python第三方库使用经验

requests

官方中文帮助文档:
1. requests1.1.0快速上手
2. requests1.1.0高级用法

Beautifulsoup

官方中文帮助文档:
BeautifulSoup
使用BeautifulSoup的例子

def regUrls():
    html_file = open('E:\WORK_FILE\Python\Python2\userful\coursera\coursera.html').read()
    soup = BeautifulSoup(html_file,'lxml')
    course_item_header_div_tags = soup.find_all('div',class_='course-item-list-header')
    '''result = {}
    count = 0
    for div_tag in course_item_header_div_tags:
        count += 1
        week_course_name = str(count) + '-week-' + div_tag.h3.contents[1][2:].encode('utf8')
        result[week_course_name] = {}
        ul_tag = div_tag.next_sibling
        li_tags = ul_tag.find_all('li')
        for li_tag in li_tags:
            lecture_name = li_tag.a.string.encode('utf8')
            #print lecture_name
            lecture_name = re.search(r'\b[a-zA-Z ]+\b',lecture_name).group(0)
            lecture_view_link = li_tag.a.get('data-modal-iframe').encode('utf8')
            result[week_course_name][lecture_name] = []
            result[week_course_name][lecture_name].append(lecture_view_link)
            for a_tag in li_tag.div.find_all('a'):
                href = a_tag.get('href').encode('utf8')
                if 'download.mp4' not in href:
                    result[week_course_name][lecture_name].append(href)

    return result

def genXml(res_dic):
    week_indent = 4
    week_name_indent = 4 * 2
    lecture_indent = 4 * 2
    lecture_name_indent = 4 * 3
    url_indent = 4 * 3
    xml = '<?xml version="1.0" encoding="utf8"?>'
    xml += '\n<course>'
    week_name_keys = res_dic.keys()
    week_name_keys.sort(key=lambda item:int(item[:item.find('-')]))
    for week_name in week_name_keys:
        xml += '\n' + ' ' * week_indent + '<week>'
        xml += '\n' + ' ' * week_name_indent + '<name>%s</name>' % week_name
        lectures = res_dic[week_name]
        lecture_name_keys = lectures.keys()
        lecture_name_keys.sort()
        #print lecture_name_keys
        for lecture_name in lecture_name_keys:
            xml += '\n' + ' ' * lecture_indent + '<lecture>'
            xml += '\n' + ' ' * lecture_name_indent + '<name>%s</name>' % lecture_name
            urls = lectures[lecture_name]
            for url in urls:
                xml += '\n' + ' ' * url_indent + '<url><![CDATA[%s]]></url>' % url
            xml += '\n' + ' ' * lecture_indent + '</lecture>'
        xml += '\n' + ' ' * week_indent + '</week>'
    xml += '\n</course>'
    with open('course.xml','w') as fd:
        fd.write(xml)
    return xml
BeautifulSoup使用总结
  1. 搜索
    bs提供了丰富的搜索方法:

    • find_all( name , attrs , recursive , text , **kwargs )
      name:标签名
      attrs:{‘attrname’:’value1 value2’}
      text:文本
      **kwargs:可以是属性名和值,比如href=’http://www.example.com
      支持回调函数,正则表达式,过滤器,字符串
    • find
    • find_parents
    • find_parent
    • find_next_siblings
    • find_next_sibling
    • find_previous_siblings
    • find_previous_sibling
    • find_all_next
    • find_next
    • find_all_previous
    • find_previous
  2. 遍历文档树

    • 子节点
      • tag的名字
      • .contents 和 .children
      • .descendants
      • .string
      • .strings 和 stripped_strings
    • 父节点
      • .parent
      • .parents
    • 兄弟节点
      • .next_sibling 和 .previous_sibling
      • .next_siblings 和 .previous_siblings
    • 回退和前进
      • .next_element 和 .previous_element
      • .next_elements 和 .previous_elements
  3. 修改文档树

    • 修改tag的名称和属性
    • 修改 .string
    • append()
    • BeautifulSoup.new_string() 和 .new_tag()
    • insert()
    • insert_before() 和 insert_after()
    • clear()
    • extract()
    • decompose()
    • replace_with()
    • wrap()
    • unwrap()

chardet

编码检测模块

待更新

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值