老實說這非常常見，即使你的檔案是用 UTF-8 編寫，而且用 Python3 ( 絕大部分 default 是 utf-8 )，仍會報這個錯。所以要避免程式能在不同平台都能正常使用，讀檔時最好都加上 encoding="utf-8"
with open("somefile.py", encoding="utf-8") as f:
f.read()參考資料 :
1.stackoverflow
child Tag
前一篇呼叫 Tag 底下的 subTag 是用像 class 的方式 (Tag.subTag)，沒完整說明的是這個 subTag 可呼叫到的範圍並不只侷限 children Tag，而是整個 Tag 底下第一個遇到的 Tag.name == subTag。
""" html
<b class="boldest" id="bold man">
<u>Extremely bold</u>
</b>
<p>Just a paragraph</p>
"""
soup = BeautifulSoup(html, 'html.parser')
print(soup.u) # <u>Extremely bold</u>find_all()
依循前面的 subTag 找法，find_all 則會找出所有的 Tag (Tag.name == subTag)。
soup.find_all('a')
# [<a class="sister" href="http://example.com/elsie" id="link1">Elsie</a>,
# <a class="sister" href="http://example.com/lacie" id="link2">Lacie</a>,
# <a class="sister" href="http://example.com/tillie" id="link3">Tillie</a>].contents
Tag.contents 回傳包含所有 child string 的 list。
print(soup.contents) # [<d class="car"><u>Extremely bold.</u></d>, <p>123</p>].children
Tag.children 回傳包含所有 child Tag object 的 list。
for child in soup.children:
print(child.name)
# b
# p.descendants
回傳一個不只包含 Tag 底下一層的 subTag，而是整個 tree 上所有 object。底下的結果之所以會有 None，是因為 NavigableString 也是 child 的包含範圍 ( .contents 跟 .children 也一樣 )，而 NavigableString object 沒有 .name。
for child in soup.descendants:
print(child.name)
# b
# u
# None
# p
# None.string
回傳底下唯一一個的 NavigableString 。如果 Tag 只有一個 child 而且還是 NavigableString 則回傳。如果 Tag 只有一個 child 且 child 也只有一個 NavigableString child 也是回傳。如果有兩個以上的 NavigableString 則要呼叫 .strings，.string 會回傳 None。
print(soup.u.string) # Extremely bold
print(soup.b.string) # Extremely bold
print(soup.string) # None.strings & .stripped_strings
strings 會回傳所有 NavigableString。但這種情況下仍會紀錄到一些換行或字串前後的空格，所以可以用 stripped_strings 回傳乾淨的 NavigableString list。(如果整個字串都是空格或換行，則這個 NavigableString 會被無視)
for sstr in soup.strings:
print(repr(sstr))
# 'Extremely bold'
# 'Just a paragraph' .parent & .parents
基本上就是往上一層的 Tag (Soup 的 parent 為 None)。
link = soup.a
link
# <a class="sister" href="http://example.com/elsie" id="link1">Elsie</a>
for parent in link.parents:
print(parent.name)
# p
# body
# html
# [document].next_sibling &.previous_sibling
往前找跟往後找，但是要注意的是他沒那方便幫你找到下一個或上一個的 Tag object，絕大部分都是 NavigableString，例如換行 (\n) 之類的。
tag1 = soup.b
tag2 = soup.p
print(tag1.next_sibling) # <p>123</p>
print(tag2.previous_sibling) # <b class="boldest" id="bold man"><u>Extremely bold</u></b>參考資料 :
1.Beautiful Soup 4.9.0 documentation
紀錄下 Python 網頁爬蟲大部分會用到的 BeautifulSoup。BeautifulSoup 本質上就是 parser，知道這點後其 function 和 parameter 的使用就能得心應手。
Install
這裡紀錄使用 pip 安裝
pip install beautifulsoup4
pip install lxml # 非必要Import
第一行的 import 就可以包含 99％，第二行則是此篇會用的 import，多了 2 個說明用的 object。
from bs4 import BeautifulSoup
from bs4 import BeautifulSoup, NavigableString, CommentLoad html
此篇會用第一行來 make soup
soup = BeautifulSoup("<html>a web page</html>", features="html.parser")
soup = BeautifulSoup("<html>a web page</html>", features="lxml") # 如果你有安裝的話Tag object 對應到的就是 XML 跟 HTML 裡的 Tag。 這裡可以從 soup object 下 2 個 Tag 開始，一個是 b 一個是 p。
""" html
<b class="boldest" id="bold man">
<u>Extremely bold</u>
</b>
<p>Just a paragraph</p>
"""
soup = BeautifulSoup(html, 'html.parser')
print(type(soup)) # <class 'bs4.BeautifulSoup'>
print(soup.b) # <b class="boldest" id="bold man"><u>Extremely bold</u></b>
print(soup.p) # <p>Just a paragraph</p>
# Tag 有兩個基礎參數 name 跟 attrs
tag = soup.b
print(type(tag)) # <class 'bs4.element.Tag'>
print(tag.name) # b
print(tag.attrs) # {'class': ['boldest'], 'id': 'bold man'}
# name 跟 attrs 都可以直接修改
tag.name = "d"
tag.attrs = {'class': ['boldest', 'cutest'], 'id': 'pui pui'}
print(str(tag)) # <d class="boldest cutest" id="pui pui"><u>Extremely bold</u></d>Tag 的 child Tag 可以像 class 的 element 一樣直接呼叫 (上面的 soup.b 和 soup.p 也是一種呼叫 child Tag)
print(str(tag.u)) # <u>Extremely bold</u>
print(tag['class']) # ['boldest', 'cutest']
print(tag['id']) # pui puiTag 的 attr 也可以修改和刪除
tag['class'] = ['car']
del tag['id']
print(str(tag)) # <d class="boldest cutest"><u>Extremely bold</u></d>P.S. HTML 裡的 class 是可以允許多參數的，所以上述的例子裡 class 是 string list，而非 string
NavigableString 就等於 Tag 裡的 string，可以使用 replace_with 做修改。
tag.u.string.replace_with("No longer bold.")
print(type(tag.u.string)) # <class 'bs4.element.NavigableString'>
print(str(tag.u.string)) # No longer bold.其實一開始就有示範了，可以把他想像成沒有 name 和 attributes 的 Tag。但有時候你在 load 真正的 html 檔，他的 name 可能會是 "[document]"。
print(str(soup))
# <d class="car"><u>No longer bold.</u></d><p>123</p>
print(soup.prettify())
# <d class="car">
# <u>
# No longer bold.
# </u>
# </d>
# <p>
# 123
# </p>參考資料 :
1.Beautiful Soup 4.9.0 documentation
sys parameter
一些常見系統參數
import sys
print(sys.platform) # linuxsys.argv
像 c/c++ 的 argv 一樣，可以吃從 command line 傳入的參數。
# test.py 123 456 789
print (argv) # ['test.py', '123', '456', '789']
print (argv[1]) # 123sys.path
import 時的 search list，可以也透過改變(增加, 刪除, 更改順序) list 來在想要的位置 import。除了 built-in 的 lodule，其他額外安裝的 module 都可以用這個順序做調整。以下例子就等於會先去找 tool/ 底下的 module，找不到才會找 local/lib/python3.X/site-packages 或 local/lib/python3.X/dist-packages
print (sys.path) # [......]
sys.path.insert(0, "tool/") # ['tool/',......]
import markdown # 已安裝 markdown，但 import 的卻是 tool 底下的
print(markdown.__file__) # tool/markdown.pyos.function
一些常用的 os.function
import os
os.system(command) # 執行 command ， command 為系統指令的字串。
os.getcwd() # 取得目前所在路徑。
os.rename(src, dst) # 將 src 改名為 dst 。
os.mkdir(path) # 建立 path 路徑，如果已存在就會發起例外。
os.remove(path) # 移除 path ，如果 path 是目錄就會發起例外。
os.rmdir(path) # 刪除 path 目錄。os.path (1)
檢查檔案目錄。
import os
os.path.isfile(path) # 判斷 path 檔案是否存在。
os.path.isdir(path) # 判斷 path 路徑是否存在。os.path (2)
os.path 路徑處理。
import os
path = "/home/JunYe/123.txt"
os.path.dirname(path) # 回傳 path 的目錄路徑。
os.path.basename(path) # 回傳 path 的檔案名稱。
os.path.split(path) # 分割路徑為 (head, tail) ，其中 head 為目錄， tail 為檔案名稱。
os.path.splitext(path) # 分割路徑為 (root, ext) ，其中 root 為目錄包括檔名， ext 為副檔名。
print(os.path.dirname(path)) # /home/JunYe
print(os.path.basename(path)) # 123.txt
print(os.path.split(path)) # ('/home/JunYe', '123.txt')
print(os.path.splitext(path)) # ('/home/JunYe/123', '.txt')參考資料 :
1.sys — 你所不知道的 Python 標準函式庫用法 01 2.Python 速查手冊 - 12.5 基本檔案與目錄處理 os 與 os.path
# 跟他打招呼 Hello, JunYe. # 靠夭他 Do you have any updates about the project that we discussed in the last weekly meeting ? # 假裝很關心 + 會幫忙 If you have any further queries, please do not hesitate to contact me. # 假惺惺提醒要加快腳步 You can consider checking your schedule to make sure progress of the project is hitting the target. # 給截止時間 We would be grateful if the job can be finished by 30th June. # 輕輕施加壓力的結尾 Your early reply will be much highly appeciated.
在一個 multi-threaded 的程式中，每個 thread 都各自擁有一個 stack，但共享一個 heap。
在 c++ 可以使用 new，來將 object 實體儲存在 heap。
void foo () {
// myClass, myPointer 儲存在 stack
// myPointer 所指向的 tempClass object 則儲存在 heap
// function 結束 myClass, myPointer 則會與 stack 一起 remove
// 而 myPointer 所指向的 tempClass 不會，所以下 delete
tempClass myClass;
tempClass *myPointer = new tempClass();
delete myPointer;
}Java 或 .NET 可以透過 garbage collection 來作到 delete myPointer; 的效果。
