Python爬虫与数据分析之进阶教程：文件操作、lambda表达式、递归、yield生成器

专栏目录：

Python爬虫与数据分析之python教学视频、python源码分享，python

Python爬虫与数据分析之基础教程：Python的语法、字典、元组、列表

Python爬虫与数据分析之进阶教程：文件操作、lambda表达式、递归、yield生成器

Python爬虫与数据分析之模块：内置模块、开源模块、自定义模块

Python爬虫与数据分析之爬虫技能：urlib库、xpath选择器、正则表达式

Python爬虫与数据分析之京东爬虫实战：爬取京东商品并存入sqlite3数据库

Python爬虫与数据分析之python开源爬虫项目汇总

python常用内置函数：

文件操作

操作文件时，一般需要经历如下步骤：

• 打开文件
• 操作文件
• 关闭文件

一、打开文件

1	文件句柄 = file('文件路径', '模式')

注：python中打开文件有两种方式，即：open(...) 和  file(...) ，本质上前者在内部会调用后者来进行文件操作，推荐使用 open。

打开文件时，需要指定文件路径和以何等方式打开文件，打开后，即可获取该文件句柄，日后通过此文件句柄对该文件操作。

打开文件的模式有：

• r，只读模式（默认）。
• w，只写模式。【不可读；不存在则创建；存在则删除内容；】
• a，追加模式。【可读；   不存在则创建；存在则只追加内容；】

"+" 表示可以同时读写某个文件

• r+，可读写文件。【可读；可写；可追加】
• w+，写读
• a+，同a

"U"表示在读取时，可以将 \r \n \r\n自动转换成 \n （与 r 或 r+ 模式同使用）

• rU
• r+U

"b"表示处理二进制文件（如：FTP发送上传ISO镜像文件，linux可忽略，windows处理二进制文件时需标注）

• rb
• wb
• ab

二、操作函数

 class file(object):

     def close(self): # real signature unknown; restored from __doc__
         关闭文件
         """
         close() -> None or (perhaps) an integer.  Close the file.

         """

     def fileno(self): # real signature unknown; restored from __doc__
         文件描述符
          """
         fileno() -> integer "file descriptor".

         This is needed for lower-level file interfaces, such os.read().
         """
         return 0    

     def flush(self): # real signature unknown; restored from __doc__
         刷新文件内部缓冲区
         """ flush() -> None.  Flush the internal I/O buffer. """
         pass

     def isatty(self): # real signature unknown; restored from __doc__
         判断文件是否是同意tty设备
         """ isatty() -> true or false.  True if the file is connected to a tty device. """
         return False

     def next(self): # real signature unknown; restored from __doc__
         获取下一行数据，不存在，则报错
         """ x.next() -> the next value, or raise StopIteration """
         pass

     def read(self, size=None): # real signature unknown; restored from __doc__
         读取指定字节数据
         """
         read([size]) -> read at most size bytes, returned as a string.

         """
         pass

     def readinto(self): # real signature unknown; restored from __doc__
         读取到缓冲区，不要用，将被遗弃
         """ readinto() -> Undocumented.  Don't use this; it may go away. """
         pass

     def readline(self, size=None): # real signature unknown; restored from __doc__
         仅读取一行数据
         """
         readline([size]) -> next line from the file, as a string.
          """
         pass

     def readlines(self, size=None): # real signature unknown; restored from __doc__
         读取所有数据，并根据换行保存值列表
         """
         readlines([size]) -> list of strings, each a line from the file.
         """
         return []

     def seek(self, offset, whence=None): # real signature unknown; restored from __doc__
         指定文件中指针位置
         """
         seek(offset[, whence]) -> None.  Move to new file position.
         """
         pass

     def tell(self): # real signature unknown; restored from __doc__
         获取当前指针位置
         """ tell() -> current file position, an integer (may be a long integer). """
         pass

     def truncate(self, size=None): # real signature unknown; restored from __doc__
         截断数据，仅保留指定之前数据
         """
         pass

     def write(self, p_str): # real signature unknown; restored from __doc__
         写内容
         """
         write(str) -> None.  Write string str to file.
         """
         pass

     def writelines(self, sequence_of_strings): # real signature unknown; restored from __doc__
         将一个字符串列表写入文件
         """
         writelines(sequence_of_strings) -> None.  Write the strings to the file.
         """
         pass

     def xreadlines(self): # real signature unknown; restored from __doc__
         可用于逐行读取文件，非全部
         """
         xreadlines() -> returns self.
         """
         pass

三、with

为了避免打开文件后忘记关闭，可以通过管理上下文，即：

1 2 3

with open('log','r') as f:         ...

如此方式，当with代码块执行完毕时，内部会自动关闭并释放文件资源。

在Python 2.7 后，with又支持同时对多个文件的上下文进行管理，即：

1 2	with open('log1') as obj1, open('log2') as obj2:     pass

四、python文件操作实例

自定义函数

一、背景

在学习函数之前，一直遵循：面向过程编程，即：根据业务逻辑从上到下实现功能，其往往用一长段代码来实现指定功能，开发过程中最常见的操作就是粘贴复制，也就是将之前实现的代码块复制到现需功能处，如下

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

while True：     if cpu利用率 > 90%:         #发送邮件提醒         连接邮箱服务器         发送邮件         关闭连接       if 硬盘使用空间 > 90%:         #发送邮件提醒         连接邮箱服务器         发送邮件         关闭连接       if 内存占用 > 80%:         #发送邮件提醒         连接邮箱服务器         发送邮件         关闭连接

腚眼一看上述代码，if条件语句下的内容可以被提取出来公用，如下：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

def 发送邮件(内容)     #发送邮件提醒     连接邮箱服务器     发送邮件     关闭连接   while True：       if cpu利用率 > 90%:         发送邮件('CPU报警')       if 硬盘使用空间 > 90%:         发送邮件('硬盘报警')       if 内存占用 > 80%:

对于上述的两种实现方式，第二次必然比第一次的重用性和可读性要好，其实这就是函数式编程和面向过程编程的区别：

• 函数式：将某功能代码封装到函数中，日后便无需重复编写，仅调用函数即可
• 面向对象：对函数进行分类和封装，让开发“更快更好更强...”

函数式编程最重要的是增强代码的重用性和可读性

二、 函数的定义和使用

1 2 3 4 5

def 函数名(参数):          ...     函数体     ...

函数的定义主要有如下要点：

• def：表示函数的关键字
• 函数名：函数的名称，日后根据函数名调用函数
• 函数体：函数中进行一系列的逻辑计算，如：发送邮件、计算出 [11,22,38,888,2]中的最大数等...
• 参数：为函数体提供数据
• 返回值：当函数执行完毕后，可以给调用者返回数据。

以上要点中，比较重要有参数和返回值：

1、返回值

函数是一个功能块，该功能到底执行成功与否，需要通过返回值来告知调用者。

2、参数

函数的有三中不同的参数：

• 普通参数
• 默认参数
• 动态参数

lambda表达式

学习条件运算时，对于简单的 if else 语句，可以使用三元运算来表示，即：

1 2 3 4 5 6 7 8

# 普通条件语句 if 1 == 1:     name = 'wupeiqi' else:     name = 'alex'   # 三元运算 name = 'wupeiqi' if 1 == 1 else 'alex'

对于简单的函数，也存在一种简便的表示方式，即：lambda表达式

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

# ###################### 普通函数 ###################### # 定义函数（普通方式） def func(arg):     return arg + 1   # 执行函数 result = func(123)   # ###################### lambda ######################   # 定义函数（lambda表达式） my_lambda = lambda arg : arg + 1   # 执行函数 result = my_lambda(123)

lambda存在意义就是对简单函数的简洁表示

内置函数 二

一、map

遍历序列，对序列中每个元素进行操作，最终获取新的序列。

 li = [11, 22, 33]

 new_list = map(lambda a: a + 100, li)

 li = [11, 22, 33]
 sl = [1, 2, 3]
 new_list = map(lambda a, b: a + b, li, sl)

二、filter

对于序列中的元素进行筛选，最终获取符合条件的序列

 li = [11, 22, 33]

 new_list = filter(lambda arg: arg > 22, li)

 #filter第一个参数为空，将获取原来序列

三、reduce

对于序列内所有元素进行累计操作

li = [11, 22, 33]

result = reduce(lambda arg1, arg2: arg1 + arg2, li)

# reduce的第一个参数，函数必须要有两个参数
# reduce的第二个参数，要循环的序列
# reduce的第三个参数，初始值

yield生成器

1、对比range 和 xrange 的区别

1 2 3 4

>>> print range(10) [0, 1, 2, 3, 4, 5, 6, 7, 8, 9] >>> print xrange(10) xrange(10)

如上代码所示，range会在内存中创建所有指定的数字，而xrange不会立即创建，只有在迭代循环时，才去创建每个数组。

 def nrange(num):
     temp = -1
     while True:
         temp = temp + 1
         if temp >= num:
             return
         else:
             yield temp

2、文件操作的 read 和 xreadlinex 的的区别

1 2	read会读取所有内容到内存 xreadlines则只有在循环迭代时才获取

 def NReadlines():
     with open('log','r') as f:
         while True:
             line = f.next()
             if line:
                 yield line
             else:
                 return

 for i in NReadlines():
     print i

  def NReadlines():
     with open('log','r') as f:
         seek = 0
         while True:
             f.seek(seek)
             data = f.readline()
             if data:
                 seek = f.tell()
                 yield data
             else:
                 return

 for item in NReadlines():
     print item
  

装饰器

装饰器是函数，只不过该函数可以具有特殊的含义，装饰器用来装饰函数或类，使用装饰器可以在函数执行前和执行后添加相应操作。

1 2 3 4 5 6 7 8 9 10

def wrapper(func):     def result():         print 'before'         func()         print 'after'     return result @wrapper def foo():     print 'foo'

 import functools

 def wrapper(func):
     @functools.wraps(func)
     def wrapper():
         print 'before'
         func()
         print 'after'
     return wrapper

 @wrapper
 def foo():
     print 'foo'

 #!/usr/bin/env python
 #coding:utf-8

 def Before(request,kargs):
     print 'before'

 def After(request,kargs):
     print 'after'

 def Filter(before_func,after_func):
     def outer(main_func):
         def wrapper(request,kargs):

             before_result = before_func(request,kargs)
             if(before_result != None):
                 return before_result;

             main_result = main_func(request,kargs)
             if(main_result != None):
                 return main_result;

             after_result = after_func(request,kargs)
             if(after_result != None):
                 return after_result;

         return wrapper
     return outer

 @Filter(Before, After)
 def Index(request,kargs):
     print 'index'

 if __name__ == '__main__':
     Index(1,2)
  

冒泡算法

需求：请按照从小到大对列表 [13, 22, 6, 99, 11] 进行排序

思路：相邻两个值进行比较，将较大的值放在右侧，依次比较！

  li = [13, 22, 6, 99, 11]

 for m in range(4):     # 等价于 #for m in range(len(li)-1):
     if li[m]> li[m+1]:
         temp = li[m+1]
         li[m+1] = li[m]
         li[m] = temp

 li = [13, 22, 6, 99, 11]

 for m in range(4):     # 等价于 #for m in range(len(li)-1):
     if li[m]> li[m+1]:
         temp = li[m+1]
         li[m+1] = li[m]
         li[m] = temp

 for m in range(3):     # 等价于 #for m in range(len(li)-2):
     if li[m]> li[m+1]:
         temp = li[m+1]
         li[m+1] = li[m]
         li[m] = temp

 for m in range(2):     # 等价于 #for m in range(len(li)-3):
     if li[m]> li[m+1]:
         temp = li[m+1]
         li[m+1] = li[m]
         li[m] = temp

 for m in range(1):     # 等价于 #for m in range(len(li)-4):
     if li[m]> li[m+1]:
         temp = li[m+1]
         li[m+1] = li[m]
         li[m] = temp
 print li

 li = [13, 22, 6, 99, 11]

 for i in range(1,5):
     for m in range(len(li)-i):
         if li[m] > li[m+1]:
             temp = li[m+1]
             li[m+1] = li[m]
             li[m] = temp
  

递归

利用函数编写如下数列：

斐波那契数列指的是这样一个数列 0, 1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144, 233，377，610，987，1597，2584，4181，6765，10946，17711，28657，46368

 def func(arg1,arg2):
     if arg1 == 0:
         print arg1, arg2
     arg3 = arg1 + arg2
     print arg3
     func(arg2, arg3)

 func(0,1)

公告

更多python源码，视频教程，欢迎关注公众号：南城故梦

>零起点大数据与量化分析PDF及教程源码
>利用python进行数据分析PDF及配套源码
>大数据项目实战之Python金融应用编程(数据分析、定价与量化投资)讲义及源码
>董付国老师Python教学视频
1. 课堂教学管理系统开发：在线考试功能设计与实现
2. Python+pillow图像编程；
3. Python+Socket编程
4. Python+tkinter开发；
5. Python数据分析与科学计算可视化
6. Python文件操作
7. Python多线程与多进程编程
8. Python字符串与正则表达式
.....

>数据分析教学视频
1. 轻松驾驭统计学——数据分析必备技能（12集）；
2. 轻松上手Tableau 软件——让数据可视化（9集）；
3. 竞品分析实战攻略（6集）；
4. 电商数据化运营——三大数据化工具应用（20集）；

>大数据（视频与教案）
1. hadoop
2. Scala
3. spark

>Python网络爬虫分享系列教程PDF

>【千锋】Python爬虫从入门到精通（精华版）（92集）

欢迎关注公众号获取学习资源：南城故梦