python初识

一、IDLE安装（windows）

1、网上下载安装包，傻瓜式安装，一般会自动配置环境变量。

2、cmd  →python   检查是否顺利安装完成

二、运行

在开始菜单栏找到"IDLE(Python 3.5 64-bit )",单击打开，自动运行。

在Shell里面  输入    print("hello")，输出为     hello；

或CTRL+N新建文件，保存为.py格式，写入代码后，按F5运行。

三、正则表达式

1、元字符

匹配  uio  里面的任意  一个  字符。

匹配除 换行符外的字符。

\w，匹配任意一个  字母数字下划线

\d，通用字符，匹配任意一个十进制数

\s，匹配任意空白字符

\W，匹配除字母数字下划线外的任意字符

\D，匹配十进制外的任意一个字符

\S，匹配空白字符外的任意一个字符

+，匹配1次或多次。s+：不能匹配s，可以匹配ss

？，匹配0次或1 次。s?：匹配 ss、s，不能匹配sss

*，匹配0次1次或多次。s*：匹配s、ss、sss，ssss

{n}：出现n次

{n,}：至少出现n次

s{m,n}：出现次数在m到n之间

t|s：匹配t或s中的某一个。二者同等地位。

(n)提取其中的某一个数字

2、模式修正符

I：不区分大小写

M

L

U：根据UNIC字符

S：让点（.）也能匹配换行符

3、贪婪模式与懒惰模式（？）

贪婪模式：尽可能匹配多的字符。

懒惰模式：更精准的定位。

4、正则表达式函数

re.match()从字符串中搜索满足条件的字符，必须从头开始，如果头不匹配，不输出。

re.search()从字符串中搜索满足条件的字符，从哪个位置开始无所谓。

re.sub()替换

因为pat2="p.*?y"  用re.search()只能搜索出一个满足条件的字符，

采集满足条件的多个出版社时，用全局搜索函数compile搜索。

5、匹配网址

string里面有双引号，所以将外面改为单引号，以便区分。

^的含义是：匹配输入字行首。如果设置了RegExp对象的Multiline属性，^也匹配“\n”或“\r”之后的位置。 [^,] 除了逗号之外的任何字符 [^,]* 0或者多个非逗号字符 [^\s]*：0个或多个非空白字符。（\s匹配任意空白字符，*匹配0个或多个字

四、爬取网页上的信息

1、爬取网页上的一个微信号

首先确定网页网址：https://edu.csdn.net/huiyiCourse/detail/836 和 所爬信息的位置<p> 微信：csdn02</p>

在Shell里：
>>> import re
>>> import urllib.request
>>> pat=' <p> 微信：(.*?)</p>'
>>> data=urllib.request.urlopen("https://edu.csdn.net/huiyiCourse/detail/836").read()
>>> result=re.compile(pat).findall(str(data))
>>> print(result)
[]               #错误
2、爬取豆瓣出版社列表并保存在记事本中

>>> import re
>>> import urllib.request
>>> pat='<div class="name">(.*?)</div>'
>>> data=urllib.request.urlopen("https://read.douban.com/provider/all").read()
>>> data=data.decode("utf-8")
>>> mydata=re.compile(pat).findall(data)
>>> mydata

>>> fh=open("D:/python代码/2.txt","w")
>>> for i in range(0,len(mydata)):
               fh.write(mydata[i]+"\n")

#有时无法保存在记事本中