【银行业正处于快速数字化转型中，怎么发展？往哪里走？最后能到哪里？确切的方向谁也说不完整，广征意见中的各类奇思怪想满天飞。总结起来有这么几类：一是提高工作效率类。如通过系统提高自动化处理比例，将日常工作中某些规律性业务交由系统自动处理，提高单位时间内工作效率，如报表自动统计、业务机器人等；二是提升客户体验感类。如通过系统处理常规业务弥补客服人员的有限性，减少客户等待时间，方便客户自主操作，例如ATM机、银企对账机、智能开卡机等取款、查询打印等易于理解、不会产生歧义类常规业务；三是大数据分析类。如根据退休人员购买理财产品等情况，提供更符合该类客户在安全、稳定收益方面需求的产品。
本人是银行窗口服务方面小小负责人，希望在数据化转型方面通过系统建设等方式，提高柜面服务质量、服务效率，更好的为服务对象提供更优质服务。各位如在办理银行业务方面，不管是线下还是线上如遇到什么问题，如您方便，随时可以在评论区吐槽或反应，不胜感激！
在实际工作中，技术人员与业务人员面对对象不一样，思维也相差挺大，为了体验技术人员可能的思路， 我试着学学编程。作为只是尝试，所以仅仅是通过简单的编程解决工作上一些小问题，偏实用性，如excel报表汇总、数据查询等,为了提高兴趣，也收集并按自己想法更改了一些爬虫程序，如批量下载电影、图片、音乐等，后续将陆续发布，如有侵权请知会立删】
python实用代码2：自动爬找下载电影
学习python有一点很吸引人，就是爬虫技术，不知初学者们有无同感？能自动搜索到自己需要的各种数据！ 其中，自动下载电影更让人兴奋，试想：一打开程序运行后，同时有几千部电影等待下载，下载一晚上，硬盘满满当当的几千电影，多么壮观！收集整理代码如下，仅供交流学习。
#coding=utf-8
import requests
import bs4
import pandas as pd
import os
import pyperclip
def get_data(url): #1、网络请求
#访问指定的 url 网页
headers = {
'accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8',
'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/68.0.3440.106 Safari/537.36',
}
r = requests.get(url, headers=headers)
r.raise_for_status()
r.encoding = r.apparent_encoding
return r.text
def parse_data(html): #2. 网页解析
#根据 url 获取到的网页内容
bsobj = bs4.BeautifulSoup(html,'html.parser')
info = []
# 获取电影列表
tbList = bsobj.find_all('table', attrs = {'class': 'tbspan'})
# 对电影列表中的每一部电影单独处理
for item in tbList:
movie = []
link = item.b.find_all('a')[1]
#print(link)
# 获取电影的名称
name = link['title']
# 获取详情页面的 url
url = 'https://www.dy2018.com' + link["href"]
# 将数据存放到电影信息列表里
# 访问电影的详情页面，查找电影下载的磁力链接
temp = bs4.BeautifulSoup(get_data(url),'html.parser')
tbody = temp.find_all('tbody')
# 下载链接有多个（也可能没有），这里将所有链接都放进来
for i in tbody:
download = i.a.text
#if 语句的判断，如果下载链接中包含 magnet:?xt=urn:btih 字符串，则视为有效链接，下载下来，否则跳过。
if 'magnet:' in download:
movie.append(name)
movie.append(url)
movie.append(download)
# 将此电影的信息加入到电影列表中
info.append(movie)
break
return info
def save_data(data): #3.数据存储
#将 data 中的信息输出到文件中/或数据库中,保存的数据
try:
os.mkdir("D:/film") #创建文件用于存储爬取到的数据
except:
""
file_name = 'D:/film/影片.csv'
data_frame = pd.DataFrame(data)
data_frame.to_csv(file_name, mode='a', index=False, sep=',', header=False)
def download(links):#下载电影
imageData = pd.read_csv('D:/film/影片.csv',names=['name','link','download'])
# 获取电影的下载链接，并用换行符分隔
a_link = imageData['download']
links = '\n'.join(a_link)
# 复制到剪切板
pyperclip.copy(links)
# 打开迅雷
thunder_path = r'C:\Program Files (x86)\ThunderNetwork\Thunder\Program\ThunderStart.exe'
os.startfile(thunder_path)
def main(): #4. 爬虫
#循环爬取多页数据
"""
1、剧情片
2、喜剧片
3、动作片
4、爱情片
5、科幻片
6、动画片
7、悬疑片
8、惊悚片
9、恐怖片
10、纪录片
11、音乐歌舞题材电影
12、传记片
13、历史片
14、战争片
15、犯罪片
16、奇幻电影
17、冒险电影
18、灾难片
19、武侠片
20、古装片
"""
StaNO=int(input("请输入下载起始影视种类： ")) #1-20
EndNO=int(input("请输入下载结束影视种类： ")) #1-20
#每类电影下载页数选择
page_stanum=int(input("请输入下载起始页面： "))
page_endnum=int(input("请输入下载结束页面： "))
for NOnum in range(StaNO,EndNO):
for page in range(page_stanum,page_endnum):
print('正在爬取：第' + str(NOnum)+'-'+str(page) + '页......')
# 根据之前分析的 URL 的组成结构，构造新的 url
if page == 1:
index = 'index'
else:
index = 'index_' + str(page)
url = 'https://www.dy2018.com/'+str(NOnum)+'/' + index +'.html'
# 依次调用网络请求函数，网页解析函数，数据存储函数，爬取并保存该页数据
html = get_data(url)
movies = parse_data(html)
links = save_data(movies)
print('第' +str(NOnum)+'-'+ str(page) + '页完成！')
download(links)
if __name__ == '__main__': #5. 程序入口
main()