这个工程是我学习python过程中自己写的一些小项目

搜索引擎

这个程序中用到的数据是我在微店实习的时候的商品数据，通过简单的倒排索引存储，利用jieba分词进行切词后在倒排索引表中查找商品，找到各个list的相同商品然后输出

#####使用方法

1. git clone 项目
2. cd search
3. python search.py 或者 python search1.py

#####输入输出

输入: 你的产训query 输出: 商品id列表

#####运行效果

我在我的mac（8g内存，2.7G）上测试140W条商品（140M数据），建立倒排需要17s , 搜索耗时都毫秒级

#####数据组织格式

taobao10000001223 特价 壁纸 / 客厅 壁纸 / 卧室 墙纸 【 简欧 压花 纸 基 胶 面 壁纸

1. 第一列是商品的id
2. 从第二列开始往后都是商品描述切词后的产出的词
3. 中间都是用\t分割

注意

1. 程序中依赖的jieba分词可以直接通过 sudo pip install jieba 安装
2. python 版本要求2.7及以上
3. 数据我只放了10W条作为测试用
4. 文档中的search1和search的区别只在于数据样式，search只输出id，search1输出整条数据

简单计算器

这是利用逆波兰表达式，做的简易的基于堆栈的计算器，只支持加减乘除和小括号，数据都是转成浮点数统一运算，目前没有加入运算式的错误检查

#####使用方法

cd cal python cal.py

#####输入输出

输入:运算式 例如：2.2*(45+32)/190等

输出: 运算结果

螺旋数字输出

这是2016年腾讯的一个机试题，考的是如何对矩阵螺旋式的访问

#####使用方法

cd snake

python snake.py

#####输入输出

输入：一个正整数 例如:5 输出：一个数字的螺旋矩阵：

1 2 3 4 5 16 17 18 19 6 15 24 25 20 7 14 23 22 21 8 13 12 11 10 9

##知乎爬虫

这是为了爬取知乎的问题和关注这个问题的人的数据集

######使用方法

cd crawler

python crawler1.py 或者 python crawler.py

######输入输出

输入：需要手动修改知乎需要爬去的url段，和浏览器的Cookie

输出： all.txt 是错误的没有数据的url content.txt 是爬取下来的数据

######输出数据样式

id	内容(标题或者用户名)
21049115	和喜欢的女孩子不知道说什么怎么办？
xue-xiao-shan-85	雪小禅
wang-zhao-yang-2-16	王昭仰

1. 第一行是问题，包括两个字段，分别是唯一标志符和问题
2. 第二行往后是关注这个问题的用户，也包含两个字段，分别是用户id和用户名

注意

1. crawler.py 是只爬问题，crawler是两个都爬
2. 使用前需要利用浏览器的开发者工具填写Cookie，使用crawler.py 的话忽略这个问题

##新词发现工具

详细信息查看wordextract下的Readme.md