re模块 模块

import re

findall()  烦的奥

import re
# 1. findall 查找所有结果,数据不是特别庞大
lst = re.findall('a','abcsdfasdfa')
print(lst)

finditer()  烦的一特

#2. finditer 找到的结果返回迭代器
it = re.finditer(r'\d+','你好啊200,哈哈233')
for el in it:#从迭代器中获取到的是分组的信息
    print(el.group())#个肉破,获取具体信息

search()  色吃

#3. search()  查找, 如果查找到第一个结果,就停止,如果查不到结果就返回None
ret = re.search('e','abc')
print(ret)#不要用空去点

match()  卖吃

#4. match()  查找
ret = re.match('a','abc')#从头开始找.给正则加^
print(ret.group())

相关操作　

ret = re.split('ab','ab哈哈ab你好哈哈')  (\d+)带了括号原来的刀还留着
print(ret)#按照正则切,切完了,产生空白
#sub(仨波)替换   第一个参数是替换的东西,第二个替换的结果
ret1 = re.sub('250','__sb__','哈哈250你好啊250,我不好250')
print(ret1)
#shbn(仨波n)替换,加替换了多少次
ret1 = re.subn('250','__sb__','哈哈250你好啊250,我不好250')
print(ret1)

#compile()康派奥!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!作用很大
obj = re.compile(r'\d+')#预加载.先把这个正则加载到内存,用的时候不用再加载,写一遍
lst = obj.findall('哈哈222,你好2222')#从内存中拿直接用
print(lst)

?P<名>正则   给正则取名字,想把什么抠出来,就用这个取名

obj = re.compile(r'(?P<id>\d+)(?P<zimu>e{3})')#给这个正则起名,取值好取
lst = obj.search('abcsdfjsd123eeelkabc')
print(lst.group())
print(lst.group('id'))
print(lst.group('zimu'))

?:  去掉分组

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

爬虫

rom urllib.request import urlopen #打开一个链接.读取源代码
import ssl
ssl._create_default_https_context = ssl._create_unverified_context
def getPage(url):
    response = urlopen(url)#打开,和网页链接
    return response.read().decode('utf_8')#返回正常页面源代码 读取源代码 编码                       抵扣的
def parsePage(s):#页面源代码
    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>.*?)评价</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是页面源代码
    ret = parsePage(response_html)
    print(ret) # id,title, rating_num, comment_num

s = 0
for i in range(10): #10页
    main(s)#分页  第一个0 25 50 75
    s += 25

　　

精细版

import ssl
import re
from urllib.request import urlopen
# ⼲干掉数字签名证书
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>.*?)评价</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

　　

模块

import 模块名    嗯炮特

1.检查是否已经被导入过,顺序  内存 -> 内置 -> sys.path

2. 如果没有导入过这个模块,先创建一个名称空间

3. 然后把导入的模块执行一遍. 把执行的结果放在刚才的空间中

4. 把模块的名字命名给这个空间

所有被导入的模块都会放在sys.modules字典里

使用模块中的内容. 模块名字.方法/变量/类

__name__:

如果当前模块是程序的入口. __name__的值:__main___

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

如果模块是被其他模块引入的. __name__是模块名

from xxx import xxx
    from 模块 import 模块中的内容
    from 模块 import * 不推荐

    导入的内容可以直接使用. 不需要模块.xxx. 和当前模块中的变量冲突

as可以起名字

import sys
print(sys.modules.keys()) # 查看到已经引入的模块信息
print(sys.path)