python爬虫（中）--补充

这篇是在做python爬虫时候，遇到的一些零碎的python知识，在这里做个备忘，回头有时间会回来做个整合。
1.list转str

string=",".join(list)  #得到的string是unicode编码的
string=" ".join(list)  #这一句和上一句区别是list里面每一项分隔符从逗号改成了空格

2.str转list

list=split(str)

3.outerHTML and innerHTML and innerText?
①innerHTML 和outerHTML 在设置内容时包含的HTML会被解析，而innerText和outerText则不会
②在设置时，innerHTML和 innerText仅设置标签内的文本，而outerHTML和outerText设置包括标签在内的文本

P.s. innerHTML是符合W3C标准的属性，而innerText只适用于浏览器（同样还有outerText和outerHTML）,因此尽可能使用innerHTML，而少用innerText。

W3C定义innerHTML：innerHTML属性设置或返回表格行的开始和标签之间的HTML。

4.去头去尾.字符串方法
strip() #如果括号内没有填东西就是默认去掉首尾的单个或连续的空格
lstrip(‘,’) #这样就是去掉最左（首部）的单个或者连续的逗号，lstrip的l是left的意思，同样默认去掉最左的单个或连续的空格
rstrip(‘\n’) #而这样是去掉最右（尾部）的的那个或者连续的换行符

5.time.sleep(secs)程序暂停secs秒
time.time()拿来计算程序耗时！

6.exit()交互式shell中退出
sys.exit()退出程序，会引发SystemExit异常
os.__exit()直接退出解释器

7.os.path.exists(path) 判断是否有存在path路径
os.makedirs(directory)创建目录

8.python的is和==的区别：
is：比较引用是否相同
==：比较内容是否相同

9.python2.*：
任意内置类型派生出的类，都属于新式类（newestyle class）
任意不由内置类型派生出来的类，成为经典类（classic class）
python3.0:
新旧类不再区分，所有类都派生自内置的object类，所有类都属于新式类

10.python2.7的sys.defaultencoding字符串默认编码格式是ASCII，这也是许多UnicodeDocodeError:’ascii’codec can’t decode byte…的原因
而开头那句# encoding:utf-8是定义源码的编码格式,如果没有这句，那么该源码中不可以包含中文字符串

11.对于decode和encode的简单原则：
①不要对str使用encode（用非unicode编码格式的str来encode都会报错）
②不要对unicode编码的使用decode
③可以吧python想象成一个池子，所有流进这个池子都必须变成unicode，然后流出这个池子也是unicode，因为python本身自己就是用unicode的，一般都是先decode成unicode，最后再encode成其他格式，比如utf-8

12.os模块往往与系统操作有关，而sys模块往往是指python解释器行为
13.python中单引号和双引号无区别，而三引号则用于多行输入（尽量用单引号，因为不用shift，够优雅~）

13.pip show foo 的foo包要先install了才能show得出信息，所以不要用pip show去查看pip源里面有没有你需要的包，要用pip search|grep foo
这里的foo是指任意的东西，有点像*这个，stackoverflow或者github等等很多网站都会出现foo这个单词，而该死的翻译给我翻译为’富’!!

14.[virtualenv下]from PIL import Image时候，因为因为我同一层也有一个脚本叫PIL.py，所以会优先查找本层目录是否存在PIL，再检查该PIL.py中是否有Image类，我天真以为virtualenv中所有import 行为都是会在 */libpython2.7/site-packges/下面寻找，结果就是报给我说找不到Image方法，那是肯定的，因为我的这层中的PIL.py里面压根就没有Image方法。所以给自己脚本起名字的时候，尽量避开一些比较出名的模块的名字。