python强化20日第四天-CSDN博客

本文链接：https://blog.csdn.net/you_right/article/details/104190763

python强化20日(强行非蓝桥日)

第四天网络爬虫: HTML的简单了解，BeautifulSoul4库，request库

还有一些内容没有整理完全，明早补发

网络爬虫

数据处理

1.open对txt文件的使用

1. 文件的声明 open语句

open(‘路径’,‘模式’,enconding = ‘编码’)

注意:python中路径的’/‘需要打成’//’，避免出现转义字符用法错误 或者也可以使用r’ ‘来实现去转义，只用写一个’/'

这里可以使用绝对路径，也可以使用相对路径，但在使用相对路径的时候，数据文件需要在编译程序文件旁边
2. 文本文件操作模式

r:读取文件，默认
w:写入
rw:读取+写入
a:追加
3. 简单的读取

使用 .read() 能够完整读取txt文件内容
注意：
1.其中的换行都是以转义字符的形式输出
2.每一次的read操作都会使得光标移到末尾，此时如果再使用read操作，那么读取的将会是一个空字符串内容。此时需要借助 .seek(0) 方法使得光标移动到开头

2.open函数的使用以及对txt的读取

path = 'F:\\python数据处理案例存放处\\读写txt案例\\'
fname =  'first read.txt'
f = open(path+fname,'r')
print(f.read())         #使用.reed()方法读取完毕后，文件内光标会自动到结尾，如果继续使用.read()读取会读到空字符串
f.seek(0)               #使用.seek(0)方法把光标放置到开头'''
f.close()               #记得完成操作后关闭链接，关闭文件。写文件时关闭文件后才能保存成功

3.系统模块os下的路径操作

os模块:系统模块常用命令:

import os
print(os.name)      #获取当前系统类型
print(os.getcwd())  #获取当前工作目录位置
print(os.listdir())   #获取当前目录下文件名
#os.chdir(Path)      切换到指定工作目录
"""切换到指定路径后就可以直接使用文件名的名称作为相对路径，从而进行操作"""
#os.remove(Path)  删除路径上的文件
"""os.system('matlab')"""   #相当于在win+r的内容框中填写内容 此处为打开matlab
print(os.path.split('F:\\python数据处理案例存放处\\读写txt案例\\first read.txt')) #该方法使得路径与文件名分开，返回元组形式
print(os.path.exists('F:\\python数据处理案例存放处\\读写txt案例'))                #判断路径是否存在

HTML的简单了解

存在意义:

1. HTML不是一种编程语言，而是一种标记语言
2. HTML使用标记标签来描述网页

HTML的标签
1. HTML标签是由尖括号包围的关键词，比如《html》 (此处使用书名号代替，由于markdown会自动识别HTML标记)
2. HTML标签经常成对出现,比如《b》和《/b》，其中第一个标签是开始标签(开放标签)，第二个标签是结束标签(闭合标签)
HTML的基本结构
1. 文档类型 <!DOCTYPE>声明
2. html文档《html》…《/html》
3. 头部信息《head》…《/head》如果不需要可以忽略**（此部分内容无法在网页观察）**
4. 正文,网页上可见《body》…《/body》
  9个基础标签:

标签	功能描述
《!DOCTYPE》	定义文档类型
《html》	定义HTML文档
《title》	定义文档的标题
《body》	定义文档的主题
《h1》to《h6》	定义HTML标题
《p》	定义段落
《br》	定义简单的折行
《hr》	定义水平线
《!…_ 》	定义注释

HTML的分组标识分块功能(架构)
1. 《div》元素:定义文档中的分区或节块元素(使得信息一块一块)
2. 《span》元素:组合文档中的行内元素。内联元素(主要对应文本)
HTML注释
1. 注释标签《!–与--》用于在HTML插入注释
头部元素主要信息
1. **《title》**标签定义文档的标题，且在所有HTML/XHTML文档中都是必须的
  作用:
  - 定义浏览器工具栏中的标题
  - 提供页面被添加到收藏夹中显示的标题
  - 显示在搜索引擎结果中的页面标题
2. 《base》标签为页面上的所有连链接规定默认地址或默认目标(target) #使用的比较少
3. 《link》标签定义文档与外部资源之间的关系，常常用于链接样式表CSS
4. 《style》标签用于为HTML文档定义样式信息。
  样式分为CSS(用《link》链接)，还有《style》，简单的样式用后者，前者一般用来封装一些更加个性化的样式
HTML《meta》元素
1. 《meta》标签提供关于HTML文档的元数据。元数据不会显示在页面上，但是对于机器是可读的。
2. 一般元数据的内容是关于例如网站作者名字等相关信息内容
HTML《script》元素
1. 是用来实现一些功能的，有关调用Javascript
区别元素与属性
1. 元素:HTML元素指的是从开始标签(start tag)到结束标签(end tag)的所有代码
2. 属性:HTML标签可以拥有属性，属性提供了有关HTML元素的更多的信息。属性总是以名称/值对的形式出现，比如:name=“value” 属性总是在HTML元素的开始标签中规定(一定在<>内)