php中表格怎么去写，python一般用来做什么？
Python是一门非常通用的编程语言，在各个不同的领域有着广泛的用途。
Google是从一开始就使用python的公司。
那么使用Python能干什么呢。
1. 网页开发
目前B/S开发模式越来越流行，而Python提供了Django, Flash等基于Python的Web框架，利用Django， Flash可以快速的帮助我们建立Web服务器。
2. Data Science 包括机器学习，数据分析和数据可视化
什么是机器学习呢
比如如下的图片，一只猫，但是程序怎么识别出这是一只猫呢。
然后我又想识别出下面的这张图片中有一颗树呢
也许我们会这么设想，如果一张图中白色像素占比比较大的话，则认为这是一只白猫，如果绿色像素占比比较多的话则认为是一颗树
但是加入我们现在有很多不同颜色的狗的图片和不同颜色树的图片该怎么区分呢。
机器学习通常实现一种自动检测给定输入的模式的算法。
我们可以输入1000张猫的图片和1000张树图片给这个机器学习的算法，然后这个算法就会识别出猫和树。
当你再输入一个新的猫或者树的图片给这个算法，然后算法就会识别出这是一只猫还是一颗树了
然而Python有两个比较流行的库scikit-learn 和TensorFlow
3. Script 脚本
脚本就是利用Python实现一些小程序，从而简化我们的工作。
网页自动化测试
网页爬虫
有哪些黑科技App可以推荐一下？
1.全世界：超级文科（历史、政治、地理、音乐、美术、心理、哲学、战争）资讯学习利器
时空柱：绝对眼前一亮、超级酷炫的学习功能，横向对比中西历史，纵向对比上下几千年。学习历史，一目了然。
关系图谱：了解历史时间，全方位覆盖，层层递进。
关系图谱：了解一个人的所有事项，一目了然。
时空地图；每一个历史事件，对应的年份、地理位置、人物、历史事件，同一事件发生的大事，一目了然。
时间线：时间顺序梳理整个过程，学习历史用更生动有趣的方式。
人物族谱：来龙去脉、融会贯通。
同样品质的内容，覆盖：知识树、全古迹、全战争、全哲学、全心理、全画作、全音乐、美术史、音乐史、科技史、全古迹、国家简史、全国家。
中国断代史：
世界国别史：
top100分类：
全世界，是一个能开启过去和未来点的超级app，用过的人大多会把它归类为“黑科技”。
2.时光序：以一敌百的规划类应用，秒杀一切同类，不服来战先来两个普通功能：
透明桌面插件，显示日程不是原点而是文字和不同的颜色，一天、一月的规划一目了然。
桌面重要/紧急四象限插件，很多人的梦寐以求：
接下来才是重点：
规划，酷炫的同时还得好用、好看
数据统计，一目了然
多端同步，满足不同场景：甚至很多人用它来传输文件
特色黑科技：艾宾浩斯遗忘曲线记忆日程（这一个功能就被可开发为一个软件）
帮助孩子提高学习成绩超级武器之一，自动生成复习计划。
此外：事项记录、倒数纪念日、习惯打卡、备忘录、日记、记账、喝水、专注、读书......
(它在不断进化，每一项就是别的一个软件的特色)
部分功能预览图（实际界面比这还要好几倍，这个仅仅是预览图）：
网友评价：
就这？还有。
3.扫描王全能宝：扫描界的良心软件，同样不服来战职场办公需要用到把图片转化为文本或表格，文本很简单，我们只说“图片转表格”，比如下面这张图：
这是一张打印出的电子表格，如果需要扫描为电子档，很多软件会败下阵来,而很多优质的软件非常贵，有的甚至按次收费（不良心啊）。
使用扫描王全能宝效果如下：
效果非常好，一键导出为excel格式，大大提升工作效率（不加班的秘密）。
作为对比，看看白描和迅捷ocr的成绩：
扫描王全能宝（90分）>白描（80分）>迅捷ocr（70分）。
注意：
其他的扫描软件有：一个木函ocr、极度扫描、天若ocr等（后期可能会进行复杂场景对比），但论即超级实惠又效果超好，扫描王全能宝应该首屈一指。
因为扫描仅仅是它的功能之一，未来可期，价格实惠：
4.笛云听写：免费语音转文字，效果好0付费，网友评价秒杀讯飞（开玩笑）办公场景除了图片文字识别还有语音识别，比如做会议记录，录制讲话音频等，网友的痛点是好用的太贵，便宜的广告多不好用。
你需要这款黑科技：无广告，全免费（每天10小时转写时长，还不够你用啊）
此外免费的也有好软件，识别率达到96%，除非专业人士，完全够用：
支持外部文件导入识别：
支持多端同步：
网友评价：被topbook、少数派等多家大V号推荐的黑科技：
但是，不得不告诉你，它有一个很大的缺陷：不支持同步转写。如果你有同步转写需求，请看下一个软件：
5.考拉语音转文字：同步语音转文字，效率神器，好用不贵
实时转写、实时翻译、文字转语音，付费软件就是这么牛
录音转文字实时转写功能测试：效果不错
文字转语音：多种音色可选择
实时翻译：支持多种语言间转换，各种场景不担心语言问题。
5.一个木函：手机中的百宝箱，要什么有什么，称得上黑科技以拼图为例：
有时候需要把很多张图片拼接起来，用一个木函一键就搞定了。
这只是它几十个超级功能的一个，所以给公认为手机黑科技。
6.essentialpim PRO：少有人知道的软件，但足够厉害，任何时候都拿得手被三星、惠普等超级巨头选择的日程管理（桌面及手机端）
7.图怪兽：手机作图神器，设计神器，超级黑科技（超好用+超实惠）一次付费，终生不愁：
日签、海报、培训、日报、倒计时、logo、邀请函、表情包、喜报、总结、汇报：
覆盖新媒体、电商、教育培训、餐饮美食、企业管理、金融保险、影视宣传、营销推荐：
8.万能遥控：没有遥控板，没关系。任何人都需要的黑科技，不然怎么开空调
9.河豚直播APP、蓝鲸体育：免费看NBA等体育赛事10.同样：听说你喜欢艺术，怎能错过的黑科技100万高清图库随意下：
40万中外艺术家：
书画、印鉴、书籍：随便搜
10万电子书库，随心看：
黑科技要么超高效率解决问题、要么提供优质资源信息，以上这些软件做到了。
其他的超级软件：头条、得到、喜马拉雅、知乎等等，至于看电影、电视剧的软件，拉轰把这类消耗型的软件再好也不是黑科技，顶多是让人颓废的黑科技。
手机端如此，电脑端更多：
比如电脑端的黑科技：
word内置范文搜索神器：
文件夹整理超级神器：
比snipaste更好用的截图软件：
一个软件效率加1，10个软件效率加10，10个网站再加10，如果能够融汇贯通呢？效率翻10倍。拉轰持续更新。
转发+关注，你懂的。有问题、需要请留言。有推荐，一起更好。
如何将excel转成在线文档？
推荐使用 企业在线文档，操作方式和excel相同，直接将excel的内容拷贝到 在线表格中，即可完成。
企业文档是一款开源的企业级项目，开源地址：https://gitee.com/software-minister/jvs-knowledge-ui。这个项目主要用于企业内部私有化知识库、资料库、文档库、操作手册、个人博客、个人文档等企业内部内容管理平台，主要解决信息化的采集、信息的展现、信息的开发、信息共享等功能。
技术栈：开发框架：spring_cloud alibaba后端：java前端：Vue+ElementUI开源代码托管平台gitee，项目名称：jvs-knowledge-lib项目特点代码开源，支持商用操作非常简单，明了基于微服务，技术栈比较通用，不是祖传级代码支持文集模式管理模式支持多种文档在线编辑（富文本、脑图、线框图、在线表格）支持多种文档在线预览（word、excel、ppt、pdf、txt、java、php、py、md、js、css、jpg、jpeg、png、gif、mp3、mp4、flv）支持多级文档结构富文本支持副标题导航支持团队管理提供企业级搜索引擎，支持内容级搜索怎么用php把查询出来的文件导出成excel表格的形式？
我用的是这段代码:
require_once("../lib/excelcreator.class.php")；
$myxls = new ExcelCreator ("中文Excel")；
$aTableHead = '
'；
$aTableBody = '
'；
$aTableBottom = '
'；
$workSheet = $myxls->createWorkSheet ( "中文sheet1"， $aTableHead， $aTableBody， $aTableBottom )；。
用爬虫技术能做到哪些有趣的事情？
看到这个问题必须来怒答一波～用python爬虫爬便宜机票了解一下？
喜欢旅行又怕吃土？让Python来爬取最便宜机票吧！图源：
videoblocks.com
你喜欢旅行吗？
这个问题通常会得到一个肯定的答案，随后引出一两个有关之前冒险经历的故事。大多数人都认为旅行是体验新文化和开阔视野的好方法。但如果问题是“你喜欢搜索机票的过程吗？”也许话题就到此为止了……
可事实上，便宜的机票往往也很重要！本文将尝试构建一个网络爬虫，该爬虫对特定目的地运行并执行带有浮动日期（首选日期前后最多三天）的航班价格搜索。它会将结果保存为excel文件并发送一封包含快速统计信息的电子邮件。显然，这个爬虫的目的就是帮助我们找到最优惠的价格！
你可以在服务器上运行脚本(一个简单的Raspberry Pi就可以)，每天运行一到两次。结果会以邮件形式发送，建议将excel文件存入Dropbox文件夹，以便随时随地查看。
因为爬虫以“浮动日期”进行搜索，所以它会搜索首选日期前后最多三天的航班信息。尽管该脚本一次仅运行一对目的地，但可以很容易地改写该爬虫使其每个循环运行多个目的地。最终甚至可能找到一些错误票价...那会很有意思！
另一个爬虫某种意义上来讲，网络爬取是互联网“工作”的核心。
也许你认为这是一个十分大胆的说法，但谷歌就是从拉里·佩奇用Java和Python构建的网络爬虫开始的。爬虫不断地爬取信息，整个互联网都在试图为所有问题提供最佳的可能答案。网络爬取有不计其数的应用程序，即使更喜欢数据科学中的其他分支，你仍需要一些爬取技巧以获得数据。
这里用到的一些技术来自于最近新的一本佳作《Python网络数据采集》，书中包含与网络爬取相关的所有内容，并提供了大量简例和实例。甚至有一个特别有意思的章节，讲述如何解决验证码检验的问题。
Python的拯救第一个挑战就是选择爬取信息的平台，本文选择了客涯（Kayak）。我们试过了Momondo, 天巡（Skyscanner）, 亿客行（Expedia）和其它一些网站，但是这些网站上的验证码特别变态。
在那些“你是人类吗？”的验证中，尝试了多次选择交通灯、十字路口和自行车后，客涯似乎是最好的选择，尽管短时间内加载太多页面它会跳出安全检查。
我们设法让机器人每4到6个小时查询一次网站，结果一切正常。虽然说不定哪个部分偶尔会出点小问题，但是如果收到验证码，既可以手动解决问题后启动机器人，也可以等待几小时后的自动重启。
如果你是网络爬取新手，或者不知道为何有些网站花费很大力气阻止网络爬取，那么为构建爬虫写下第一行代码前，你一定要多加努力。
谷歌的“网络爬取规范”：
http://lmgtfy.com/?q=web+scraping+etiquette
系紧安全带...导入并打开Chrome浏览器标签页后，会定义一些循环中会用到的函数。这个架构的构思大概是这样的：
· 一个函数用于启动机器人程序，表明想要搜索的城市和日期。
· 这个函数获得首轮搜索结果，按“最佳”航班排序，然后点击“加载更多结果”。
· 另一个函数会爬取整个页面，并返回一个dataframe数据表。
· 随后重复步骤2和步骤3，得出按“价格”和“航行时间”排序的结果。
· 发送一封简要总结价格（最低价和平均价）的邮件，并将带有这三种排序类型的dataframe数据表保存为一份excel文件。
· 以上所有步骤会在循环中重复，每X小时运行一次。
每个Selenium项目都以一个网页驱动器开始。我们使用Chromedriver驱动器，但还有其它选择。PhantomJS和Firefox也很受欢迎。下载Chromedriver后，将其置于一个文件夹中即可。第一行代码会打开一个空白Chrome标签页。
from time import sleep, strftime
from random import randint
import pandas as pd
from selenium import webdriver
from selenium.webdriver.common.keys import Keys
import smtplib
from email.mime.multipart import MIMEMultipart
# Change this to your own chromedriver path!
chromedriver_path = 'C:/{YOUR PATH HERE}/chromedriver_win32/chromedriver.exe'
driver = webdriver.Chrome(executable_path=chromedriver_path) # This will open the Chrome window
sleep(2)
这些是将用于整个项目的包。使用randint函数令机器人在每次搜索之间随机睡眠几秒钟。这对任何一个机器人来说都是必要属性。如果运行前面的代码，应该打开一个Chrome浏览器窗口，机器人会在其中导航。
一起来做一个快速测试：在另一个窗口上访问客涯网（http://kayak.com），选择往返城市和日期。选择日期时，确保选择的是“+-3天”。由于在编写代码时考虑到了结果页面，所以如果只想搜索特定日期，很可能需要做一些微小的调整。
点击搜索按钮在地址栏获取链接。它应该类似于下面所使用的链接，将变量kayak定义为url，并从网页驱动器执行get方法，搜索结果就会出现。
无论何时，只要在几分钟内使用get命令超过两到三次，就会出现验证码。实际上可以自己解决验证码，并在下一次验证出现时继续进行想要的测试。从测试来看，第一次搜索似乎一直没有问题，所以如果想运行这份代码，并让它在较长的时间间隔后运行，必须解决这个难题。你并不需要十分钟就更新一次这些价格，对吧？
每个XPath都有陷阱到目前为止，已经打开了一个窗口，获取了一个网站。为了开始获取价格和其他信息，需要使用XPath或CSS选择器，我们选择了XPath。使用XPath导航网页可能会令人感到困惑，即使使用从inspector视图中直接使用“复制XPath”，但这不是获得所需元素的最佳方法。有时通过“复制XPath”这个方法获得的链接过于针对特定对象，以至于很快就失效了。《Python网络数据采集》一书很好地解释了使用XPath和CSS选择器导航的基础知识。
接下来，用Python选择最便宜的结果。上面代码中的红色文本是XPath选择器，在网页上任意一处右键单击选择“inspect”就可以看到它。在想要查看代码的位置，可以再次右键单击选择“inspect”。
为说明之前所观察到的从“inspector”复制路径的缺陷，请参考以下差异：
1 # This is what the copymethod would return. Right click highlighted rows on the right side and select “copy> Copy XPath”//*[@id=“wtKI-price_aTab”]/div[1]/div/div/div[1]/div/span/span
2 # This is what I used todefine the “Cheapest” buttoncheap_results= ‘//a[@data-code = “price”]’
第二种方法的简洁性清晰可见。它搜索具有data-code等于price属性的元素a。第一种方法查找id等于wtKI-price_aTab的元素，并遵循第一个div元素和另外四个div和两个span。这次……会成功的。现在就可以告诉你，id元素会在下次加载页面时更改。每次页面一加载，字母wtKI会动态改变，所以只要页面重新加载，代码就会失效。花些时间阅读XPath，保证你会有收获。
不过，使用复制的方法在不那么“复杂”的网站上工作，也是很好的！
基于以上所展示的内容，如果想在一个列表中以几个字符串的形式获得所有搜索结果该怎么办呢？其实很简单。每个结果都在一个对象中，这个对象的类是“resultWrapper”。获取所有结果可以通过像下面这样的for循环语句来实现。如果你能理解这一部分，应该可以理解接下来的大部分代码。它基本上指向想要的结果（结果包装器），使用某种方式（XPath）获得文本，并将其放置在可读对象中（首先使用flight_containers，然后使用flight_list）。
前三行已展示在图中，并且可以清楚地看到所需的内容，但是有获得信息的更优选择，需要逐一爬取每个元素。
准备起飞吧！最容易编写的函数就是加载更多结果的函数，所以代码由此开始。为了在不触发安全验证的前提下最大化所获取的航班数量，每次页面显示后，单击“加载更多结果”。唯一的新内容就是所添加的try语句，因为有时按钮加载会出错。如果它对你也有用，只需在前面展示的start_kayak函数中进行简要注释。
# Load more results to maximize the scraping
def load_more():
try:
more_results = '//a[@class = “moreButton”]'
driver.find_element_by_xpath(more_results).click()
# Printing these notes during the program helps me quickly check what it is doing
print('sleeping…..')
sleep(randint(45,60))
except:
pass
现在，经过这么长的介绍，已经准备好定义实际爬取页面的函数。
我们编译了下一个函数page_scrape中的大部分元素。有时这些元素会返回列表插入去程信息和返程信息之间。这里使用了一个简单的办法分开它们，比如在第一个 section_a_list和section_b_list变量中，该函数还返回一个flight_df数据表。所以可以分离在不同分类下得到的结果，之后再把它们合并起来。
def page_scrape():
“““This function takes care of the scraping part”““
xp_sections = '//*[@class=“section duration”]'
sections = driver.find_elements_by_xpath(xp_sections)
sections_list = [value.text for value in sections]
section_a_list = sections_list[::2] # This is to separate the two flights
section_b_list = sections_list[1::2] # This is to separate the two flights
# if you run into a reCaptcha, you might want to do something about it
# you will know there's a problem if the lists above are empty
# this if statement lets you exit the bot or do something else
# you can add a sleep here, to let you solve the captcha and continue scraping
# i'm using a SystemExit because i want to test everything from the start
if section_a_list == []:
raise SystemExit
# I'll use the letter A for the outbound flight and B for the inbound
a_duration = []
a_section_names = []
for n in section_a_list:
# Separate the time from the cities
a_section_names.append(''.join(n.split()[2:5]))
a_duration.append(''.join(n.split()[0:2]))
b_duration = []
b_section_names = []
for n in section_b_list:
# Separate the time from the cities
b_section_names.append(''.join(n.split()[2:5]))
b_duration.append(''.join(n.split()[0:2]))
xp_dates = '//div[@class=“section date”]'
dates = driver.find_elements_by_xpath(xp_dates)
dates_list = [value.text for value in dates]
a_date_list = dates_list[::2]
b_date_list = dates_list[1::2]
# Separating the weekday from the day
a_day = [value.split()[0] for value in a_date_list]
a_weekday = [value.split()[1] for value in a_date_list]
b_day = [value.split()[0] for value in b_date_list]
b_weekday = [value.split()[1] for value in b_date_list]
# getting the prices
xp_prices = '//a[@class=“booking-link”]/span[@class=“price option-text”]'
prices = driver.find_elements_by_xpath(xp_prices)
prices_list = [price.text.replace('$','') for price in prices if price.text != '']
prices_list = list(map(int, prices_list))
# the stops are a big list with one leg on the even index and second leg on odd index
xp_stops = '//div[@class=“section stops”]/div[1]'
stops = driver.find_elements_by_xpath(xp_stops)
stops_list = [stop.text[0].replace('n','0') for stop in stops]
a_stop_list = stops_list[::2]
b_stop_list = stops_list[1::2]
xp_stops_cities = '//div[@class=“section stops”]/div[2]'
stops_cities = driver.find_elements_by_xpath(xp_stops_cities)
stops_cities_list = [stop.text for stop in stops_cities]
a_stop_name_list = stops_cities_list[::2]
b_stop_name_list = stops_cities_list[1::2]
# this part gets me the airline company and the departure and arrival times, for both legs
xp_schedule = '//div[@class=“section times”]'
schedules = driver.find_elements_by_xpath(xp_schedule)
hours_list = []
carrier_list = []
for schedule in schedules:
hours_list.append(schedule.text.split('\n')[0])
carrier_list.append(schedule.text.split('\n')[1])
# split the hours and carriers, between a and b legs
a_hours = hours_list[::2]
a_carrier = carrier_list[1::2]
b_hours = hours_list[::2]
b_carrier = carrier_list[1::2]
cols = (['Out Day', 'Out Time', 'Out Weekday', 'Out Airline', 'Out Cities', 'Out Duration', 'Out Stops', 'Out Stop Cities',
'Return Day', 'Return Time', 'Return Weekday', 'Return Airline', 'Return Cities', 'Return Duration', 'Return Stops', 'Return Stop Cities',
'Price'])
flights_df = pd.DataFrame({'Out Day': a_day,
'Out Weekday': a_weekday,
'Out Duration': a_duration,
'Out Cities': a_section_names,
'Return Day': b_day,
'Return Weekday': b_weekday,
'Return Duration': b_duration,
'Return Cities': b_section_names,
'Out Stops': a_stop_list,
'Out Stop Cities': a_stop_name_list,
'Return Stops': b_stop_list,
'Return Stop Cities': b_stop_name_list,
'Out Time': a_hours,
'Out Airline': a_carrier,
'Return Time': b_hours,
'Return Airline': b_carrier,
'Price': prices_list})[cols]
flights_df['timestamp'] = strftime(“%Y%m%d-%H%M”) # so we can know when it was scraped
return flights_df
尽量让这些名字容易理解。记住变量a表示旅行的去程信息，变量b表示旅行的返程信息。接下来说说下一个函数。
等等，还有什么吗？截至目前，已经有了一个能加载更多结果的函数和一个能爬取其他结果的函数。本可以在此结束这篇文章，而你可以自行手动使用这些函数，并在浏览的页面上使用爬取功能。但是前文提到给自己发送邮件和一些其他信息的内容，这都包含在接下来的函数start_kayak中。
它要求填入城市名和日期，并由此打开一个kayak字符串中的地址，该字符串直接跳转到“最佳”航班结果排序页面。第一次爬取后，可以获取价格的顶部矩阵，这个矩阵将用于计算平均值和最小值，之后和客涯（Kayak）的预测结果（页面左上角）一同发送到邮件中。这是单一日期搜索时可能导致错误的原因之一，因其不包含矩阵元素。
def start_kayak(city_from, city_to, date_start, date_end):
“““City codes it's the IATA codes!
Date format YYYY-MM-DD”““
kayak = ('https://www.kayak.com/flights/' + city_from + '-' + city_to +
'/' + date_start + '-flexible/' + date_end + '-flexible?sort=bestflight_a')
driver.get(kayak)
sleep(randint(8,10))
# sometimes a popup shows up, so we can use a try statement to check it and close
try:
xp_popup_close = '//button[contains(@id,”dialog-close”) and contains(@class,”Button-No-Standard-Style close “)]'
driver.find_elements_by_xpath(xp_popup_close)[5].click()
except Exception as e:
pass
sleep(randint(60,95))
print('loading more.....')
# load_more()
print('starting first scrape.....')
df_flights_best = page_scrape()
df_flights_best['sort'] = 'best'
sleep(randint(60,80))
# Let's also get the lowest prices from the matrix on top
matrix = driver.find_elements_by_xpath('//*[contains(@id,”FlexMatrixCell”)]')
matrix_prices = [price.text.replace('$','') for price in matrix]
matrix_prices = list(map(int, matrix_prices))
matrix_min = min(matrix_prices)
matrix_avg = sum(matrix_prices)/len(matrix_prices)
print('switching to cheapest results…..')
cheap_results = '//a[@data-code = “price”]'
driver.find_element_by_xpath(cheap_results).click()
sleep(randint(60,90))
print('loading more…..')
# load_more()
print('starting second scrape…..')
df_flights_cheap = page_scrape()
df_flights_cheap['sort'] = 'cheap'
sleep(randint(60,80))
print('switching to quickest results…..')
quick_results = '//a[@data-code = “duration”]'
driver.find_element_by_xpath(quick_results).click()
sleep(randint(60,90))
print('loading more…..')
# load_more()
print('starting third scrape…..')
df_flights_fast = page_scrape()
df_flights_fast['sort'] = 'fast'
sleep(randint(60,80))
# saving a new dataframe as an excel file. the name is custom made to your cities and dates
final_df = df_flights_cheap.append(df_flights_best).append(df_flights_fast)
final_df.to_excel('search_backups//{}_flights_{}-{}_from_{}_to_{}.xlsx'.format(strftime(“%Y%m%d-%H%M”),
city_from, city_to,
date_start, date_end), index=False)
print('saved df…..')
# We can keep track of what they predict and how it actually turns out!
xp_loading = '//div[contains(@id,”advice”)]'
loading = driver.find_element_by_xpath(xp_loading).text
xp_prediction = '//span[@class=“info-text”]'
prediction = driver.find_element_by_xpath(xp_prediction).text
print(loading+'\n'+prediction)
# sometimes we get this string in the loading variable, which will conflict with the email we send later
# just change it to “Not Sure” if it happens
weird = '¯\\_(ツ)_/¯'
if loading == weird:
loading = 'Not sure'
username = 'YOUREMAIL@hotmail.com'
password = 'YOUR PASSWORD'
server = smtplib.SMTP('smtp.outlook.com', 587)
server.ehlo()
server.starttls()
server.login(username, password)
msg = ('Subject: Flight Scraper\n\n\
Cheapest Flight: {}\nAverage Price: {}\n\nRecommendation: {}\n\nEnd of message'.format(matrix_min, matrix_avg, (loading+'\n'+prediction)))
message = MIMEMultipart()
message['From'] = 'YOUREMAIL@hotmail.com'
message['to'] = 'YOUROTHEREMAIL@domain.com'
server.sendmail('YOUREMAIL@hotmail.com', 'YOUROTHEREMAIL@domain.com', msg)
print('sent email…..')
虽然没有使用Gmail账户测试发送邮件，但是可以搜索到很多的替代方法，前文提到的那本书中也有其他方法来实现这一点。如果已有一个Hotmail账户，只要替换掉个人的详细信息，它就会开始工作了。
如果想探索脚本的某一部分正在做什么，可以将脚本复制下来并在函数外使用它。这是彻底理解它的唯一方法。
利用刚才创造的一切在这些步骤之后，还可以想出一个简单的循环来使用刚创造的函数，同时使其持续运行。完成四个“花式”提示，写下城市和日期（输入）。因为测试时不想每次都输入这些变量，需要的时候可以使用以下这个清楚的方式进行替换。
如果已经做到了这一步，恭喜你！改进还有很多，比如与Twilio集成，发送文本消息而不是邮件。也可以使用VP*或更加难懂的方式同时从多个服务器上研究搜索结果。还有就是验证码的问题，验证码会时不时地跳出来，但对此类问题还是有解决办法的。不过，能走到这里已经是有很牢固的基础了，你可以尝试添加一些额外的要素。
使用脚本运行测试的示例
留言 点赞 关注
我们一起分享AI学习与发展的干货
欢迎关注全平台AI垂类自媒体 “读芯术”