dex2jar-2.0 + jd-gui-1.4.0 + apktool2.3.0 + Smali2Java 最新反编译全套工具整理,用以反编译android apk源码。 内含详细安装/使用说明! 本工具内jd-gui-1.4.0包含windows、linux、mac等多个版本!
2023-03-09 11:13:19 53.93MB apktool dex2jar jd-gui
1
class编辑器
2023-03-05 17:33:59 1.21MB class
1
看到心仪的产品秒杀不到?错过了“茅台”,还错过了“布洛芬”? 那是因为你没有和竞争对手站在同一起跑线上,你拼的是手速,别人拼的是黑科技。 市面上秒杀软件琳琅满目,但大多都是收费软件,作为奉行开源至上,热衷白嫖,让我们花钱那是不可能的。 今天小编为大家带来一款秒杀助手,在Github上短短一个月就获得了2.2K的stars。项目以某东作为下单对象,可以帮助用户全天候监听商品库存,并在有货时第一时间自动尝试下单,且下单成功后支持微信通知触达。由于货源有限,监听到货源后并不能保证一定下单成功,只能保证让你和全国黄牛站在同一起跑线上,剩下的交给奇迹。 目前该项目支持两种运行模式:Python脚本模式和GUI图形界面模式,但仅Python脚本模式支持日志和微信通知,用户可根据自身条件选择启动方式。
2023-02-15 13:32:22 40.61MB 抢单 抢单助手 秒杀 python
1
java 反编译工具 java 反编译工具 java 反编译工具 java 反编译工具 java 反编译工具
2023-01-12 11:01:24 771KB java 反编译工具
1
仅用作学习交流用。jd_book爬虫,用scrapy框架,爬取https://book.jd.com/booksort.html大分类全部的书数据。爬取了分类名,分类链接地址,分类下的图书名,图片,作者,出版社,出版时间,SKU(获取JSON用的,包括价格),价格。
2022-12-27 15:12:51 107KB jd_book爬虫 scrapy xpath
1
dex2jar , jd-gui ,apktool反编译三件套 apktool,作用:资源文件获取,可以提取出图片文件和布局文件进行使用查看 dex2jar,作用:将apk反编译成java源码(classes.dex转化成jar文件) jd-gui,作用:查看APK中classes.dex转化成出的jar文件,即源码文件
2022-12-20 22:20:53 39.31MB dex2.jar jd-gui.jar apktool
1
jd-gui mac 系统下,打开jar包查看代码的工具,用于查看反编译成功后生成的jar jd-gui mac 系统下,打开jar包查看代码的工具,用于查看反编译成功后生成的jar
2022-12-19 15:46:32 1.38MB mac jar包查看
1
只能用作自己备份用。 JD库 如果您是第一次安装,请等待1-2分钟后执行:docker exec -it jd bash git_pull,如你是分开的,请更换网络模式添加-网络主机,食用方法。!↓: docker run -dit \ -v home/jd/config:/jd/config \ -v home/jd/log:/jd/log \ -p 5678:5678 \ -e ENABLE_HANGUP=true \ -e ENABLE_WEB_PANEL=true \ --name jd \ --hostname jd \ --restart always \ 1554537386/jd:gitee 执行上面命令之后建议执行'docker logs -f jd'查看安装进度,直到出现Welcome to Node.js v1x
2022-12-13 20:22:17 1.93MB JavaScript
1
爬取京东商城上的商品详情页信息,包括价格、图片等内容。
2022-12-12 21:31:38 11KB 爬虫,京东
1
基于深度学习LSTM算法的电商评论的情感分析(JD商城数据)全部资料.zip实验流程 对京东网站进行分析,并且通过分布式爬虫进行数据采集 对采集到的数据进行清洗,包括删掉重复数据,删掉垃圾数据等 对清理好的数据进行分词,停词等操作,并对结果保存到新的文档 将分词之后的数据,通过word2vec,建立词向量和索引表 对清洗后的数据,进行数据处理,将分数为1、2的定为不满意,将分数为3,4,5的定为满意 平衡正负样本数据,并且通过样本数据选出合适的文本长度值 词响亮与标签结合,生成可供训练的样本数据 建立分批(batch)函数 通过Tensorflow中的rnn模块进行lstm建模 开始训练,每1000次输出一次结果,每10000次,保存一下模型 绘制loss和accurate图像 实验总结 情感分析是一项非常重要的工作,无论是对商品满意度,电影满意度,政府满意度或者是群众情绪导向等多个领域,情感分析都是饰演着重要的角色,本实验通过大规模分布式爬虫对数据进行采集,获得到了目标数据,然后进行了数据处理,通过word2vec模型建立出了词向量和索引,在通过LSTM算法,进行了模型训练,根据最终