headers = {
'content-type': 'text/xml',
'SOAPAction': 'http://schemas.microsoft.com/exchange/2010/Autodiscover/Autodiscover/GetFederationInformation',
'User-Agent': 'AutodiscoverClient',
'Accept-Encoding':'utf-8',
乱码问题成功解决：
导语最近用到处理soap接口协议，使用post方法发送数据在这个地方停留许久，故将解决方法记录下来soapsoap 依赖于XML文件首先要处理XML文件python中有xmltodict,dicttoxml两个库可以使用使用方法两种解决方法：一种是 requests方法另一种是使用suds库两种方法可参考：Call a SOAP Service with plain old requestsCalling a SOAP WebService with Python Suds# C
python 自动化接口soap协议
1.传参：参数我是按照字符串的形式传进去的，注意是三引号字符串，当时原本想的是传参的区域改变完数据直接加上三引号来拼接，结果是不行的，需要json.dumps格式就行了。
2.读文件：这个地方遇到的一个坑是自认为解析完之后就可以了，和request爬虫一个原理，这个地方同样需要json来转化。
遇到的第二个问题，接口有限制1分钟之内不能重复发送请求，所以捕捉异...
上文中webservice学习(1) ，使用soaplib建立了一个超简单的webservice服务，也是用suds调用成功了，那如果想使用http包自己组成一个soap消息来调用接口怎么办呢？
这个时候我们就想到使用wsdl这个文件了，我看了些wsdl的文档，也参照这其他人使用java，php等语言实现的soap消息调用的格式来写，但是怎么调试都没成功。。
就是说他总是会返回500或
TF-IDF（term frequency-inverse document frequency）是一种在文本挖掘、信息检索、自然语言处理等领域中广泛使用的算法，用于衡量某一个词在文档中的重要性。
在 Python 中，可以使用 scikit-learn 库中的 TfidfVectorizer 类来实现 TF-IDF 算法。
首先，需要导入 TfidfVectorizer 类：
```python
from sklearn.feature_extraction.text import TfidfVectorizer
然后，实例化 TfidfVectorizer 类，并传入相应的参数：
```python
vectorizer = TfidfVectorizer(input='content', # 输入的是文本内容
encoding='utf-8', # 编码格式
decode_error='strict', # 解码错误的处理方式
strip_accents=None, # 是否移除音调字符
lowercase=True, # 是否将文本转化为小写
preprocessor=None, # 预处理函数
tokenizer=None, # 分词函数
analyzer='word', # 分析器，可以是 'word' 或者 'char'
stop_words=None, # 停用词列表
token_pattern=r'(?u)\b\w\w+\b', # 分词模式
ngram_range=(1, 1), # n-gram 范围
max_df=1.0, # 最大文档频率
min_df=1, # 最小文档频率
max_features=None, # 最大特征数
vocabulary=None, # 词汇表
binary=False, # 是否进行二进制编码
dtype=<class 'numpy.float64'>) # 矩阵的数据类型
接下来，使用 fit_transform 方法对文本进行 fit 和 transform：
