在學習《designing machine learning systems with python》（中文名《機器學習系統設計——python語言實現》）一書中，在第三章第二節第五小節（p68）讀取html文件資料的**中。我發現有些不太懂，就把學習過程記錄下來。
首先，如果你在python3.6環境中照搬書中的**的話，你會得到這樣乙個錯誤提示，修改方法可以看我之前的部落格。
attributeerror: module
'urllib' has no attribute 'request'
修改後**：
# import urllib
from urllib import request
from bs4 import beautifulsoup
import numpy as np
url = request.urlopen("")
html = url.read()
soup = beautifulsoup(html, 'lxml')
table = soup.find("table")
headings = [th.get_text() for th in table.find("tr").find_all("th")]
datasets =
for row in table.find_all("tr")[1:]:
dataset = list(zip(headings, (td.get_text() for td in row.find_all("td"))))
nd = np.array(datasets)
features = nd[:, 1:, 1].astype('float')
targets = (nd[:, 0, 1:]).astype('str')
print(features)
print(targets)
[[1. 1.]
[2. 2.]
[3. 3.]]
[['whitefly']
['thrip']
['aphid']]
soup = beautifulsoup(html, 'lxml')這行**中，beautifulsoup（）函式有兩個輸入，而我常見的都是只有乙個輸入，這裡的第二個引數我好奇到底是什麼；另乙個不太清楚的是beautifulsoup中find（）和find_all（）之間有什麼區別。
第二個問題很好解決，只要在網上搜下查下beautifulsoup的中文文件就能明白。find（）只返回尋找到的第乙個匹配的引數，find_all（）則返回文件中全部匹配的引數。
第乙個問題在找到的中文文件中剛開始沒有找到，後來在頁面的後邊找到了（汗(lll￢ω￢)，第一次看的是由多不認真），第二個引數是指定對該文件的解析器的，可供選擇的解析器有
目前支援, 「lxml」, 「html5lib」, 和 「html.parser」這個結果告訴我們看文件不要不耐煩，要認真。（逃ε=ε=ε=┏(゜ロ゜;)┛）
python 3讀取檔案 Python3 檔案讀寫
python open 方法用於開啟乙個檔案，並返回檔案物件，在對檔案進行處理過程都需要使用到這個函式 1.讀取檔案 with open test json dumps.txt mode r encoding utf 8 as f seek 移動游標至指定位置 f.seek 0 read 讀取整個檔...
Python3 讀取Word檔案
我的環境，windows10，python3.6.3 查詢了很多有關資料，發現都是python2版本操作word檔案的，所以就寫了這篇短小的文章。一 安裝 docx pip install docx 完了之後，匯入 import docx 發現報錯 modulenotfounderror no mo...
Python3 讀取大檔案
1 方法一 將檔案切分成小段，每次處理完小段內容後，釋放記憶體 這裡會使用yield生成自定義可迭代物件，即generator，每乙個帶有yield的函式就是乙個generator。def read in block file path block size 1024 with open file ...