一、相关说明

  1. 文章难免有不足的地方，欢迎讨论和斧正，文章可以对文本类数据分析有所启发；
  2. 文章数据获取参见我的另一篇文章，https://blog.csdn.net/weixin_51749229/article/details/115558292
  3. 数据可以自己替换或者去相关网站查找；
  4. 预测分类处理思路：由于sklearn 学习的时候需要的是数值型的数据，而文本是类别型的，所以需要将文本向量化，然后找出合适的特征来拟合，最后利用特征结合逻辑回归算法求出模型，就可以利用训练好的模型预测未知文章的分类了。
  5. 由于主要目标是进行分类预测，所以在文本数据分析的过程中主要从文章的词的角度进行拆解数据指标。

二、项目任务

根据文章文本内容对文本预处理，建模等操作对校内网站文章进行综合性评估并实现自动将文章划分到最可能的类别中。

  1. 对文本数据进行清洗、分词，去除停用词，文本向量化等操作；
  2. 运用描述性统计分析方法分析文章现状，使用python统计词频生成词云图；
  3. 运用推断统计分析方法，如方差分析进行特征选择；
  4. 根据文本内容，对文本数据进行分类，完成数据建模。

三、文章数据综合评价

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as snssns.set(style= "darkgrid", font_scale=1.2)
plt.rcParams["font.family"] = "SimHei"
plt.rcParams["axes.unicode_minus"]=Falsenews = pd.read_csv("news.csv",sep=" ",index_col=0)
print(news.shape)
display(news.head())
date headline content 详情页 tag
2 2021-03-19 13:14:17 ND高级技工学校专业设置专题研讨会 NaN http://www.gdnjsxy.com/home/article/detail/id/... 教学研究
3 2021-03-18 22:52:20 劳动最光荣，公益在行动——ND高级技工学校公益日活动 劳动创造美好。劳动者用辛勤的双手，编织了这个五彩斑澜的世界，创造了人类的文明。 为了... http://www.gdnjsxy.com/home/article/detail/id/... 其他
4 2021-03-13 06:48:29 ND高级技工学校开始报名了！ ND高级技工学校开始报名了！ http://www.gdnjsxy.com/home/article/detail/id/... 其他

数据处理

空值处理

news.isnull().sum()

date         0
headline     0
content     31
详情页          0
tag          0
dtype: int64

news.info()

<class 'pandas.core.frame.DataFrame'>
Int64Index: 192 entries, 0 to 191
Data columns (total 5 columns):#   Column    Non-Null Count  Dtype
---  ------    --------------  ----- 0   date      192 non-null    object1   headline  192 non-null    object2   content   161 non-null    object3   详情页       192 non-null    object4   tag       192 non-null    object
dtypes: object(5)
memory usage: 9.0+ KB

#用标题填充空值内容
index = news[news.content.isnull()].index
# news["content"][index] = news["headline"][index]
news.content[index] = news.headline[index]
news.isnull().sum()

date        0
headline    0
content     0
详情页         0
tag         0
dtype: int64

#随机取样 sample
news.loc[index].sample(5)
date headline content 详情页 tag
85 2019-07-18 13:03:47 喜 报 喜 报 http://www.gdnjsxy.com/home/article/detail/id/... 教学研究
30 2020-11-09 10:01:33 ND高级技工学校 2020年（秋）免学费初审名单公示 ND高级技工学校 2020年（秋）免学费初审名单公示 http://www.gdnjsxy.com/home/article/detail/id/... 其他
87 2019-06-29 11:23:00 青春不散场.....我们毕业啦 青春不散场.....我们毕业啦 http://www.gdnjsxy.com/home/article/detail/id/... 其他
47 2020-07-09 23:02:15 喜 报 喜 报 http://www.gdnjsxy.com/home/article/detail/id/... 技能培训

重复值处理

print(news.duplicated().sum())
display(news[news.duplicated()])

0

<

news.drop_duplicates(inplace=True)
print(news.duplicated().sum())

0

display(news.content.sample(5))

91                          品小布茗茶，赏文学佳作本期由小布金叶茶业专业合作社协办。
94     地域上虽相隔千里，但对技工教育事业共同的追求跨越了界限。　紧张又充实的5天结束了，参赛老师纷...
123    \n2018年11月23日，为时三天的首届“骏亚杯”田径运动会圆满落幕。本次运动会共有47个...
Name: content, dtype: object

数据清洗

  1. 去除文章里的标点符号和特殊符号
import re pattern =  r"[!\"#$%&'()*+,-./:;<=>?@[\\\]^_`{|}~!，。？、￥……【】《》‘’“”\s]+"re_obj = re.compile(pattern)def clear(text):return re_obj.sub("",text)news.content = news.content.apply(clear)
news.sample(5)
date headline content 详情页 tag
180 2017-08-18 22:48:07 ND技工学校选派教师赴河北邢台技师学院参加“一体化”教学培训 关于做好定点帮助ND技工学校的通知精神扎实做好帮助对接工作河北邢台技师学院... http://www.gdnjsxy.com/home/article/detail/id/... 教学研究
49 2020-07-07 20:52:18 ND高级技工学校第二届精品小课比赛 为加强我校师资建设提高教师综合素养提升教师业务能力促进一体化教学改革特开展精品小课比赛为广大... http://www.gdnjsxy.com/home/article/detail/id/... 其他
50 2020-06-23 16:13:00 ND高级技工学校2020年面向社会公开招聘教师笔试时间和地点公告 根据ND高级技工学校2020年面向社会公开招聘教师公告要求现将笔试时间地点及有关事项公告如下... http://www.gdnjsxy.com/home/article/detail/id/... 其他
  1. 中文分词
import jiebadef cut_word(text):return jieba.cut(text)news.content = news.content.apply(cut_word)
display(news.sample(10))
date headline content 详情页 tag
153 2018-04-28 19:34:46 ND技工学校和ND卫校面向社会公开招聘教师公告 <generator object Tokenizer.cut at 0x0000023D4... http://www.gdnjsxy.com/home/article/detail/id/... 其他
138 2018-07-21 11:20:18 ND技工学校2018年火热招生报名中...... <generator object Tokenizer.cut at 0x0000023D4... http://www.gdnjsxy.com/home/article/detail/id/... 其他
95 2019-06-03 23:48:33 采风专稿 ▎自信的力量 ——ND县高级技工学校采风见闻（郭斌） <generator object Tokenizer.cut at 0x0000023D4... http://www.gdnjsxy.com/home/article/detail/id/... 其他
6 2021-03-06 10:39:32 “践行雷锋精神，开展志愿服务”——ND高级技工学校学雷锋日活动 <generator object Tokenizer.cut at 0x0000023D4... http://www.gdnjsxy.com/home/article/detail/id/... 精神建设工作
52 2020-06-19 21:09:00 关于举办2020届毕业生校园招聘双选会的通知 <generator object Tokenizer.cut at 0x0000023D4... http://www.gdnjsxy.com/home/article/detail/id/... 其他
117 2019-01-14 11:07:59 校企联谊谋发展 合作双赢谱新篇 ——ND技工学校举行2019年校企合作座谈会 <generator object Tokenizer.cut at 0x0000023D4... http://www.gdnjsxy.com/home/article/detail/id/... 其他
114 2019-03-11 23:27:36 我校举行庆三八妇女节烘焙活动 <generator object Tokenizer.cut at 0x0000023D4... http://www.gdnjsxy.com/home/article/detail/id/... 其他
157 2018-03-31 23:59:00 第45届世界技能大赛江西省选拔赛重型车辆维修项目圆满落幕 ND技工学校学生夺冠 <generator object Tokenizer.cut at 0x0000023D4... http://www.gdnjsxy.com/home/article/detail/id/... 技能培训
  1. 去除停用词
def get_stopword():s = set()with open("stopword.txt",encoding="utf-8") as f :for line in f :
#             去除回车符s.add(line.strip())return s def remove_stopword(words):return [word for word in words if word not in stopword]stopword = get_stopword()
news.content = news.content.apply(remove_stopword)news.content.sample(10)

9      [一技, 在手, 就业, 愁, ND, 依托, ND, 高级技工, 学校, 培养, 高技能,...
137                                                 [喜报]
103    [专家, 介绍, 张文涛, 湖北, 东风汽车, 技师, 学院, 机电, 工程系, 副, 主任...
116    [建设, 知识型, 技能型, 创新型, 劳动者, 大军, 加速, 我校, 技能, 人才培养,...
40     [热烈祝贺, 我校, 教师, 首届, 江西省, 技工, 院校, 教师职业, 能力, 大赛, ...Name: content, dtype: object

描述统计

# 每个类别包含的文章数量
sns.countplot(x="tag",data=news)

<matplotlib.axes._subplots.AxesSubplot at 0x23d48e97a58>


其他类文章数量占比大，而教学研究和技能培训的文章占比少，需要增加相应工作内容和文章产出频次。

文章数量分布统计

# 年份数量分布
#日期切分，expend是新建列进行存储
t = news.date.str.split(" ",expand=True)
t = t[0].str.split("-",expand=True)
t.columns=["年","月","日"]
t.head()
年 月 日
0 2021 04 03
1 2021 03 23
2 2021 03 19
3 2021 03 18
4 2021 03 13 
#按年统计
sns.countplot(x=t.年)
plt.xlabel("年份")
plt.ylabel("文章数量")

Text(0, 0.5, '文章数量')

2020年文章数量下降，需要加强文章产出。

#按月统计
sns.countplot(x=t.月)
plt.xlabel("月份")
plt.ylabel("文章数量")

Text(0, 0.5, '文章数量')

2月份文章少是因为春节放假，6月文章多是因为毕业季，符合日常教学

#按日统计
plt.figure(figsize=(15.,5))
sns.countplot(t.日)
plt.xlabel("日期")
plt.ylabel("文章数量")

Text(0, 0.5, 文章数量')

根据文中文章分布情况可知在每月月初和月末文章达到最多，符合学校月初计划和月末总结的基本要求。

print(news.content.shape)

(192,)

文章词汇统计

# 词汇统计from itertools import chain # 二维列表转一维列表
from collections import Counter # 统计每个不同的字符串的数量
# import numpy as np
# numpy 可以用flatten 和revel将多维转换成一维 或者用reshape改变维度
# np.array(li_2d).flatten
# print(np.array(li_2d).shape)
li_2d = news.content.tolist()#二维列表扁平化为一维列表
# chain.from_iterable 可以把二维列表里面的维度拆开保持外层维度不变
li_1d = list(chain.from_iterable(li_2d))
print(f"总词汇量:{len(li_1d)}")
c=Counter(li_1d)
print(f"不重复词汇量:{len(c)}")
common = c.most_common(15) # 找出频数最高的15个词
print(common)

总词汇量:38477
不重复词汇量:7518
[('学校', 676), ('ND', 557), ('技能', 407), ('教师', 314), ('学生', 290), ('工作', 271), ('学院', 255), ('高级技工', 247), ('技师', 238), ('技工学校', 237), ('月', 227), ('我校', 210), ('活动', 202), ('教育', 199), ('专业', 197)]

d = dict(common)
plt.figure(figsize=(15,5))
sns.barplot(list(d.keys()),list(d.values()))

<matplotlib.axes._subplots.AxesSubplot at 0x23d4d84c5c0>

由图可知文章主要内容是关于技能和师生的，符合学校办学、教学的要求。

# 频率统计#最多的15个词占总词汇多少
total = len(li_1d)
percentage = [v*100/total for v in d.values()]
print([f"{v:.2f}%" for v in percentage])
plt.figure(figsize=(15,5))
sns.barplot(list(d.keys()),percentage)

['1.76%', '1.45%', '1.06%', '0.82%', '0.75%', '0.70%', '0.66%', '0.64%', '0.62%', '0.62%', '0.59%', '0.55%', '0.52%', '0.52%', '0.51%']<matplotlib.axes._subplots.AxesSubplot at 0x23d4d917198>


# # 频数分布统计# # 绘制所有词汇频数分布直方图
# # Counter 本身结果是一个类字典形式的，可以通过values取值keys取键,结果转变成List 后才好进行随机访问
# # print(type(c))
# # print(c.values())
# # print(c.keys())
# print(list(c.values()))plt.figure(figsize=(15,5))
v = list(c.values())
end = np.log10(max(v))
#logspace 等比数列 log:True 代表纵坐标使用对数进行显示 ked True 绘制核密度和直方图 ,false 只绘制直方图
ax = sns.distplot(v,bins=np.logspace(0,end,num=10),hist_kws={"log":True},kde=False)
ax.set_xscale("log") #x轴对数形式显示
plt.xlabel("词的在文章中的频数")
plt.ylabel("词的频次")

Text(0, 0.5, '词的频次')


# 文章词汇长度统计plt.figure(figsize=(15,5))
num = [len(li)  for li in li_2d]
length = 15
# print(sorted(num, reverse=True)) y值降序排列，只取最大的15个
sns.barplot(np.arange(1,length+1),sorted(num, reverse=True)[:length])

<matplotlib.axes._subplots.AxesSubplot at 0x23d4ddb6208>


# 文章词汇长度分布统计plt.figure(figsize=(15,5))
sns.distplot(num, bins=15, hist_kws={"log":True}, kde=False)

<matplotlib.axes._subplots.AxesSubplot at 0x23d47adc710>

词云图

# 词云图
# 词云的图片最好是颜色区分度大的，而且除了要显示的部分其他部分为透明的，这样就能出形状
# 图片可以用PS处理一下
from  wordcloud import WordCloud, ImageColorGeneratorwc = WordCloud(background_color="white",font_path = "c:/Windows/Fonts/STFANGSO.TTF", mask=plt.imread("中国地图.jpg"),scale=2)back_color = plt.imread("中国地图.jpg")
join_words = " ".join(li_1d)
img = wc.generate_from_frequencies(c)
img_colors = ImageColorGenerator(back_color)
# img = wc.generate(join_words)
plt.figure(figsize=(15,10))
plt.axis('off')
plt.imshow(wc.recolor(color_func=img_colors))

<matplotlib.image.AxesImage at 0x23d4ea22630>

四、建立模型

构建训练集和测试集

注意 文本向量化需要传递空格分开的字符串数组类型，因此需要对文章文本进行预处理

#添加空格
def join(list_line):return " ".join(list_line)news["content"] = news["content"].apply(join)
news.sample(10)
date headline content 详情页 tag
60 2020-03-27 13:26:06 备战国赛，疫情无阻 面对 突如其来 新冠 肺炎 疫情 全国上下 众志成城 奋战 我校 重型 车辆 技术 项目 教... http://www.gdnjsxy.com/home/article/detail/id/... 技能培训
129 2018-10-08 15:33:00 喜 报 喜报 http://www.gdnjsxy.com/home/article/detail/id/... 其他
52 2020-06-19 21:09:00 关于举办2020届毕业生校园招聘双选会的通知 营造 就业 环境 提升 毕业生 就业 服务质量 用人单位 交流 合作 社会 展示 学校 办学... http://www.gdnjsxy.com/home/article/detail/id/... 其他
147 2018-05-26 22:51:51 “六无”平安校园，我们在行动！ 构建 和谐 平安 校园 增强 学生 安全意识 自我 保护意识 ND 技工学校 积极开展 平安... http://www.gdnjsxy.com/home/article/detail/id/... 其他 
news.groupby("tag").count()
date headline content 详情页
tag
精神建设工作 15 15 15 15
其他 164 164 164 164
技能培训 7 7 7 7
教学研究 6 6 6 6 
news.info()
# news.tag.value_counts()

<class 'pandas.core.frame.DataFrame'>
Int64Index: 192 entries, 0 to 191
Data columns (total 5 columns):#   Column    Non-Null Count  Dtype
---  ------    --------------  ----- 0   date      192 non-null    object1   headline  192 non-null    object2   content   192 non-null    object3   详情页       192 non-null    object4   tag       192 non-null    object
dtypes: object(5)
memory usage: 14.0+ KB

# 标签列离散化，方便切分数据集news['tag'] = news['tag'].map({"教学研究":0,"技能培训":0,"精神建设工作":0,"其他":1})
news['tag'].values

array([1, 1, 1, 1, 1, 0, 0, 1, 1, 1, 0, 1, 1, 0, 0, 1, 1, 0, 1, 1, 1, 1,1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1, 1,0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1, 0, 1, 1,1, 1, 1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 0,0, 0, 1, 1, 1, 1, 1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 1, 1,1, 1, 1, 0, 1, 1, 1, 1, 1, 1, 0, 1, 1, 0, 0, 1, 0, 0, 1, 1, 1, 1,0, 1, 1, 0, 0, 1, 0, 1, 0, 1, 1, 1, 1, 1, 1, 1], dtype=int64)

#切分数据集
from sklearn.model_selection import train_test_splitx = news.content
y = news.tag
x_train, x_test, y_train, y_test = train_test_split(x,y,test_size=0.25)
print("训练集样本数：",y_train.shape[0],"测试集样本数：",y_test.shape[0])

训练集样本数： 144 测试集样本数： 48

TF-IDF文本向量化

from sklearn.feature_extraction.text import TfidfVectorizer#参数代表使用1个和相邻的2个词进行组合
vec = TfidfVectorizer(ngram_range=(1,2))
x_train_trans = vec.fit_transform(x_train)
x_test_trans = vec.transform(x_test)
display(x_train_trans,x_test_trans)

<144x23690 sparse matrix of type '<class 'numpy.float64'>'with 36621 stored elements in Compressed Sparse Row format><48x23690 sparse matrix of type '<class 'numpy.float64'>'with 7817 stored elements in Compressed Sparse Row format>

特征选择

词袋模型产生的特征过多，使用方差分析选出与分类最相关的20000个特征就可以保证准确性

from sklearn.feature_selection import f_classiff_classif(x_train_trans,y_train)

(array([0.13304674, 0.13304674, 0.26015102, ..., 0.13304674, 0.13304674,0.13304674]),array([0.71583641, 0.71583641, 0.61080829, ..., 0.71583641, 0.71583641,0.71583641]))

上述数组值分别代表F值和P值，原假设是不相关，备择假设是相关，因此F值越大，P值越小越好

from sklearn.feature_selection import SelectKBest#减少内存压力
x_train_trans = x_train_trans.astype(np.float32)
x_test_trans = x_test_trans.astype(np.float32)
#选择最好的K个特征,从F值高到低排序
selector = SelectKBest(f_classif,k=min(20000,x_train_trans.shape[1]))
selector.fit(x_train_trans,y_train)x_train_trans = selector.transform(x_train_trans)
x_test_trans = selector.transform(x_test_trans)print(x_train_trans.shape,x_test_trans.shape)
(144, 20000) (48, 20000)

五、逻辑回归预测分类

from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import GridSearchCV
from sklearn.metrics import classification_reportparam = [{"penalty":["l1","l2",],"C":[0.1,1,10],"solver":["liblinear"]},{"penalty":["elasticnet",],"C":[0.1,1,10],"solver":["saga"],"l1_ratio":[0.5]}]
gs = GridSearchCV(estimator=LogisticRegression(),param_grid= param,cv =2,scoring="f1",n_jobs= -1,verbose=10)
gs.fit(x_train_trans,y_train)
#最好参数验证
# print(gs.best_params_)#预测结果
y_hat = gs.best_estimator_.predict(x_test_trans)
#对训练结果进行评估
print(classification_report(y_test,y_hat))
Fitting 2 folds for each of 9 candidates, totalling 18 fits[Parallel(n_jobs=-1)]: Using backend LokyBackend with 4 concurrent workers.
[Parallel(n_jobs=-1)]: Done   5 tasks      | elapsed:    3.7s
[Parallel(n_jobs=-1)]: Done  10 tasks      | elapsed:    3.8s
[Parallel(n_jobs=-1)]: Done  13 out of  18 | elapsed:    3.8s remaining:    1.4s
[Parallel(n_jobs=-1)]: Done  15 out of  18 | elapsed:    3.8s remaining:    0.7sprecision    recall  f1-score   support0       0.00      0.00      0.00        111       0.77      1.00      0.87        37accuracy                           0.77        48macro avg       0.39      0.50      0.44        48
weighted avg       0.59      0.77      0.67        48[Parallel(n_jobs=-1)]: Done  18 out of  18 | elapsed:    4.1s finished
c:\users\wty_pc\anaconda3\lib\site-packages\sklearn\metrics\classification.py:1437: UndefinedMetricWarning: Precision and F-score are ill-defined and being set to 0.0 in labels with no predicted samples.'precision', 'predicted', average, warn_for)

模型训练结果有77%的置信度，要想提高训练效果需要更多的数据。

六、结论

  1. 数量方面:
    文章总数不足，需要加强文章产出和挂网；
    其他类文章数量占比大，而教学研究和技能培训的文章占比少，需要增加相应工作文章产出频次；
    每月月初和月末文章达到最多，符合学校月初计划和月末总结的基本要求；
  2. 内容方面:
    词汇使用符合学校办学要求；
    需要加强教学、技能培训方面的文章内容。
  3. 模型可以实现根据文章内容自动分类了，当文章数量达到500篇以上后再进行调优。

文章数据分析与自动分类相关推荐

  1. 微信留言点赞python_荐微信文章数据分析一（阅读点赞评论）

    本系列是微信公众号/文章系列中数据分析的第一篇,仅作一个简单的示例展示,可供分析参考. 注:为避免其他影响,这里不放出具体公众号名称.以下为部分数据截图. 广告部分: 如何拿到微信文章相关数据,可见记 ...

  2. 点赞、收藏必读文章--数据分析的多变量分析

    数据探索性分析(EDA)--多(双)变量分析 0 引言 上一篇文章震惊!Python单变量分析竟然如此简单? 介绍了数据分析中的单变量分析,但是我们在实际场景中,遇到的数据大多数是具有多特征.多变量的 ...

  3. c++string替换指定位置字符_Excel数据分析：如何替换字符串中的指定字符？

    数据分析预处理中,经常遇到这样的问题:现有字符串中,如何替换指定的部分字符,例如有大量电话号码,现需要将这些号码最后四位替换为****,该如何做呢? 类似的问题和使用场景有很多,如果你的行记录有几千几 ...

  4. 数据分析展示B站UP主假吃强(Cram阿强)的面目-视频与简介篇

    相关文章 数据分析展示B站UP主假吃强(Cram阿强)的面目-评论篇 文章目录 相关文章 一.获取数据 二.数据分析 字云图 词云图 强势四联 还有一张?在垃圾桶里 一.获取数据 上次写了篇爬取假吃强 ...

  5. [数据分析与可视化] 数据绘图要点9-颜色的选择

    数据绘图要点9-颜色的选择 文章目录 数据绘图要点9-颜色的选择 颜色绘图要点 准确选择图表类型 如何做出更好的颜色选择 绘图实例 参考 颜色是数据可视化中传达信息的主要媒介之一.它们允许我们适当突出 ...

  6. 一位老司机总结的数据分析入门指南

    本文关注点在于"如何入门数据分析",部分内容和前文数据分析师职业漫谈有所重叠(前文关注点在于数据分析师的职业发展线). 数据分析需要的能力可以分成专业能力和通用能力两部分,本文主要 ...

  7. Python爱好者社区历史文章列表（每周append更新一次）

    2月22日更新:   0.Python从零开始系列连载: Python从零开始系列连载(1)--安装环境 Python从零开始系列连载(2)--jupyter的常用操作 Python从零开始系列连载( ...

  8. Python爱好者社区历史文章列表(1)

    2019独角兽企业重金招聘Python工程师标准>>> https://mp.weixin.qq.com/s?__biz=MzI5NDY1MjQzNA==&mid=22474 ...

  9. 初创公司根本没数据，增长黑客个屁

    PMCAFF(www.pmcaff.com):互联网产品社区,是百度,腾讯,阿里等产品经理的学习交流平台.定期出品深度产品观察,互联产品研究首选. 外包大师(www.waibaodashi.com): ...

最新文章

  1. typedef函数指针使用方法
  2. Redis 单机模式，主从模式，哨兵模式(sentinel)，集群模式(cluster)，第三方模式优缺点分析
  3. 设置公共请求参数_封装一个useFetch实现页面销毁取消请求
  4. java nio底层实现_Java NIO 底层原理
  5. php pathinfo()函数
  6. PDF 与 Word互转工具。 在线的 和安装软件
  7. Java程序设计语言基础01：绪论
  8. 全网最强的数据可视化秘诀：学会这个工具，数据分析不是事
  9. session原理总结
  10. AVDictionary结构体相关源码介绍
  11. ajax上传文件时显示进度
  12. 广工Anyview数据结构习题
  13. matlab：快速傅里叶（反）变换 FFTIFFT
  14. App渠道安装来源识别与匹配
  15. [java学习笔记]-注解和反射
  16. ecshop 添加php标签,ecshop模板调用标签大全
  17. vue二维码生成与图片下载
  18. SQL高级教程（三十）- - SQL NULL 函数
  19. directives 自定义指令
  20. java sortmap分析_Java编程中的SortedMap接口

热门文章

  1. 【情人节特辑】人工智能帮你识别口红色号！搞定女神不再难
  2. 江苏计算机设计大赛2018,附件12018年江苏省大学生计算机设计大赛校级选拔赛大赛内.doc...
  3. 【Antv/Vue3】vue项目中使用antv/L7制作地图
  4. 数据结构上机实验-希尔排序，快速排序，堆排序
  5. Imagej－Fiji批量处理图片实现二值化
  6. 微信小程序 - 页面插入广告（激励式广告）超详细教程
  7. 用Jenkins连接腾讯企业邮箱，在构建任务失败时给自己发邮件提醒
  8. 2019南京区块链论坛小结
  9. 工作交接checklist
  10. MATLAB2019a中文设置的一些说明