php怎么给属性赋值，PHP获取数组最后一个值？
引言
我们对于 PHP 的数组操作乐此不疲，为什么？因为 PHP 编程你几乎时时刻刻都在于数组打交道，对于数组的操作熟练程度，很大一部分因素关系着代码的优劣。
今天我们来说说，如何获取数组的最后一个元素，并且不删除它。
不要小看这个需求，没准儿你还做不对呢 :)
学习时间如果你首先想到了 array_pop，那很不幸，这个函数可以获取最后一个元素，却把数组更改了。
array_pop 弹出并返回 array 数组的最后一个单元，并将数组 array 的长度减一。如果 array 为空（或者不是数组）将返回 NULL。 此外如果被调用不是一个数则会产生一个 Warning。
这显然不是我们要的结果。
其实实现一个需求的方法是多种多样的，我们尝试使用 10 种不同的办法，来做到这一点。
$x = array_values(array_slice($array, -1))[0]
第一种，使用 array_slice 截取数组 $array 倒数第一个元素。返回的是一个数组。然后使用 array_values 重新编排索引值。因为数组只有一个元素，那么索引值必然是 0。原数组 $array 毫发无损。
$x = array_slice($array, -1)[0];
第二种方法没有考虑关联数组的情况，有可能索引 0 不存在。所以容错性不好。
$x = array_pop((array_slice($array, -1)));
第三种方法，终于用到了 array_pop。不过是在 array_slice 阶段的数组上使用。
$x = array_pop((array_slice($array, -1, 1)));
第四种方法，简直是有魔性了，比第三种办法相比，只是在 array_slice 截断的长度手动指定为 1。
$x = end($array); reset($array);
第五种方法，用到数组指针了。end 返回最后一个元素。然后需要手动恢复指针位置到头部，所以调用了一次 reset 函数。本方法有可能返回关联数组，而不能拿到值。
$x = end((array_values($array)));
第六种方法，严格地为了返回最后一个元素的值，使用 array_values 进行了索引重新编排。
$x = $array[count($array)-1];
第七种方法，直接使用索引了。肯定是假设数组都是默认递增索引的数组，所以 count 获取的长度才有效。该方法容错性差。
$keys = array_keys($array); $x = $array[$keys[count($keys)-1]];
第八种方法，是对第七种的不足的修复。
$x = $array[] = array_pop($array);
第九种方法，我们需要明白，使用连等复制，array_pop 弹出数组的最后一个元素后，同时赋值给 $x。这没问题。赋值给原数组 $array[]，这会对关联数组重新排定索引，所以有副作用。
$x = $array[array_key_last($array)];
第十种，这种方法的容错性也极高，因为使用了 array_key_last，有效地考虑了关联数组的情况，而且结果也很取巧。这个方法很棒。但是只有 PHP 7.3 以上的版本才有。
写在最后好了，大家好好消化一下上面10个方法的优劣，取长补短，深度学习吧。
Happy coding :_)
我是 @程序员小助手 ，持续分享编程知识，欢迎关注。
为什么部分程序员喜欢在loop写？
我学的是PHP语言，虽然跟C++语言不是一个量级的，但是，很多语法是通用的，这个问题就是其中之一。所以，我来回答一下吧。
我在PHP开发时，也经常用到循环语句，比如：for循环语句，就可能会用到 ++i 或 i++。学过编程的应该都知道，++i和i++都是表示递增的，就是说，每循环一次，就加1。表面上看，这2个表达式是一个意思，但是，在正式使用时，还是有一定的区别。
使用i++，在执行循环语句时，会先执行循环语句里的内容，然后再会给 i 递增加1；使用++i，在执行循环语句时，会先给 i 递增加1，然后才会执行循环语句里的内容。到底是使用 i++ 还是使用 ++i，还是要看具体情况而定。
如果觉得对你有帮助，欢迎【转发】和【点赞】。
如有不同意见，欢迎发表【评论】。同时，欢迎【关注】我，观看更多精彩内容。
怎么学好编程？
无论你选择哪条路线，只要你练习一下就不难了。查看最流行的语言并确定您要使用哪种语言。我将使用以下其中一项：Java，Swift，Python，C，C ++，smalltalk，PHP。在你找到工作之前，选择哪门语言并没有什么影响。
我不能一步步教你，只能给你一些简单的意见。请注意这些，不要只是“喜欢什么”遵循这些意见会让你学习更快，如果你真的完全遵循这些意见，你可能会成为历史上学习最快的程序员。没有人遵循这些意见，直到他们拥有自己的方式，并且每个人都不一样。这不是一个大问题，因为每个人都这样做，但你可以认真地做出巨大的改变。如果你每天练习并做这些事情，你可以在3个月内轻松就业。如果你不这样做，我会说你至少在任何人雇用你之前，你可能会需要大约1 3年的练习。
所以没必要很麻烦，并且在某种程度上不一定按顺序来，大多数不重要，这里是我如何编程的指南：
比你学习/阅读更多的练习方式。不要只是阅读如何做，要去尝试它们。你会发现大多数时候，文本中没有提到复杂性，你会学到更多。仅仅因为你认为你知道如何用C ++创建一个类并不意味着你甚至不知道如何编译代码。这是迄今为止最重要的一点。
不学习编程语言，学会编程。当然，你将使用编程语言并熟练掌握它，但它只是一个工具。如果你从一开始就用语言拿起一本书，你就会学到很多你永远不会用的东西。如果您坚持使用教科书，请使用强调示例的教科书，或者教您编程实践，如Web开发或机器学习。大多数以编程语言为重点的教科书都不是一个好的参考。此外，重要的是不要束缚任何一种语言，特别是作为初学者。那里有很多很棒的材料，用某种语言教授，但是非常重要。您应该能够学习用您从未使用过的语言编写的示例。
尝试随机的东西。尝试新的框架，包，语言，想法等，只是为了看看它们是如何工作的。从未制作过应用程序？试试吧。从未使用过前端JS框架？试试吧。买arduino。获取一本面向对象设计的书。尝试将NoSQL数据库用于下一个项目，或尝试在AWS上使用托管数据库。
不要休息几天。休假可以带你离开这个区域。你总是在脑海中想到这些问题。休息几天迫使你回到区域，记住事情。无论我是下班回家还是在健身房，我总是想出解决问题或冷静思路的方法。
使编程成为一种爱好。学会享受它。这可以避免阅读教科书和练习更多。获得经验。不要说“我听说这是一个坏主意。”说“这是一个坏主意，这就是我在尝试时发生的事情。”我保证，没有人会对你在教科书中读到的东西大肆宣传。好吧，至少没有他们关心你亲身经历的那么多。
完成项目100％。不要说'呃它已经完成了。' 然后继续前进。完成它。发布它。告诉你的父母和朋友使用它。你永远不会知道实际剩下多少工作。项目的最后可能会在代码中引入大量漏洞。更重要的是，一旦你推出它，你的用户会发现更多。将其发布并让人们使用它。
网络。github上各种开源项目，他们有很多知识可以给我。我还与一些kickass工程师/开发人员合作，给了我很多无价的知识。尽可能在团队中工作，它将教会你公司如何大规模地做事。在与他人合作项目时，版本控制，任务管理，代码文档，代码可读性，对象的松散耦合等等都变得更加重要。
阅读科技博客和信息网站。Techcrunch，Techmeme，Medium，Stackoverflow，Linkedin和facebook是我最常用的。这些的新闻都充满了科技行业的最新信息。
初级java工程师可以做微信小程序吗？
首先介绍一下微信小程序宿主环境差异，其中iOS是基于JavaScriptCore，Android是基于X5内核，IDE是基于nwjs。小程序运行和加载机制小程序分为冷启动和热启动。而且小程序语言是数据绑定的，所以他的js并不能操作dome。但是实际应用中我们必不可少的需要改变一个元素的属性或css样式，这时就需要我们先在.wxnl文件中把需要更改的属性绑定一个变量{{变量}}，然后我们需要在js的文件data里面给这个文件赋值就可以了，但是有的时候我们赋的值并不是死的，所以这时就需要我们不在data里面时运用this.setData({这里跟data是一样的}）。如果要调用data里面的数据时可以用this.data.变量。
如果想自己开发一款个人小程序并且想上线发布，建议最好可以在开发之前就自己配置好域名、服务器，因为域名的备案可能会需要时间（审核会需要一些工作日），如果小程序完全都开发好了之后再购买域名服务器可能会浪费一点时间。
Python爬虫和数据分析需要哪些知识储备？
数据是决策的原材料，高质量的数据价值不菲，如何挖掘原材料成为互联网时代的先驱，掌握信息的源头，就能比别人更快一步。
大数据时代，互联网成为大量信息的载体，机械的复制粘贴不再实用，不仅耗时费力还极易出错，这时爬虫的出现解放了大家的双手，以其高速爬行、定向抓取资源的能力获得了大家的青睐。
爬虫变得越来越流行，不仅因为它能够快速爬取海量的数据，更因为有python这样简单易用的语言使得爬虫能够快速上手。
对于小白来说，爬虫可能是一件非常复杂、技术门槛很高的事情，但掌握正确的方法，在短时间内做到能够爬取主流网站的数据，其实非常容易实现，但建议你从一开始就要有一个具体的目标。
在目标的驱动下，你的学习才会更加精准和高效。那些所有你认为必须的前置知识，都是可以在完成目标的过程中学到的。
基于python爬虫，我们整理了一个完整的学习框架：
筛选和甄别学习哪些知识，在哪里去获取资源是许多初学者共同面临的问题。
接下来，我们将学习框架进行拆解，分别对每个部分进行详细介绍和推荐一些相关资源，告诉你学什么、怎么学、在哪里学。
爬虫简介爬虫是一种按照一定的规则，自动地抓取万维网信息的程序或者脚本。
这个定义看起来很生硬，我们换一种更好理解的解释：
我们作为用户获取网络数据的方式是浏览器提交请求->下载网页代码->解析/渲染成页面；而爬虫的方式是模拟浏览器发送请求->下载网页代码->只提取有用的数据->存放于数据库或文件中。
爬虫与我们的区别是，爬虫程序只提取网页代码中对我们有用的数据，并且爬虫抓取速度快，量级大。
随着数据的规模化，爬虫获取数据的高效性能越来越突出，能够做的事情越来越多：
市场分析：电商分析、商圈分析、一二级市场分析等市场监控：电商、新闻、房源监控等商机发现：招投标情报发现、客户资料发掘、企业客户发现等进行爬虫学习，首先要懂得是网页，那些我们肉眼可见的光鲜亮丽的网页是由HTML、css、javascript等网页源码所支撑起来的。
这些源码被浏览器所识别转换成我们看到的网页，这些源码里面必定存在着很多规律,我们的爬虫就能按照这样的规律来爬取需要的信息。
无规矩不成方圆，Robots协议就是爬虫中的规矩，它告诉爬虫和搜索引擎哪些页面可以抓取，哪些不可以抓取。
通常是一个叫作robots.txt的文本文件，放在网站的根目录下。
轻量级爬虫“获取数据——解析数据——存储数据”是爬虫的三部曲，大部分爬虫都是按这样的流程来进行，这其实也是模拟了我们使用浏览器获取网页信息的过程。
1、获取数据
爬虫第一步操作就是模拟浏览器向服务器发送请求，基于python，你不需要了解从数据的实现，HTTP、TCP、IP的网络传输结构，一直到服务器响应和应达的原理，因为python提供了功能齐全的类库来帮我们完成这些请求。
Python自带的标准库urllib2使用的较多，它是python内置的HTTP请求库，如果你只进行基本的爬虫网页抓取，那么urllib2足够用。
Requests的slogen是“Requests is the only Non-GMO HTTP library for Python, safe for humanconsumption”，相对urllib2，requests使用起来确实简洁很多，并且自带json解析器。
如果你需要爬取异步加载的动态网站，可以学习浏览器抓包分析真实请求或者学习Selenium来实现自动化。
对于爬虫来说，在能够爬取到数据地前提下当然是越快越好，显然传统地同步代码不能满足我们对速度地需求。
（ps：据国外数据统计：正常情况下我们请求同一个页面 100次的话，最少也得花费 30秒，但使用异步请求同一个页面 100次的话，只需要要 3秒左右。）
aiohttp是你值得拥有的一个库，aiohttp的异步操作借助于async/await关键字的写法变得更加简洁，架构更加清晰。使用异步请求库进行数据抓取时，会大大提高效率。
你可以根据自己的需求选择合适的请求库，但建议先从python自带的urllib开始，当然，你可以在学习时尝试所有的方式，以便更了解这些库的使用。
推荐请求库资源:
urllib2文档：https://dwz.cn/8hEGdsqDrequests文档 ：http://t.cn/8Fq1aXrselenium文档：https://dwz.cn/DlL9j9hfaiohttp文档：https://dwz.cn/hvndbuB42、解析数据
爬虫爬取的是爬取页面指定的部分数据值，而不是整个页面的数据，这时往往需要先进行数据的解析再进行存储。
从web上采集回来的数据的数据类型有很多种,主要有HTML、 javascript、JSON、XML等格式。解析库的使用等价于在HTML中查找需要的信息时时使用正则，能够更加快捷地定位到具体的元素获取相应的信息。Css选择器是一种快速定位元素的方法。Pyqurrey使用lxml解析器进行快速在xml和html文档上操作，它提供了和jQuery类似的语法来解析HTML文档，支持CSS选择器，使用非常方便。
Beautiful Soup是借助网页的结构和属性等特性来解析网页的工具，能自动转换编码。支持Python标准库中的HTML解析器,还支持一些第三方的解析器。
Xpath最初是用来搜寻XML文档的，但是它同样适用于HTML文档的搜索。它提供了超过 100 个内建的函数。这些函数用于字符串值、数值、日期和时间比较、节点和 QName 处理、序列处理、逻辑值等等，并且XQuery和XPointer都构建于XPath基础上。
Re正则表达式通常被用来检索、替换那些符合某个模式(规则)的文本。个人认为前端基础比较扎实的，用pyquery是最方便的，beautifulsoup也不错，re速度比较快，但是写正则比较麻烦。当然了，既然用python，肯定还是自己用着方便最好。
推荐解析器资源：
pyquery https://dwz.cn/1EwUKsEGBeautifulsoup http://t.im/ddfvxpath教程 http://t.im/ddg2re文档 http://t.im/ddg63、数据存储
当爬回来的数据量较小时，你可以使用文档的形式来储存，支持TXT、json、csv等格式。但当数据量变大，文档的储存方式就行不通了，所以掌握一种数据库是必须的。
Mysql 作为关系型数据库的代表，拥有较为成熟的体系，成熟度很高，可以很好地去存储一些数据，但在在海量数据处理的时候效率会显著变慢，已然满足不了某些大数据的处理要求。
MongoDB已经流行了很长一段时间，相对于MySQL ，MongoDB可以方便你去存储一些非结构化的数据，比如各种评论的文本，图片的链接等等。你也可以利用PyMongo，更方便地在Python中操作MongoDB。因为这里要用到的数据库知识其实非常简单，主要是数据如何入库、如何进行提取，在需要的时候再学习就行。
Redis是一个不折不扣的内存数据库，Redis 支持的数据结构丰富，包括hash、set、list等。数据全部存在内存，访问速度快，可以存储大量的数据，一般应用于分布式爬虫的数据存储当中。
推荐数据库资源：
mysql文档 https://dev.mysql.com/doc/mongoDB文档 https://docs.mongodb.com/redis文档 https://redis.io/documentation/工程化爬虫掌握前面的技术你就可以实现轻量级的爬虫，一般量级的数据和代码基本没有问题。
但是在面对复杂情况的时候表现不尽人意，此时，强大的爬虫框架就非常有用了。
首先是出身名门的Apache顶级项目Nutch，它提供了我们运行自己的搜索引擎所需的全部工具。支持分布式抓取，并有Hadoop支持，可以进行多机分布抓取，存储和索引。另外很吸引人的一点在于，它提供了一种插件框架，使得其对各种网页内容的解析、各种数据的采集、查询、集群、过滤等功能能够方便的进行扩展。
其次是GitHub上众人star的scrapy，scary是一个功能非常强大的爬虫框架。它不仅能便捷地构建request，还有强大的 selector 能够方便地解析 response，然而它最让人惊喜的还是它超高的性能，让你可以将爬虫工程化、模块化。学会scrapy，你可以自己去搭建一些爬虫框架，你就基本具备爬虫工程师的思维了。
最后Pyspider作为人气飙升的国内大神开发的框架，满足了绝大多数Python爬虫的需求 —— 定向抓取，结构化化解析。它能在浏览器界面上进行脚本的编写，功能的调度和爬取结果的实时查看，后端使用常用的数据库进行爬取结果的存储等。其功能强大到更像一个产品而不是一个框架。这是三个最有代表性的爬虫框架，它们都有远超别人的有点，比如Nutch天生的搜索引擎解决方案、Pyspider产品级的WebUI、Scrapy最灵活的定制化爬取。建议先从最接近爬虫本质的框架scary学起，再去接触人性化的Pyspider，为搜索引擎而生的Nutch。
推荐爬虫框架资源：
Nutch文档 http://nutch.apache.org/scary文档 https://scrapy.org/pyspider文档 http://t.im/ddgj反爬及应对措施爬虫像一只虫子，密密麻麻地爬行到每一个角落获取数据，虫子或许无害，但总是不受欢迎的。因为爬虫技术造成的大量IP访问网站侵占带宽资源、以及用户隐私和知识产权等危害，很多互联网企业都会花大力气进行“反爬虫”。
你的爬虫会遭遇比如被网站封IP、比如各种奇怪的验证码、userAgent访问限制、各种动态加载等等。
常见的反爬虫措施有：
通过Headers反爬虫基于用户行为反爬虫基于动态页面的反爬虫字体反爬.....遇到这些反爬虫的手段，当然还需要一些高级的技巧来应对，控制访问频率尽量保证一次加载页面加载且数据请求最小化，每个页面访问增加时间间隔；
禁止cookie可以防止可能使用cookies识别爬虫的网站来ban掉我们；
根据浏览器正常访问的请求头对爬虫的请求头进行修改，尽可能和浏览器保持一致等等。
往往网站在高效开发和反爬虫之间会偏向前者，这也为爬虫提供了空间，掌握这些应对反爬虫的技巧，绝大部分的网站已经难不到你了。
分布式爬虫爬取基本数据已经没有问题，还能使用框架来面对一写较为复杂的数据，此时，就算遇到反爬，你也掌握了一些反反爬技巧。
你的瓶颈会集中到爬取海量数据的效率，这个时候相信你会很自然地接触到一个很厉害的名字：分布式爬虫。
分布式这个东西，听起来很恐怖，但其实就是利用多线程的原理将多台主机组合起来，共同完成一个爬取任务，需要你掌握 Scrapy +Redis+MQ+Celery这些工具。
Scrapy 前面我们说过了，用于做基本的页面爬取， Redis 则用来存储要爬取的网页队列，也就是任务队列。
scarpy-redis就是用来在scrapy中实现分布式的组件，通过它可以快速实现简单分布式爬虫程序。
由于在高并发环境下，由于来不及同步处理，请求往往会发生堵塞，通过使用消息队列MQ，我们可以异步处理请求，从而缓解系统的压力。
RabbitMQ本身支持很多的协议：AMQP，XMPP, SMTP,STOMP，使的它变的非常重量级，更适合于企业级的开发。
Scrapy-rabbitmq-link是可以让你从RabbitMQ 消息队列中取到URL并且分发给Scrapy spiders的组件。Celery是一个简单、灵活且可靠的，处理大量消息的分布式系统。支持 RabbitMQ、Redis 甚至其他数据库系统作为其消息代理中间件， 在处理异步任务、任务调度、处理定时任务、分布式调度等场景表现良好。
所以分布式爬虫只是听起来有些可怕，也不过如此。当你能够写分布式的爬虫的时候，那么你可以去尝试打造一些基本的爬虫架构了，实现一些更加自动化的数据获取。
推荐分布式资源：
scrapy-redis文档 http://t.im/ddgkscrapy-rabbitmq文档 http://t.im/ddgncelery文档 http://t.im/ddgr你看，通过这条完整的学习路径走下来，爬虫对你来说根本不是问题。
因为爬虫这种技术，既不需要你系统地精通一门语言，也不需要多么高深的数据库技术。
解锁每一个部分的知识点并且有针对性的去学习，走完这一条顺畅的学习之路，你就能掌握python爬虫。
以上便是本文内容，有帮助点赞喜欢支持一下吧。。