100天精通Python（实用脚本篇）——第118天：基于selenium和ddddocr库实现反反爬策略之验证码识别

文章目录

  • 专栏导读
  • 一、前言
  • 二、ddddocr库使用说明
    • 1. 介绍
    • 2. 算法步骤
    • 3. 安装
    • 4. 参数说明
    • 5. 纯数字验证码识别
    • 6. 纯英文验证码识别
    • 7. 英文数字验证码识别
    • 8. 带干扰的验证码识别
  • 三、验证码识别登录代码实战
    • 1. 输入账号密码
    • 2. 下载验证码
    • 3. 识别验证码并登录
  • 书籍推荐

专栏导读

🔥🔥本文已收录于《100天精通Python从入门到就业》：本专栏专门针对零基础和需要进阶提升的同学所准备的一套完整教学，从0到100的不断进阶深入，后续还有实战项目，轻松应对面试，专栏订阅地址：https://blog.csdn.net/yuan2019035055/category_11466020.html

  • 优点：订阅限时9.9付费专栏进入千人全栈VIP答疑群，作者优先解答机会（代码指导、远程服务），群里大佬众多可以抱团取暖（大厂内推机会）
  • 专栏福利：简历指导、招聘内推、每周送实体书、80G全栈学习视频、300本IT电子书：Python、Java、前端、大数据、数据库、算法、爬虫、数据分析、机器学习、面试题库等等
    在这里插入图片描述
    在这里插入图片描述

一、前言

兄弟们使用selenium自动登录网站的时候，是不是经常遇到数字验证码，使用传统的OCR库识别效果又不是很好，今天介绍一款效果非常棒的验证码识别模块——ddddocr。

在这里插入图片描述

二、ddddocr库使用说明

1. 介绍

ddddocr（带带弟弟ocr）是一个用于文字识别的开源库。它是基于深度学习技术的，具有高度的准确性和鲁棒性。ddddocr使用了深度神经网络来处理各种类型的文本，包括印刷体和手写体等。其双解码机制使其在处理复杂文本时表现出色。

这个库的特点之一是其模型结构的密集性（Dense），这意味着它能够更好地捕捉文本中的细节和特征，从而提高了识别的准确性。此外，它还采用了双解码机制（Dual Decode），这意味着它可以同时从多个角度对图像进行解码，进一步提高了识别的鲁棒性和准确性。

Github地址：https://github.com/sml2h3/ddddocr

2. 算法步骤

ddddocr这个库的算法主要包括以下几个步骤：

  1. 图像预处理：

    • 图像预处理是任何OCR系统中的第一步。它旨在使图像更容易处理，并提高文本识别的准确性。预处理步骤可能包括灰度化、二值化、去噪声、图像增强等操作，以减少后续步骤中的噪声和干扰。

  2. 文本检测：

    • 文本检测是指识别图像中文本的位置和边界框。这一步通常使用深度学习技术，如卷积神经网络 (CNN) 或循环神经网络 (RNN) 来实现。检测到的文本通常用矩形边界框表示。

  3. 文本识别：

    • 文本识别是从检测到的文本区域中提取出实际的文本内容。这通常涉及到使用循环神经网络 (RNN)、注意力机制或转录网络等模型来识别文本。这些模型可以是基于字符的，也可以是基于单词或子词的。

  4. 后处理：

    • 后处理步骤旨在提高识别准确性并改善结果的质量。这可能包括语言模型的应用、纠正错误、识别字体或手写风格等。

  5. 输出结果：

    • 最终结果通常以文本形式呈现，或者以标记文本的边界框和对应的文本内容的形式提供。

ddddOCR库可能会结合这些步骤，利用深度学习模型和传统的计算机视觉技术来实现文本识别。在不同的应用场景下，可能会有一些额外的步骤或优化，比如针对特定的文档类型进行优化、处理不同语言的文本等。

3. 安装

硬性要求 Python >= 3.8，通过pip命令进行安装：

pip install ddddocr

4. 参数说明

我们这里使用的是ddddocr.DdddOcr()类：

class DdddOcr(object):
    def __init__(self, ocr: bool = True, det: bool = False, old: bool = False, beta: bool = False,
                 use_gpu: bool = False,
                 device_id: int = 0, show_ad=True, import_onnx_path: str = "", charsets_path: str = "")

这个__init__方法是一个Python类的构造函数，它定义了类的初始化过程，其中包含了一系列参数。让我来解释一下这些参数的含义：

  1. ocr: 这是一个布尔类型的参数，用于指定是否进行光学字符识别（OCR）。默认值为True，表示默认情况下会进行OCR。

  2. det: 这也是一个布尔类型的参数，用于指定是否进行文本检测（Text Detection）。默认值为False，表示默认情况下不会进行文本检测。

  3. old: 这是一个布尔类型的参数，用于指定是否使用旧版本的模型或方法。默认值为False，表示默认情况下不使用旧版本。

  4. beta: 这也是一个布尔类型的参数，用于指定是否使用测试版本（beta版本）的功能或方法。默认值为False，表示默认情况下不使用测试版本。

  5. use_gpu: 这是一个布尔类型的参数，用于指定是否使用GPU来进行计算。默认值为False，表示默认情况下不使用GPU，而使用CPU。

  6. device_id: 这是一个整数类型的参数，用于指定在使用GPU时要使用的GPU设备的ID。默认值为0，表示默认情况下使用ID为0的GPU设备。

  7. show_ad: 这是一个布尔类型的参数，用于指定是否显示广告。默认值为True，表示默认情况下会显示广告。

  8. import_onnx_path: 这是一个字符串类型的参数，用于指定导入ONNX模型的路径。默认值为空字符串，表示默认情况下不导入任何ONNX模型。

  9. charsets_path: 这是一个字符串类型的参数，用于指定字符集的路径。默认值为空字符串，表示默认情况下字符集的路径未指定。

这个类中有一个classification方法，需要传递一个图片对象进入就可以识别了：

    def classification(self, img, png_fix: bool = False):
        if self.det:
            raise TypeError("当前识别类型为目标检测")
        if not isinstance(img, (bytes, str, pathlib.PurePath, Image.Image)):
            raise TypeError("未知图片类型")
        if isinstance(img, bytes):
            image = Image.open(io.BytesIO(img))
        elif isinstance(img, Image.Image):
            image = img.copy()
        elif isinstance(img, str):
            image = base64_to_image(img)
        else:
            assert isinstance(img, pathlib.PurePath)
            image = Image.open(img)
        if not self.use_import_onnx:
            image = image.resize((int(image.size[0] * (64 / image.size[1])), 64), Image.ANTIALIAS).convert('L')
        else:
            if self.__resize[0] == -1:
                if self.__word:
                    image = image.resize((self.__resize[1], self.__resize[1]), Image.ANTIALIAS)
                else:
                    image = image.resize((int(image.size[0] * (self.__resize[1] / image.size[1])), self.__resize[1]),
                                         Image.ANTIALIAS)
            else:
                image = image.resize((self.__resize[0], self.__resize[1]), Image.ANTIALIAS)
            if self.__channel == 1:
                image = image.convert('L')
            else:
                if png_fix:
                    image = png_rgba_black_preprocess(image)
                else:
                    image = image.convert('RGB')
        image = np.array(image).astype(np.float32)
        image = np.expand_dims(image, axis=0) / 255.
        if not self.use_import_onnx:
            image = (image - 0.5) / 0.5
        else:
            if self.__channel == 1:
                image = (image - 0.456) / 0.224
            else:
                image = (image - np.array([0.485, 0.456, 0.406])) / np.array([0.229, 0.224, 0.225])
                image = image[0]
                image = image.transpose((2, 0, 1))

        ort_inputs = {'input1': np.array([image]).astype(np.float32)}
        ort_outs = self.__ort_session.run(None, ort_inputs)
        result = []

5. 纯数字验证码识别

测试图片：

在这里插入图片描述

测试代码：

import ddddocr
import time


start = time.time() # 开始时间

# 1. 创建DdddOcr对象
ocr = ddddocr.DdddOcr(show_ad=False)

# 2. 读取图片
with open('test.png', 'rb') as f:
    img = f.read()

# 3. 识别图片内验证码并返回字符串
result = ocr.classification(img)
print("识别结果：",result)

end = time.time()
print("耗时：%s 秒" % str(start-end))

运行结果：

识别结果： 0413
耗时：-0.12942123413085938 秒

6. 纯英文验证码识别

测试图片：
在这里插入图片描述

运行结果：

识别结果： bcsm
耗时：-0.11309981346130371 秒

7. 英文数字验证码识别

测试图片：

在这里插入图片描述

运行结果：

识别结果： a72c
耗时：-0.09667587280273438 秒

8. 带干扰的验证码识别

测试图片：

在这里插入图片描述

运行结果：

识别结果： i27kYk
耗时：-0.09169244766235352 秒

可以看到ddddocr库识别验证码还是特别给力的！！！

三、验证码识别登录代码实战

上一期我们讲了如何使用selenium输入账号信息登录网站，还不会的可以去复习一下：https://blog.csdn.net/yuan2019035055/article/details/136284263

测试网站：https://captcha7.scrape.center/

在这里插入图片描述

1. 输入账号密码

运行下面代码将会输入账号密码：

from selenium import webdriver
from selenium.webdriver.common.by import By
import time

# 1. 创建链接
# 创建ChromeOptions对象，用于配置Chrome浏览器的选项
chrome_options = webdriver.ChromeOptions()
# 添加启动参数，'--disable-gpu'参数用于禁用GPU加速，适用于部分平台上的兼容性问题
chrome_options.add_argument('--disable-gpu')

# 2. 添加请求头伪装浏览器
chrome_options.add_argument(
    'user-agent=Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/103.0.0.0 Safari/537.36')
driver = webdriver.Chrome(chrome_options=chrome_options)

# 3. 执行 `stealth.min.js` 文件进行隐藏浏览器指纹
with open('stealth.min.js') as f:
    js = f.read()
driver.execute_cdp_cmd("Page.addScriptToEvaluateOnNewDocument", {
    "source": js
})

# 4. 最大化浏览器窗口
driver.maximize_window()

# 5. 发送请求，打开网页
driver.get('https://captcha7.scrape.center/')
time.sleep(1)


# 6. 输入账号密码
username_input = driver.find_element(by=By.XPATH, value="//div[@class='el-tooltip username item el-input']/input") # 定位账号框
username_input.send_keys("your_username")  # 输入账号信息（这里自行替换）

password_input  = driver.find_element(by=By.XPATH, value="//div[@class='el-tooltip password item el-input']/input") # 定位密码框
password_input .send_keys("your_username")  # 输入密码信息（这里自行替换）

time.sleep(100)

运行结果：

在这里插入图片描述

2. 下载验证码

1、先找到验证码图片的ID：

在这里插入图片描述
ID为：

captcha

2、定位验证码：

element = driver.find_element(By.ID, 'captcha') # 定位验证码

3、使用screenshot('test.png')方法保存截图在本地：

element.screenshot('test.png') # 保存截图

完整代码：

from selenium import webdriver
from selenium.webdriver.common.by import By
import time

# 1. 创建链接
# 创建ChromeOptions对象，用于配置Chrome浏览器的选项
chrome_options = webdriver.ChromeOptions()
# 添加启动参数，'--disable-gpu'参数用于禁用GPU加速，适用于部分平台上的兼容性问题
chrome_options.add_argument('--disable-gpu')

# 2. 添加请求头伪装浏览器
chrome_options.add_argument(
    'user-agent=Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/103.0.0.0 Safari/537.36')
driver = webdriver.Chrome(chrome_options=chrome_options)

# 3. 执行 `stealth.min.js` 文件进行隐藏浏览器指纹
with open('stealth.min.js') as f:
    js = f.read()
driver.execute_cdp_cmd("Page.addScriptToEvaluateOnNewDocument", {
    "source": js
})

# 4. 最大化浏览器窗口
driver.maximize_window()

# 5. 发送请求，打开网页
driver.get('https://captcha7.scrape.center/')
time.sleep(1)


# 6. 输入账号密码
username_input = driver.find_element(by=By.XPATH, value="//div[@class='el-tooltip username item el-input']/input") # 定位账号框
username_input.send_keys("your_username")  # 输入账号信息（这里自行替换）

password_input  = driver.find_element(by=By.XPATH, value="//div[@class='el-tooltip password item el-input']/input") # 定位密码框
password_input .send_keys("your_username")  # 输入密码信息（这里自行替换）


# 7. 下载验证码
element = driver.find_element(By.ID, 'captcha') # 定位验证码
element.screenshot('test.png') # 保存截图

运行结束就会在当前路径下保存验证码图片：

在这里插入图片描述

注意：当网站的验证码图片没法定位下载的时候，可以使用Python定位屏幕指定位置截图的模块，如：pyautogui等等，进行截图下载验证码图片

3. 识别验证码并登录

接下来需要识别验证码内容，定位验证码文本框，输入验证码，点击登录，完整代码如下：

from selenium import webdriver
from selenium.webdriver.common.by import By
import time
import ddddocr


# 1. 创建链接
# 创建ChromeOptions对象，用于配置Chrome浏览器的选项
chrome_options = webdriver.ChromeOptions()
# 添加启动参数，'--disable-gpu'参数用于禁用GPU加速，适用于部分平台上的兼容性问题
chrome_options.add_argument('--disable-gpu')

# 2. 添加请求头伪装浏览器
chrome_options.add_argument(
    'user-agent=Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/103.0.0.0 Safari/537.36')
driver = webdriver.Chrome(chrome_options=chrome_options)

# 3. 执行 `stealth.min.js` 文件进行隐藏浏览器指纹
with open('stealth.min.js') as f:
    js = f.read()
driver.execute_cdp_cmd("Page.addScriptToEvaluateOnNewDocument", {
    "source": js
})

# 4. 最大化浏览器窗口
driver.maximize_window()

# 5. 发送请求，打开网页
driver.get('https://captcha7.scrape.center/')
time.sleep(1)


# 6. 输入账号密码
username_input = driver.find_element(by=By.XPATH, value="//div[@class='el-tooltip username item el-input']/input") # 定位账号框
username_input.send_keys("your_username")  # 输入账号信息（这里自行替换）

password_input  = driver.find_element(by=By.XPATH, value="//div[@class='el-tooltip password item el-input']/input") # 定位密码框
password_input .send_keys("your_username")  # 输入密码信息（这里自行替换）


# 7. 下载验证码
element = driver.find_element(By.ID, 'captcha') # 定位验证码
element.screenshot('test.png') # 保存截图


# 8. 识别验证码
# 创建DdddOcr对象
ocr = ddddocr.DdddOcr(show_ad=False)
# 读取图片
with open('test.png', 'rb') as f:
    img = f.read()
# 识别图片内验证码并返回字符串
result = ocr.classification(img)
print("识别结果：",result)


# 9. 输入验证码
yzm = driver.find_element(by=By.XPATH, value="//div[@class='captcha el-input']/input") # 定位账号框
yzm.clear()  # 清空默认文本
yzm.send_keys(result)

# 10. 点击登录按钮元素
login_button = driver.find_element(by=By.XPATH, value="//button[@class='el-button login el-button--primary']")
# 点击登录按钮
login_button.click()

time.sleep(100)

运行结果：

在这里插入图片描述

书籍推荐

《Python机器学习 》
在这里插入图片描述
《Python机器学习》首先介绍Python机器学习的一些基本库，包括NumPy、Pandas和matplotlib。一旦牢固地掌握了基础知识，即可开始基于Python和Scikit-learn库进行机器学习，深入了解各种机器学习算法(如回归、聚类和分类)的底层工作原理。本书专门用一章的篇幅讲解如何使用Azure Machine Learning Studio进行机器学习；利用该平台，开发人员不必编写代码即可开始构建机器学习模型。本书最后讨论如何部署供客户端应用程序使用的已构建模型。

《Python机器学习》面向机器学习新手，主要内容如下：

● Python机器学习的一些基本库，包括NumPy、Pandas和matplotlib库

● 常见的机器学习算法，包括回归、聚类、分类和异常检测

● 使用Python和Scikit-learn库进行机器学习

● 将机器学习模型部署为Web服务

● 使用Microsoft Azure Machine Learning Studio进行机器学习

● 演习机器学习模型构建方案的实例

京东：https://item.jd.com/12672565.html

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：/a/465843.html

如若内容造成侵权/违法违规/事实不符，请联系我们进行投诉反馈qq邮箱809451989@qq.com，一经查实，立即删除！

相关文章

TCP-IP 知识汇总

TCP-IP 知识汇总

开放式系统互联模型------国际化标准组织ISO提出----协议组（协议模型） 应用层：接收用户数据，人机交互的接口 表示层：将编码转换为二进制（加密、解密）---统一格式 会话层：针对传输…
阅读更多...
Docker进阶：离线安装docker社区版（docker-18.06.3-ce）

Docker进阶：离线安装docker社区版（docker-18.06.3-ce）

Docker进阶：离线安装docker社区版（docker-18.06.3-ce） 1、准备离线安装所需的文件2、传输文件至目标Linux系统3、卸载旧版Docker4、离线安装Docker1、解压上传的Docker安装包2、拷贝文件到/usr/bin目录3、将 Docker 注册为系统服务4、重新加载…
阅读更多...
linux 使用docker安装 postgres 教程，踩坑实践

linux 使用docker安装 postgres 教程，踩坑实践

linux 使用docker安装 postgres 教程 踩坑实践,安装好了不能远程访问。 防火墙已关闭、postgres 配置了允许所有ip 访问、网络是通的。端口也是开放的，就是不能用数据库链接工具访问。 最后发现是云服务器端口没开 ,将其打开 到这一步完全正确了，但是…
阅读更多...
如何培养员工应用六西格玛解决问题的能力？

如何培养员工应用六西格玛解决问题的能力？

近年来，为了提高工作效率和产品质量，许多企业开始引入六西格玛管理方法。然而，仅仅引入六西格玛并不足以确保成功，培养员工应用六西格玛解决问题的能力才是关键。那么，如何培养员工应用六西格玛解决问题的能力呢&#…
阅读更多...
【强化学习】安装gym==0.18.3报错的解决方法

【强化学习】安装gym==0.18.3报错的解决方法

安装gym0.18.3报错的解决方法 Collecting gym0.18.3 Using cached gym-0.18.3.tar.gz (1.6 MB) Preparing metadata (setup.py) … error error: subprocess-exited-with-error python setup.py egg_info did not run successfully. │ exit code: 1 ╰─> [1 lines of o…
阅读更多...
Linux查看进程的一些方法

Linux查看进程的一些方法

ps ps （英文全拼：process status）命令用于显示当前进程的状态，类似于 windows 的任务管理器。可以搭配kill指令随时中断、删除不必要的程序。ps命令是最基本同时也是非常强大的进程查看命令，使用该命令可以确定有哪些…
阅读更多...
第111讲：Mycat实践指南：固定Hash算法分片下的水平分表详解

第111讲：Mycat实践指南：固定Hash算法分片下的水平分表详解

文章目录 1.固定Hash算法分片的概念1.1.固定Hash算法的概念1.2.固定Hash算法是如何将数据路由到分片节点的 2.使用固定Hash算法分片对某张表进行水平拆分2.1.在所有的分片节点中创建表结构2.2.配置Mycat实现固定Hash算法分片的水平分表2.2.1.配置Schema配置文件2.2.2.配置Rule分…
阅读更多...
微信开发者工具如何使用？使用注意事项

微信开发者工具如何使用？使用注意事项

（1）单位如何进行换算？ 1 px 750/屏幕宽度 rpx 1 rpx 屏幕宽度/750 px （2）如何新建文件？ 1> 点开app.json 2> 在“pages/index/index”后面接“，pages/自定义文件夹名/自定义文件名”…
阅读更多...
FPGA 学习需要哪些东西？

FPGA 学习需要哪些东西？

FPGA 学习需要哪些东西？ 三样东西：第一就是完整的理论，第二一套开发板，第三可练手的项目 第一，一套完整的课程， 这个课程必须是紧跟技术发展的，适应市场的，这样不至于学完后发现太…
阅读更多...
开源Ai对话系统(MNAi)系统

开源Ai对话系统(MNAi)系统

支持对接gpt，阿里云，腾讯云/chatGPT源码/AI绘画系统/AI创作系统/AI写作系统 具体看截图 后端环境：PHP7.4MySQL5.6 软件：uniapp 部署教程请看源码内的【使用教程】文档 源码免费下载地址抄笔记 chaobiji.cn
阅读更多...
【计算机网络篇】物理层（3）编码与调制

【计算机网络篇】物理层（3）编码与调制

文章目录 🍔编码与调试⭐基本概念 🍔基本的带通调制方法和混合调制方法⭐基本的带通调制方法⭐混合调制方法 🍔编码与调试 物理层是OSI模型中的第一层，它负责在物理媒体上传输原始比特流。在物理层的编码和调试中，我们…
阅读更多...
leetcode106从中序与后序遍历序列构造二叉树

leetcode106从中序与后序遍历序列构造二叉树

目录 1.解题关键2.思路3.变量名缩写与英文单词对应关系4.算法思路图解5.代码 本文针对原链接题解的比较晦涩的地方重新进行说明解释 原题解链接：https://leetcode.cn/problems/construct-binary-tree-from-inorder-and-postorder-traversal/solutions/50561/tu-jie-…
阅读更多...
3D Tiles语义分割流水线

3D Tiles语义分割流水线

Dylan Chua 和 Anne Lee 开发了一个处理管线，用于对 3D Tiles 中包含的 GL 传输格式 (glTF) 模型进行语义分割。 该管道读取并遍历 3D Tileset，以输出包含元数据的经过转换的划分对象集。 该项目为 3D 语义分割器提供了最小可行产品，作为各种…
阅读更多...
STM32CubeIDE基础学习-BEEP蜂鸣器实验

STM32CubeIDE基础学习-BEEP蜂鸣器实验

STM32CubeIDE基础学习-BEEP蜂鸣器实验 文章目录 STM32CubeIDE基础学习-BEEP蜂鸣器实验前言第1章 硬件介绍第2章 工程配置2.1 工程外设配置部分2.2 生成工程代码部分 第3章 代码编写第4章 实验现象总结 前言 前面学习了LED闪烁实验，现在来学习一下蜂鸣器发声实验&am…
阅读更多...
JVM工作原理与实战(四十四)：JVM常见面试题目

JVM工作原理与实战(四十四)：JVM常见面试题目

专栏导航 JVM工作原理与实战 RabbitMQ入门指南 从零开始了解大数据 目录 专栏导航 前言 一、JVM常见面试题目 1.有哪些常用的垃圾回收器？ 2.什么是内存泄漏，如何解决内存泄漏问题？ 3.请列举并简要描述一些常用的JVM工具及其主要功能。 …
阅读更多...
用python写网络爬虫：3.urllib库进一步的使用方法

用python写网络爬虫：3.urllib库进一步的使用方法

文章目录 异常处理URLErrorHTTPError设置超时时间 链接的解析、构造、合并urlparse方法urlsplit方法urljoin方法urlencode方法parse_qs方法quote方法 Robots 协议Robots 协议的结构解析协议 参考书籍 在上一篇文章：用python写网络爬虫：2.urllib库的基本用…
阅读更多...
Nginx底层基础数据结构

Nginx底层基础数据结构

基础数据结构 ngx_int_t 32位操作系统4字节,64位操作系统8字节 解决跨平台以及,普通int类型在x86和x64操作系统上面是4字节,在类型转换时造成内存浪费(如在x64下面转换long类型) typedef intptr_t ngx_int_t;#ifdef _WIN64 typedef __int64 intptr_t; #else typedef _…
阅读更多...
Canal实现mysql与缓存同步

Canal实现mysql与缓存同步

什么是Canal Canal是阿里巴巴旗下的一款开源项目, 基于java开发. Canal是基于mysql的主从同步来实现的. github地址: https://github.com/alibaba/canal Canal把自己伪装成MySQL的一个slave节点, 从而监听master的binary log变化. 再把得到的变化信息通知给Canal的客户端, 进而…
阅读更多...
vue3 element plus 上传下载

vue3 element plus 上传下载

文章目录 上传下载 上传 /* html */ <el-upload v-model"fileId" class"avatar-uploader" ref"exampleUploadRef" :file-list"fileList" :show-file-list"false" action"/ys-three-year/ThreeReport/uploadFile&q…
阅读更多...
Python从0到100（五）：Python分支结构和循环结构

Python从0到100（五）：Python分支结构和循环结构

一、分支结构&#xff1a; Python中的分支结构和循环结构是编写程序时常用的控制结构。在Python中&#xff0c;分支结构通过if、elif和else关键字来实现条件判断。在使用if语句时&#xff0c;程序会根据条件表达式的真假执行相应的代码块。 if condition1:# 如果条件1为真&am…
阅读更多...
最新文章

Copyright @ 2022~2023