re模塊 模塊

import re

findall()  煩的奧

import re
# 1. findall 查找全部結果,數據不是特別龐大
lst = re.findall('a','abcsdfasdfa')
print(lst)

finditer()  煩的一特

#2. finditer 找到的結果返回迭代器
it = re.finditer(r'\d+','你好啊200,哈哈233')
for el in it:#從迭代器中獲取到的是分組的信息
    print(el.group())#個肉破,獲取具體信息

search()  色吃

#3. search()  查找, 若是查找到第一個結果,就中止,若是查不到結果就返回None
ret = re.search('e','abc')
print(ret)#不要用空去點

match()  賣吃

#4. match()  查找
ret = re.match('a','abc')#從頭開始找.給正則加^
print(ret.group())

相關操做　

ret = re.split('ab','ab哈哈ab你好哈哈')  (\d+)帶了括號原來的刀還留着
print(ret)#按照正則切,切完了,產生空白
#sub(仨波)替換   第一個參數是替換的東西,第二個替換的結果
ret1 = re.sub('250','__sb__','哈哈250你好啊250,我很差250')
print(ret1)
#shbn(仨波n)替換,加替換了多少次
ret1 = re.subn('250','__sb__','哈哈250你好啊250,我很差250')
print(ret1)

#compile()康派奧!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!做用很大
obj = re.compile(r'\d+')#預加載.先把這個正則加載到內存,用的時候不用再加載,寫一遍
lst = obj.findall('哈哈222,你好2222')#從內存中拿直接用
print(lst)

 ?P<名>正則   給正則取名字,想把什麼摳出來,就用這個取名   

obj = re.compile(r'(?P<id>\d+)(?P<zimu>e{3})')#給這個正則起名,取值好取
lst = obj.search('abcsdfjsd123eeelkabc')
print(lst.group())
print(lst.group('id'))
print(lst.group('zimu'))

?:  去掉分組

#分組
ret = re.findall('www.(baidu|oldboy).com','www.oldboy.com')
#去掉分組
ret1 = re.findall('www.(?:baidu|oldboy).com','www.oldboy.com')　　

爬蟲

rom urllib.request import urlopen #打開一個連接.讀取源代碼
import ssl
ssl._create_default_https_context = ssl._create_unverified_context
def getPage(url):
    response = urlopen(url)#打開,和網頁連接
    return response.read().decode('utf_8')#返回正常頁面源代碼 讀取源代碼 編碼                       抵扣的
def parsePage(s):#頁面源代碼
    ret = re.findall('<div class="item">.*?<div class="pic">.*?<em .*?>(?P<id>\d+).*?'+
        '<span class="title">(?P<title>.*?)</span>'+
        '.*?<span class="rating_num" .*?>(?P<rating_num>.*?)</span>.*?<span>'+
        '(?P<comment_num>.*?)評價</span>', s, re.S)
    return ret #id,title, rating_num, comment_num

def main(num):
    url = 'https://movie.douban.com/top250?start=%s&filter=' % num
    response_html = getPage(url) # response_html是頁面源代碼
    ret = parsePage(response_html)
    print(ret) # id,title, rating_num, comment_num

s = 0
for i in range(10): #10頁
    main(s)#分頁  第一個0 25 50 75
    s += 25

　　

精細版

import ssl
import re
from urllib.request import urlopen
# ⼲幹掉數字簽名證書
ssl._create_default_https_context = ssl._create_unverified_context
def getPage(url):
    response = urlopen(url)
    return response.read().decode('utf-8')
def parsePage(s):
    com = re.compile(
         '<div class="item">.*?<div class="pic">.*?<em .*?>(?P<id>\d+).*?' +
                 '<span class="title">(?P<title>.*?)</span>'+
                 '.*?<span class="rating_num" .*?>(?P<rating_num>.*?)</span>.*?<span>'+
                 '(?P<comment_num>.*?)評價</span>', re.S)
    ret = com.finditer(s)
    for i in ret:
        yield {
            "id": i.group("id"),
            "title": i.group("title"),
            "rating_num": i.group("rating_num"),
            "comment_num": i.group("comment_num"),}
def main(num):
    url = 'https://movie.douban.com/top250?start=%s&filter=' % num
    response_html = getPage(url)
    ret = parsePage(response_html)
        # print(ret)
    f = open("move_info7", "a", encoding="utf8")
    for obj in ret:
        print(obj)
        data = str(obj)
        f.write(data + "\n")
count = 0
for i in range(10):
    main(count)
    count += 25

　　

模塊

import 模塊名    嗯炮特

1.檢查是否已經被導入過,順序  內存 -> 內置 -> sys.path

2. 若是沒有導入過這個模塊,先建立一個名稱空間

3. 而後把導入的模塊執行一遍. 把執行的結果放在剛纔的空間中

4. 把模塊的名字命名給這個空間

全部被導入的模塊都會放在sys.modules字典裏

使用模塊中的內容. 模塊名字.方法/變量/類

__name__:

若是當前模塊是程序的入口. __name__的值:__main___

if __name__ == '__main__': # __main__ 程序的入口
    print("我在浪挖的測試")

若是模塊是被其餘模塊引入的. __name__是模塊名

 

from xxx import xxx
    from 模塊 import 模塊中的內容
    from 模塊 import * 不推薦

    導入的內容能夠直接使用. 不須要模塊.xxx. 和當前模塊中的變量衝突

as能夠起名字

import sys
print(sys.modules.keys()) # 查看到已經引入的模塊信息
print(sys.path)