На данный момент я использую модуль запросов с python. Я использую «r.status_code == 200», чтобы проверить, действителен ли ответ. Но для моего проекта прямо сейчас это дало мне ложные позитивы. Мне было бы лучше проверить, действителен ли ответ, с проверкой ключевого слова в исходном коде или что-то в этом роде, возможно ли это?
Запросы Python проверяют, успешны ли [дубликаты]
09.06.2019
- Проверьте документацию, пожалуйста. 2.python-requests.org/en/master/user /быстрый запуск/ 09.06.2019
- Используйте
r.content
и проверьте, содержит ли контент то, что вы ищете. 09.06.2019 r.contents
дает вам байты ответов,r.text
дает вам строковую/текстовую форму. 09.06.2019
Ответы:
1
Если я правильно понимаю ваш вопрос, ваш запрос может вернуть вам пустые или недействительные данные, которые вам не нужны.
Не зная, что возвращает этот запрос, вы можете искать определенные поля в запросе, например, если запрос возвращает json, ищите определенные поля, используя if json_file.get("field_name", False)
09.06.2019
Новые материалы
Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально
Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
Частный метод Python: улучшение инкапсуляции и безопасности
Введение
Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования
Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv)
Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..