尽可能保证前面的pattern匹配更多
s3=re.match(r'(\w+)(\w+)(\w+)',"Guido von Rossum, Programmer").group(1) #'Gui'
s4=re.match(r'(\w+)(\w+)(\w+)',"Guido von Rossum, Programmer").group(2) #'d'
s5=re.match(r'(\w+)(\w+)(\w+)',"Guido von Rossum, Programmer").group(3) #'o's6=re.match(r'(\w+) (\w+) (\w+)',"Guido von Rossum, Programmer").group(0) #'Guido von Rossum'
s7=re.match(r'(\w+) (\w+) (\w+)',"Guido von Rossum, Programmer").group(1) #'Guido'
s8=re.match(r'(\w+) (\w+) (\w+)',"Guido von Rossum, Programmer").group(2) #'von'
s9=re.match(r'(\w+) (\w+) (\w+)',"Guido von Rossum, Programmer").group(3) #'Rossum'
s10=re.match(r'(\w+) (\w+) (\w+)',"Guido von Rossum, Programmer").group(1,2,3) #('Guido', 'von', 'Rossum')s11=re.match(r'(\w+) (\w+)(\w+)',"Guido von Rossum, Programmer").group(0) #'Guido von'
s12=re.match(r'(\w+) (\w+)(\w+)',"Guido von Rossum, Programmer").group(1) #'Guido'
s13=re.match(r'(\w+) (\w+)(\w+)',"Guido von Rossum, Programmer").group(2) #'vo'
s14=re.match(r'(\w+) (\w+)(\w+)',"Guido von Rossum, Programmer").group(3) #'n'# "写时"即能用，"引用"也可用
index=re.match(r'(?P<name>\w+ \w+ \w+),(?P<job>\w+)',"xi yuan yang,Programmer") #<re.Match object; span=(0, 23), match='xi yuan yang,Programmer'>
index[0] #'xi yuan yang,Programmer'
index[1] #'xi yuan yang'
index[2] #'Programmer'
index['name'] #'xi yuan yang'
index['job'] #'Programmer'

（7）.groups(default=None):返回一个包含所有匹配表达式pattern的元组。例如：

import res1=re.match(r'(\w+) (\w+) (\w+)',"xi yuan yang,Programmer").groups() # ('xi', 'yuan', 'yang')
s2=re.match(r'(\w+) (\w+) (\w+)',"xi yuan yang,Programmer").group(1,2,3) # ('xi', 'yuan', 'yang')

（8）.groupdict(default=None):返回一个以所有命名匹配表达式pattern为key的字典。例如：

import re# 像极了C/C++/C#/Python的格式输出......
s=re.match(r"(?P<Stu_name>\w+),(?P<job>\w+)",'XiyuanYang,Programmer').groupdict() #{'Stu_name': 'XiyuanYang', 'job': 'Programmer'}
s2=re.match(r"(?P<Stu_name>\w+), (?P<job>\w+)",'XiyuanYang,Programmer').groupdict() #None

（9）.start()/.end()/.span():返回匹配子串（string匹配的pattern）于原字符串中的开始/结束/范围。例如：

import restr1="To Python, or not to Python: this is a question."
start=re.search("Python",str1).start() #3
span=re.search("Python",str1).span() #(3,9)

（10）re.split(pattern,string,maxsplit=0,flags=0)分割字符串（返回列表），maxsplit用于指定分割次数（默认整体分割）。例如：

re.split(r"\d+","0C1C++2Java3Python4Rust") #['', 'C', 'C++', 'Java', 'Python', 'Rust']# 裁剪去掉 "123及其后的异质间隙"
re.split('123\\b','==123!! abc123. 123. 123abc. 123') #['==', '!! abc', '. ', '. 123abc. ', '']
# 裁剪去掉 "123及其前后的异质间隙"
re.split('\\b123\\b','123 ==123!! abc123.123.123abc.123') #['', ' ==', '!! abc123.', '.123abc.', '']
# 裁剪去掉 "py=及其后的同质间隙"
re.split(r'py=\B','1py=cthon py5 2py=342 py==1py2py4 pyp3 3py= pyabc') #['1py=cthon py5 2py=342 ', '=1py2py4 pyp3 3', ' pyabc']
# 裁剪去掉 "123=及其前的异质间隙与后的同质间隙"
re.split('\\b123=\\B','==123!! abc123,123,123==abc,123') #['==123!! abc123,123,', '=abc,123']

（11）若某匹配表达式pattern需多次使用，可将其预编译（re.compile(pattern,flags=0)）为正则表达式对象。使用方法则同上。

import reregex=re.compile(r'(\w+) (\w+) (\w+)')
s1=regex.match('xi yuan yang,Programmer').groups() #('xi', 'yuan', 'yang')
s2=regex.match('mu dian yang,Teacher').groups() #('mu', 'dian', 'yang')

4 pandas查询

pandas查询包括Series和DataFrame查询，又可归结为Series查询——因为DataFrame查询可视为前者查询之组合（使用逻辑运算符and,or,not或位运算符&,|,~）。

4.1 Series查询

（1）数值型查询：

import pandas as pds=pd.Series([10.0,24,300.0,4,55],index=['a','b','c','d','e'])# Series使用
# =============================================================================
# s[0];s[1:3];s[[0,2,3,4]]
# s['a'];s['b':'c'];s[['a','c','d','e']]
# s*2;s**2
# =============================================================================# s[同维度的一个bool型Series]
a=s[(s>5)&(s<150)|(~(s<300))] #type(s>5):pandas.core.series.Series
c=s[s.isin([300.0,4.0])]

（2）字符串型查询：
①pandas.Series.str.startswith(pat,na=NaN):匹配以pat开头的字符串（精准），空值na默认设置为NaN。此函数不支持正则表达式。

import numpy as np
import pandas as pds=pd.Series(['41.0','24','484.0',np.nan,'cat','cgdog'],index=range(10,16))
a=s[s.str.startswith('4',na=True)]
b=s[s.str.startswith('cg',na=False)]

②pandas.Series.str.endswith(pat,na=NaN):匹配以pat结尾的字符串（精准），空值na默认设置为NaN。此函数不支持正则表达式。

import numpy as np
import pandas as pds=pd.Series(['41.0','24','484.0',np.nan,'cat','cgdog'],index=range(10,16))
a=s[s.str.endswith('.0',na=True)]
b=s[s.str.endswith('g',na=False)]

③pandas.Series.str.contains(pat,case=True,flags=0,na=NaN,regex=True):以正则表达式（regex=True；模糊倾向）或非正则表达式（regex=False；精准倾向）进行匹配。

import numpy as np
import pandas as pds=pd.Series(['41.0','24','484.0',np.nan,'Cat','cgdog'],index=range(10,16))# not regex
a=s[s.str.contains('C',case=True,na=False,regex=False)] #精准匹配
b=s[s.str.contains('.0',case=False,na=True,regex=False)]# regex
c=s[s.str.contains('4',case=False,na=True,regex=True)] #包含'4'的
d=s[s.str.contains('^4',case=False,na=True,regex=True)] #以'4'开头的
e=s[s.str.contains(r'\w*\.\w*',case=False,na=False,regex=True)] #包含'.'的

import numpy as np
import pandas as pds=pd.Series(['41','24(999)  ','0(x)123',np.nan,' (aa)xyz','str()68'],index=range(10,16))#提取含"()"的项——两边非空白字符≥0，中间()有或无字符
a=s[s.str.contains(r'(\s*|\w*)\((\w+|\s*)\)(\w*|\s*)',na=False,regex=True)]
b=s[s.str.contains(r'\S*\(\S*\)\S*',na=False,regex=True)] #\S*=(\s*|\w+)
c=s[s.str.contains(r'(\(|\))',na=False,regex=True)]#提取"()"不靠边的项——两边非空白字符≥1，中间()内有或无字符
d=s[s.str.contains(r'\S+\((\w+|\s*)\)\S+',na=False,regex=True)]
e=s[s.str.contains(r'\S+\((\S*)\)\S+',na=False,regex=True)]

4.2 DataFrame查询

DataFrame可看成Series对象构成的字典（每一列相当于一个Series），因此它的查询即组合各个DataFrame.columns的查询。基本写法如下：
（1）df[(df.列一查询)&(df.列二查询)|(df.列三查询)&(~df列四查询)]，例如：

import pandas as pddf=pd.DataFrame({'one':[1,2,3,4,5],'two':['a','b','c','d','e'],'three':['100.0','24.314','56','980','0.45'],'four':[45.0,78.04,4.5,6890,0.012]})
result=df[(df.one>=2)&(df.two<='d')&(df.three.str.contains(r'\S*\.\S*'))&(df.four<560)] #regex

（2）df.query('列一查询 and 列二查询 or 列三查询 not 列四查询')，例如：

import pandas as pddf=pd.DataFrame({'one':[1,2,3,4,5],'two':['a','b','c','d','e'],'three':['100.0','24.314','56','980','0.45'],'four':[45.0,78.04,4.5,6890,0.012]})param=560
result=df.query('one>=2 & two<="d" and( not three in ["56","980"]) and four<@param')

5 国考职位表筛选

点击2021年度招考简章下载国考职位表。解压后，须将表首行——“招考职位由招录机关编报，招录专业、学历等与职位资格条件相关的问题，由招录机关负责解释。” 删除。筛选条件应按照自身情况进行修改。

import pandas as pd# <文件路径>
fileName="E:\\file home\\CivilServant\\中央机关及其直属机构2021年度考试录用公务员招考简章.xls"
SheetNames=["中央党群机关","中央国家行政机关（本级）","中央国家行政机关省级以下直属机构","中央国家行政机关参照公务员法管理事业单位"]# <筛选条件>
optMajor='(测绘|测量|导航|遥感|工学类)' #专业
optEducation='(大专及以上|本科及以上|本科或硕士研究生|仅限硕士研究生|硕士研究生及以上)' #学历
optPolity=['不限','中共党员或共青团员'] #政治面貌
optWorkyears="无限制" #基层工作最低年限
optWorkExperience="无限制" #服务基层项目工作经历'''
【一些特殊备注】
(1)限2020年和2021年应届毕业生(√)
(2)2021年毕业的高校毕业生（高等教育各阶段均需取得相应学历学位）(×)
(3)高校应届毕业生（高等教育各阶段均需取得相应学历学位）(×)
(4)2021年应届高校毕业生，本单位不提供宿舍，在本单位最低服务年限为5年(×)
(5)限普通高等学校2021年应届毕业生；2.各职位明确的专业类目录按教育部《普通高等学校本科专业目录（2020年版）》确定，报考人员最高学历专业须为相应职位明确的专业类目录下设专业（毕业证书、学位证书均为同一专业，含研究生专业对应的一级学科专业）(×)
【排除条件】
(1)有"2021"+有"应届"+无"2020"→→→不要
(2)有"2021"+有"应届"+有"2020年版"→→→不要
(3)有"2021"+无"应届"→→→不要
(4)无"2021"+有"应届"→→→不要
'''# <文件读取及刷选>
resultData=pd.DataFrame()
print("【考试类别】  "+"【招考人数】  "+"【专业】  "+"【学历】  "+"【政治面貌】  "+"【基层工作最低年限】  "+"【服务基层项目工作经历】")
for sheet_name in SheetNames:ExcelData=pd.read_excel(fileName,sheet_name) #文件读取# 没有'备注'(na)是一定要的(无限制)——一次取反:na=False;二次取反:na=TrueoptMark1=(ExcelData['备注'].str.contains('2021',na=False))&(ExcelData['备注'].str.contains('应届',na=False))&(~(ExcelData['备注'].str.contains('2020',na=True)))optMark2=(ExcelData['备注'].str.contains(r'\S*2021\S*',na=False))&(ExcelData['备注'].str.contains(r'\S*应届\S*',na=False))&(ExcelData['备注'].str.contains(r'\S*2020年版\S*',na=False))optMark3=(ExcelData['备注'].str.contains('2021',na=False))&(~(ExcelData['备注'].str.contains('应届',na=True)))optMark4=(ExcelData['备注'].str.contains('应届',na=False))&(~(ExcelData['备注'].str.contains('2021',na=True)))AppJob=ExcelData[(ExcelData['专业'].str.contains(optMajor))&(ExcelData['学历'].str.contains(optEducation))&(ExcelData['政治面貌'].isin(optPolity))&(ExcelData['基层工作最低年限']==optWorkyears)&(ExcelData['服务基层项目工作经历']==optWorkExperience)&((~optMark1)&(~optMark2)&(~optMark3)&(~optMark4))]if len(resultData.columns)==0:resultData=AppJobelse:resultData=resultData.append(AppJob,ignore_index=False,sort=False) #拼接#resultData=pd.concat([resultData,AppJob],axis=0,join='outer',ignore_index=False,sort=False)for n in range(AppJob.shape[0]): #展示RowItem=AppJob.iloc[n]print( RowItem["考试类别"]+"  "+ str(RowItem["招考人数"])+"  "+ RowItem["专业"]+"  "+ RowItem["学历"]+"  "+ RowItem["政治面貌"]+"  "+RowItem["基层工作最低年限"]+"  "+ RowItem["服务基层项目工作经历"])# <储存结果>
resultData.to_excel("E:\\file home\\CivilServant\\满足条件的职位表（2021）.xlsx",index=False)

参考文献

虞歌.Python程序设计基础[M].北京：中国铁道出版社，2018.
Pandas官方文档.
正则表达式里\b和\B，Python实例.

后记

滴答，滴答，滴答...
老狗睁开了今天的睡眼——
刷牙、洗脸、长裤、防晒衣和那沾满泥土的球鞋...
电缆线、PVC管、铁捁、螺母、扳手、地电阻测试仪...
数了一遍又一遍，仿佛数着卡上那几个可怜的数字
冲下楼——老板：来个4元的土豆大饼！
然后，爬上那辆泥土厚垢的汽车驶向了山路尽头...云南的天很怪
常常在太阳中下起小雨来
射得眼睛一晃一晃，浸湿了泪水
似乎
"亚洲第一、世界第三"
才配得上这北纬26°的紫外线世界很残酷
留下了一段狗延残喘的距离
又能怎么样呢
敢去填填万人坑的基础么？

用Python筛选国考职位表相关推荐

excel 转数据库python_Python实战 :2017国考职业表excel转数据库，再查询生成excel
最近看2017年国考的职业表,多而杂,不好过滤我想要的信息,特此把它转成Sqlite3数据库,再从数据库里把查询结果导出成excel,方便找职业. (后附上整套代码) 环境:python2.7 xlr ...
python英语-我们用程序整理出了一份Python英语高频词汇表，拿走不谢！
原标题:我们用程序整理出了一份Python英语高频词汇表,拿走不谢! 有不少编程初学者会问这样一个问题:我英语不好,还能不能学编程?会不会有影响? 我的回答是:能,会. 能学,是因为虽然编程用的都是英 ...
是什么职位_2021国家公务员考试职位表出炉！你真的了解什么是公务员吗？
今天国家公务员局发布了公告,正式宣布2021年国考来啦!2021年度考试录用一级主任科员及以下和其他相当职级层次公务员工作,就在今天下午,2021国家公务员考试职位表也出炉啦!想要看职位表的同学,可以 ...
用Python筛选底部股票代码
大家好,今天学习一下用Python筛选底部股票代码 1.获取全量股票数据 1.1.先创建用于保存股票数据的mysql数据库表创建表语句如下: create table stock (id bigin ...
上海宽泛计算机招聘,2022上海市公务员考试职位表
2020上海市公务员考试公告已公布,本次招录3803人,报名时间为2019年11月6日0:00至12日12:00,笔试时间为2019年12月7日. 2020上海市公务员考试位职位表 2020上海市考职 ...
计算机报名备注信息填什么,2021年国考报名表中备注栏怎么填
国考填写报考信息时,备注那一栏填什么?运城中公教育网说明一下备注该怎么填,备注在此处的作用是特殊要求,主要是根据职位表中的"备注"一栏的要求进行填写,填写你之前报名信息无法说清,但 ...
计算机类公务员2019,2019甘肃公务员考试职位表解读：超三成不限专业
7月15日,小伙伴们煎熬等待的2019年甘肃公务员考试终于来了,全省计划招录2068人,报名时间为7月16日8:00至7月26日18:00,笔试时间为2019年9月7日.8日,为了帮助各位考生深入了解 ...
Python筛选EXCEL数据
Python筛选EXCEL数据 Python筛选EXCEL数据 Python筛选EXCEL数据我们在实际业务过程中,可能涉及到excel数据清洗的场景,本次代码处理的是客户个人基本信息的清洗操作,其 ...
数据透视表日期怎么选范围_筛选数据透视表中的日期范围
数据透视表日期怎么选范围 In a pivot table, you might want to see all the orders that were shipped on a specific ...
python怎么编程乘法口诀表_用python编写乘法口诀表的方法
用python编写乘法口诀表的方法发布时间:2020-08-25 11:46:35 来源:亿速云阅读:60 作者:小新用python编写乘法口诀表的方法?这个问题可能是我们日常学习或工作经常见到 ...

用Python筛选国考职位表

目录