pythonsetget
① python里怎么区分get和getall
看返回。python里区分get和getall看返回，getall返回的是QuerySet，get返回的是模型对象，从QuerySet中获取对象可通过forin的形式遍历，之后通过对象获取对象的具体值，get返回的是对象，直接调用访问对象成员即可。
② Python中tkinter包如何提取文本框文字到函数之外
这个要看你的代码上下文，也就是具体的语境。
1、拿键你可以用一个全局的变量，get到的内容写进这变量。外部函数直接访枯衡问这个变量即可。
2、也可以用一个全局的变量来接收你的文本框对象。那么就可以再外边函没敏做数，通过这个引用，来调用文本框的get方法
③ 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：）
④ Python语言GetValue()什么意思 Set Value()什么意思
getvalue
获取值
set value
假定值，设定值
⑤ python一个对象有多少个属性（python对象的三个特性）
今天首席CTO笔记来给各位分享关于python一个对象有多少个属性的相关内容，其中也会对python对象的三个特性进行详细介绍，如果能碰巧解决你现在面临的问题，别忘了关注本站，现在开始吧！
所说所有的变量都是对象。对象在python里，其实是一个指针，指向一个数据结构，数据结构里有属性，有方法。x0dx0ax0dx0a对象通常就是指变量。从面向对象OO的概念来讲，对象是类的一个实例。在python里很简单，对象就是变量。x0dx0ax0dx0aclassA:x0dx0amyname="classa"x0dx0a上面就是一个类。不是对象x0dx0aa=A()x0dx0a这里变量a就是一个对象。x0dx0a它有一个属性（类属性），myname，你可以显示出来x0dx0aprinta.mynamex0dx0ax0dx0a所以，你看到一个变量后面跟点一个小数点。那么小数点后面就是它的属性或者是方法。带括号的方法。不带就是属性。
python类的属性有哪几种?如何访问它们?属性的访问机制
一般情况下，属性访问的默认行为是从对象的字典中获取，并当获取不到时会沿着一定的查找链进行查找。例如?a.x?的查找链就是，从?a.__dict__['x']?，然后是?type(a).__dict__['x']?，再通过?type(a)?的基类开始查找。
若查找链都获取不到属性，则抛出?AttributeError?异常。
一、__getattr__?方法
这个方法是当对象的属性不存在是调用。如果通过正常的机制能找到对象属性的话，不会调用?__getattr__?方法。
class?A:
a?=?1
def?__getattr__(self,?item):
print('__getattr__?call')
return?item
t?=?A()
print(t.a)
print(t.b)
#?output
1
__getattr__?call
b
二、__getattribute__?方法
这个方法会被无条件调用。不管属性存不存在。如果类中还定义了?__getattr__?，则不会调用?__getattr__()方法，除非在?__getattribute__?方法中显示调用__getattr__()?或者抛出了?AttributeError?。
class?A:
a?=?1
def?__getattribute__(self,?item):
print('__getattribute__?call')
raise?AttributeError
def?__getattr__(self,?item):
print('__getattr__?call')
return?item
t?=?A()
print(t.a)
print(t.b)
所以一般情况下，为了保留?__getattr__?的作用，__getattribute__()?方法中一般返回父类的同名方法：
def?__getattribute__(self,?item):
return?object.__getattribute__(self,?item)
使用基类的方法来获取属性能避免在方法中出现无限递归的情况。
三、__get__?方法
这个方法比较简单说明，它与前面的关系不大。
如果一个类中定义了?__get__(),?__set__()?或?__delete__()?中的任何方法。则这个类的对象称为描述符。
class?Descri(object):
def?__get__(self,?obj,?type=None):
print("call?get")
def?__set__(self,?obj,?value):
print("call?set")
class?A(object):
x?=?Descri()
a?=?A()
a.__dict__['x']?=?1??#?不会调用?__get__
a.x??????????????????#?调用?__get__
如果查找的属性是在描述符对象中，则这个描述符会覆盖上文说的属性访问机制，体现在查找链的不同，而这个行文也会因为调用的不同而稍有不一样：
如果调用是对象实例(题目中的调用方式)，a.x?则转换为调用：。type(a).__dict__['x'].__get__(a,type(a))
如果调用的是类属性,?A.x?则转换为：A.__dict__['x'].__get__(None,A)
其他情况见文末参考资料的文档
四、__getitem__?方法
这个调用也属于无条件调用，这点与?__getattribute__?一致。区别在于?__getitem__?让类实例允许?[]?运算，可以这样理解：
__getattribute__适用于所有.运算符；
__getitem__适用于所有?[]?运算符。
class?A(object):
????a?=?1
????def?__getitem__(self,?item):
????????print('__getitem__?call')
????????return?item
t?=?A()
print(t['a'])
print(t['b'])
如果仅仅想要对象能够通过?[]?获取对象属性可以简单的：
def?__getitem(self,?item):
????return?object.__getattribute__(self,?item)
总结
当这几个方法同时出现可能就会扰乱你了。我在网上看到一份示例还不错，稍微改了下：
class?C(object):
????a?=?'abc'
????def?__getattribute__(self,?*args,?**kwargs):
????????print("__getattribute__()?is?called")
????????return?object.__getattribute__(self,?*args,?**kwargs)
????#????????return?"haha"
????def?__getattr__(self,?name):
????????print("__getattr__()?is?called?")
????????return?name?+?"?from?getattr"
????def?__get__(self,?instance,?owner):
????????print("__get__()?is?called",?instance,?owner)
????????return?self
????def?__getitem__(self,?item):
????????print('__getitem__?call')
????????return?object.__getattribute__(self,?item)
????def?foo(self,?x):
????????print(x)
class?C2(object):
????d?=?C()
if?__name__?==?'__main__':
????c?=?C()
????c2?=?C2()
????print(c.a)
????print(c.zzzzzzzz)
????c2.d
????print(c2.d.a)
????print(c['a'])
可以结合输出慢慢理解，这里还没涉及继承关系呢。总之，每个以?__get?为前缀的方法都是获取对象内部数据的钩子，名称不一样，用途也存在较大的差异，只有在实践中理解它们，才能真正掌握它们的用法。
python如何根据一个对象的属性值查询该对象其他某个属性值？在Chrom类中新增一个类函数，遍历存储列表并返回匹配的对象
大概写了个样例
运行结果
python定义一个学生类,包含三个属性
classstudent():
#构造函数
#对当前对象的实例的初始化
def__init__(self,name,age,score):
self.name=name
self.age=age
self.score=score
#isinstance函数判断一个对象是否是一个已知的类型，类似type
defget_name(self):
ifisinstance(self.name,str):
returnself.name
defget_age(self):
ifisinstance(self.age,int):
returnself.age
defget_course(self):
a=max(self.score)
ifisinstance(a,int):
returna
zm=student('zhangming',20,[69,88,100])
print(zm.get_name())
print(zm.get_age())
print(zm.get_course())
Python对象众所周知，Python是一门面向对象的语言，在Python无论是数值、字符串、函数亦或是类型、类，都是对象。
对象是在堆上分配的结构，我们定义的所有变量、函数等，都存储于堆内存，而变量名、函数名则是一个存储于栈中、指向堆中具体结构的引用。
要想深入学习Python，首先需要知道Python对象的定义。
我们通常说的Python都是指CPython，底层由C语言实现，源码地址：cpython[GitHub]
Python对象的定义位于Include/object.h，是一个名为PyObject的结构体：
Python中的所有对象都继承自PyObejct，PyObject包含一个用于垃圾回收的双向链表，一个引用计数变量ob_refcnt和一个类型对象指针ob_type
从PyObejct的注释中，我们可以看到这样一句：每个指向可变大小Python对象的指针也可以转换为PyVarObject*（可变大小的Python对象会在下文中解释）。PyVarObejct就是在PyObject的基础上多了一个ob_size字段，用于存储元素个数：
在PyObject结构中，还有一个类型对象指针ob_type，用于表示Python对象是什么类型，定义Python对象类型的是一个PyTypeObject接口体
实际定义是位于Include/cpython/object.h的_typeobject：
在这个类型对象中，不仅包含了对象的类型，还包含了如分配内存大小、对象标准操作等信息，主要分为：
以Python中的int类型为例，int类型对象的定义如下：
从PyObject的定义中我们知道，每个对象的ob_type都要指向一个具体的类型对象，比如一个数值型对象100，它的ob_type会指向int类型对象PyLong_Type。
PyTypeObject结构体第一行是一个PyObject_VAR_HEAD宏，查看宏定义可知PyTypeObject是一个变长对象
也就是说，归根结底类型对象也是一个对象，也有ob_type属性，那PyLong_Type的ob_type是什么呢？
回到PyLong_Type的定义，第一行PyVarObject_HEAD_INIT(PyType_Type,0)，查看对应的宏定义
由以上关系可以知道，PyVarObject_HEAD_INIT(PyType_Type,0)={{_PyObject_EXTRA_INIT1,PyType_Type}0}，将其代入PyObject_VAR_HEAD，得到一个变长对象：
这样看就很明确了，PyLong_Type的类型就是PyType_Typ，同理可知，Python类型对象的类型就是PyType_Type，而PyType_Type对象的类型是它本身
从上述内容中，我们知道了对象和对象类型的定义，那么根据定义，对象可以有以下两种分类
Python对象定义有PyObject和PyVarObject，因此，根据对象大小是否可变的区别，Python对象可以划分为可变对象（变长对象）和不可变对象（定长对象）
原本的对象a大小并没有改变，只是s引用的对象改变了。这里的对象a、对象b就是定长对象
可以看到，变量l仍然指向对象a，只是对象a的内容发生了改变，数据量变大了。这里的对象a就是变长对象
由于存在以上特性，所以使用这两种对象还会带来一种区别：
声明s2=s，修改s的值：s='newstring'，s2的值不会一起改变，因为只是s指向了一个新的对象，s2指向的旧对象的值并没有发生改变
声明l2=l，修改l的值：l.append(6)，此时l2的值会一起改变，因为l和l2指向的是同一个对象，而该对象的内容被l修改了
此外，对于字符串对象，Python还有一套内存复用机制，如果两个字符串变量值相同，那它们将共用同一个对象：
对于数值型对象，Python会默认创建0~28以内的整数对象，也就是0~256之间的数值对象是共用的：
按照Python数据类型，对象可分为以下几类：
Python创建对象有两种方式，泛型API和和类型相关的API
这类API通常以PyObject_xxx的形式命名，可以应用在任意Python对象上，如:
使用PyObjecg_New创建一个数值型对象：
这类API通常只能作用于一种类型的对象上，如：
使用PyLong_FromLong创建一个数值型对象：
在我们使用Python声明变量的时候，并不需要为变量指派类型，在给变量赋值的时候，可以赋值任意类型数据，如：
从Python对象的定义我们已经可以知晓造成这个特点的原因了，Python创建对象时，会分配内存进行初始化，然后Python内部通过PyObject*变量来维护这个对象，所以在Python内部各函数直接传递的都是一种泛型指针PyObject*，这个指针所指向的对象类型是不固定的，只能通过所指对象的ob_type属性动态进行判断，而Python正是通过ob_type实现了多态机制
Python在管理维护对象时，通过引用计数来判断内存中的对象是否需要被销毁，Python中所有事物都是对象，所有对象都有引用计数ob_refcnt。
当一个对象的引用计数减少到0之后，Python将会释放该对象所占用的内存和系统资源。
但这并不意味着最终一定会释放内存空间，因为频繁申请释放内存会大大降低Python的执行效率，因此Python中采用了内存对象池的技术，是的对象释放的空间会还给内存池，而不是直接释放，后续需要申请空间时，优先从内存对象池中获取。
Python查看对象属性的几种方式:__dict__,dir(),vars(),locals()为了方便用户查看类中包含哪些属性，Python类提供了__dict__属性。需要注意的一点是，该属性可以用类名或者类的实例对象来调用，用类名直接调用__dict__，会输出该由类中所有类属性组成的字典；而使用类的实例对象调用__dict__，会输出由类中所有实例属性组成的字典。
先来看一下Python类的__dict__属性和类实例对象的__dict__属性，例子如下：
从以上的测试结果中可以得出以下结论：
看几个小例子：
如果没传入参数，就打印当前调用位置的属性和属性值，类似于下面的locals()。
locals()返回调用者当前局部名称空间的字典。在一个函数内部，局部名称空间代表在函数执行时候定义的所有名字，locals()函数返回的就是包含这些名称的字典。
结语：以上就是首席CTO笔记为大家整理的关于python一个对象有多少个属性的全部内容了，感谢您花时间阅读本站内容，希望对您有所帮助，更多关于python对象的三个特性、python一个对象有多少个属性的相关内容别忘了在本站进行查找喔。
⑥ 关于Python：get语句的问题
r.get(i,0) 就是,取i键的值，如果键不存在返回0。
r.setdefault(i,0) 则是,取i键的值，如果键不存在返回0，并且创建一个i:0的键值对。
所以，你的这个例子，两种写法，效果是一样的。没有区别，你看下面的例子，就很明显。
get完，字典没有变化，setdefault则新增了一个键值对
