[Python知识库]python学习—第一步—Python小白逆袭大神（第二天）

python语法继续学习

数据结构

数字

Number类型用于存储数值。
1、数学运算math模块及常用函数
菜鸟教程
导入math
代码示例：

import math
print(math.ceil(4.1))   #返回数字的上入整数
print(math.floor(4.9))  #返回数字的下舍整数
print(math.fabs(-10))   #返回数字的绝对值
print(math.sqrt(9))     #返回数字的平方根
print(math.exp(1))      #返回e的x次幂

执行结果：

5
4
10.0
3.0
2.718281828459045

2、python随机数
导入random
1、random的random()生成一个[0,1)的实数
2、random的seed方法设置相同的种子会生成相同的随机数
3、randint(a,b)生成[a,b]的随机整数
代码示例如下：

字符串

1、字符串重复输出
2、查找字符串是否包含某字符（串） in not in
上次那道包含2020的作业题用in也可以
3、单引号、双引号、三引号及转义
三引号让程序员从引号和特殊字符串的泥潭里面解脱出来，自始至终保持一小块字符串的格式是所谓的WYSIWYG（所见即所得）格式的。
三引号：所见即所得
代码示例：

列表

1、查询
让我惊奇的是这段代码

if 和else不在一个档次里面，但是这段代码的执行没有问题，遍历这个列表，有则输出然后停止，没有则打印无超人
2、添加extend函数相当于一个加号
3、修改
根据索引直接使用=赋值修改
或者：

for i in range(len(fruits)):
    if '香蕉' in fruits[i]:
        fruits[i] = 'banana'
        break
print(fruits)

4、删除的三种方法
del和pop根据索引删除，remove根据name删除

del words[1]
words.remove('cat')
words.pop(1)

5、切片

6、sorted函数排序

list=[2, 3, 5, 8, 11, 12, 13, 14, 16, 20]
a=sorted(list)
print(a)
a=sorted(list,reverse=True)
print(a)
[2, 3, 5, 8, 11, 12, 13, 14, 16, 20]
[20, 16, 14, 13, 12, 11, 8, 5, 3, 2]

元组

1、元组步长为-1、-2是反向按照步长输出
2、list可以直接用tuple转元组

3、元组包含一个元素需要加逗号，否则是字符串

4、元组也可以跟字符串一样使用+、*，像列表一样使用一些函数。
比如max min sum len count index in not in
5、元组的拆包与装包问题

#定义一个元组
t3 = (1,2,3)
#将元组赋值给变量a,b,c
a,b,c = t3
#打印a,b,c
print(a,b,c)

1 2 3
当元素个数多，但是定义的变量个数少：先把剩下的装包编程列表，加一个星号
当元素个数少，但是定义的变量个数多：报错喽

字典

1、list可以转为字典 dict方法，前提是列表中的元素都要成对出现

dict3 = dict([('name','杨超越'),('weight',45)])
print(dict3)
#{'name': '杨超越', 'weight': 45}

一些函数如下：
2、items()取键值

dict5 = {'杨超越':165,'虞书欣':166,'上官喜爱':164}
print(dict5.items())
for key,value in dict5.items():
    print(key+','+str(value))
#dict_items([('杨超越', 165), ('虞书欣', 166), ('上官喜爱', 164)])
#杨超越,165
#虞书欣,166
#上官喜爱,164

3、values()取所有的值

results = dict5.values()
print(results)
#dict_values([165, 166, 164])

4、keys()取所有的键

names = dict5.keys()
print(names)
#dict_keys(['杨超越', '虞书欣', '上官喜爱'])

5、使用pop和del根据键删除

del dict1['杨超越']
dict1.pop('杨超越')

面向对象

继承

class Person:        
    def __init__(self,name):
        self.name = name
        print ('调用父类构造函数')

    def eat(self):
        print('调用父类方法')
 
class Student(Person):  # 定义子类
   def __init__(self):
      print ('调用子类构造方法')
 
   def study(self):
      print('调用子类方法')

s = Student()          # 实例化子类
s.study()              # 调用子类的方法
s.eat()                # 调用父类方法
'''调用子类构造方法
调用子类方法
调用父类方法
'''

JSON

json是一种轻量级数据交换格式
dumps将python对象编码为json字符串
dumps概述：
可选的参数:
sort_keys=True表示按照字典排序(a到z)输出;
indent参数，代表缩进的位数;
separators参数的作用是去掉,和:后面的空格，传输过程中数据越精简越好。
使用实例：

import json
data = [ { 'b' : 2, 'd' : 4, 'a' : 1, 'c' : 3, 'e' : 5 } ]
json = json.dumps(data, sort_keys=True, indent=4,separators=(',', ':'))
print(json)
'''[
    {
        "a":1,
        "b":2,
        "c":3,
        "d":4,
        "e":5
    }
]
'''

loads解码json数据

import json
jsonData = '{"a":1,"b":2,"c":3,"d":4,"e":5}'
text = json.loads(jsonData)  #将string转换为dict
print(text)

异常处理try except finally

捕获的异常有很多种…

try:
    fh = open("/home/aistudio1/data/testfile01.txt", "w")
    fh.write("这是一个测试文件，用于测试异常!!")
except IOError:
    print('Error: 没有找到文件或读取文件失败')
else:
    print ('内容写入文件成功')
    fh.close()

如果data是存在的，那么如果没有是会创建的，否则抛出IO异常
finally中的内容退出try时总会执行的

try:
    f = open("/home/aistudio1/data/testfile02.txt", "w")
    f.write("这是一个测试文件，用于测试异常!!")
except IOError:
    print('Error: 没有找到文件或读取文件失败')
finally:
    print('关闭文件')
    f.close()

Error: 没有找到文件或读取文件失败
关闭文件

Linux命令

pwd显示当前目录
ls显示该目录下所有文件
cd work到work目录下

mkdir test创建test文件夹
rm -rf test强制删除
rm test也可以删除
目录一般不能删除，删除就是强制删除
rm -rf xxx删除：-r是递归处理，就是一层一层的删；-f是强制删除。
touch test创建文件



文件复制：cp test01 ./test/
cp test01 test04
移动 mv test01 test05：相当于文件重命名
mv test05 ./test/转移
.表示当前路径

压缩：
gzip
linux压缩文件中最常见的后缀名即为.gz，gzip是用来压缩和解压.gz文件的

-d或--decompress或--uncompress：解压文件；
-r或--recursive：递归压缩指定文件夹下的文件（该文件夹下的所有文件被压缩成单独的.gz文件）；
-v或--verbose：显示指令执行过程。
注：gzip命令只能压缩单个文件，而不能把一个文件夹压缩成一个文件（与打包命令的区别）。

gzip -v(显示压缩过程) *(所有)
gzip只能压缩单个文件，不能压缩路径
解压缩：gzip -dv test02
-d是解压，v就是显示解压过程

tar
在打包的同时进行压缩
tar -zcvf test.tar.zip ./

tar -zxvf test.tar.zip -C …/
解压到上一层

zip和unzip
zip -v test.zip test02
unzip test.zip -d …/data
上一层的data文件夹下

vi编辑：
touch test01
vi test01编辑，按下i进入输入模式(也称为编辑模式)，
按下ESC 按钮回到一般模式?按下:wq储存后离开vi
esc shift冒号
wq!保存退出
qw不保存退出
有啥用以后再说吧，，，，，

作业来啦！

爬虫的过程，就是模仿浏览器的行为，往目标站点发送请求，接收服务器的响应数据，提取需要的信息，并进行保存的过程。
Python为爬虫的实现提供了工具：
request模块：requests是python实现的简单易用的HTTP库
BeautifulSoup库：Beautiful Soup 是一个可以从HTML或XML文件中提取数据的Python库，支持python标准库中的HTML解析器，还支持一些第三方的解析器，其中有lxml
BeautifulSoup(markup, “html.parser”)或者BeautifulSoup(markup, “lxml”)，推荐使用lxml作为解析器,因为效率更高。

发送请求：requests
解析：BeautifulSoup
json保存

爬取：headers模仿浏览器，不让对方以为是爬虫，不会被反爬虫误伤
发送请求

浏览器查看用户代理：

不得不说，这个真的好用

题目：使用Python来爬取百度百科中《青春有你2》所有参赛选手的信息。
我写的：
我就写了下边那个三里面的，还把一二的一些错改了改而已（卑微）

人家的：
1、爬取百度百科中《青春有你2》中所有参赛选手信息，返回页面数据

import json
import re
import requests
import datetime
from bs4 import BeautifulSoup
import os
def crawl_wiki_data():
    headers = { 
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.99 Safari/537.36'
    }
    url='https://baike.baidu.com/item/青春有你第二季'                         
    try:
        response = requests.get(url,headers=headers)
        print(response.status_code)
        #将一段文档传入BeautifulSoup的构造方法,就能得到一个文档的对象, 可以传入一段字符串
        soup = BeautifulSoup(response.text,'lxml')
        #返回的是class为table-view log-set-param的<table>所有标签
        #tables = soup.find_all('table',{'class':'table-view log-set-param'})
        tables = soup.find_all('table',{'log-set-param':'table_view'})
        crawl_table_title = "参赛学员"
        for table in  tables:           
            #对当前节点前面的标签和字符串进行查找
            table_titles = table.find_previous('div').find_all('h3')
            for title in table_titles:
                if(crawl_table_title in title):
                    return table       
    except Exception as e:
        print(e)
table=crawl_wiki_data()

2、对爬取的页面数据进行解析，并保存为JSON文件

def parse_wiki_data(table_html):
    '''
    从百度百科返回的html中解析得到选手信息，以当前日期作为文件名，存JSON文件,保存到work目录下
    '''
    bs = BeautifulSoup(str(table_html),'lxml')
    all_trs = bs.find_all('tr')

    error_list = ['\'','\"']

    stars = []

    for tr in all_trs[1:]:
         all_tds = tr.find_all('td')
         star = {}
         #姓名
         star["name"]=all_tds[0].text
         #个人百度百科链接
         star["link"]= 'https://baike.baidu.com' + all_tds[0].find('a').get('href')
         #籍贯
         star["zone"]=all_tds[1].text
         #星座
         star["constellation"]=all_tds[2].text
         #花语,去除掉花语中的单引号或双引号，字符串中含有英文的单双引号报错
         flower_word = all_tds[3].text
         for c in flower_word:
             if  c in error_list:
                 flower_word=flower_word.replace(c,'')
         star["flower_word"]=flower_word 
         #公司，有的是链接的形式，如果不是，那就是文本
         if not all_tds[4].find('a') is  None:
             star["company"]= all_tds[4].find('a').text
         else:
             star["company"]= all_tds[4].text  
         stars.append(star)
    json_data = json.loads(str(stars).replace("\'","\""))
    print(json_data)
    #w的意思就是写入
    with open('work/' + today + '.json', 'w', encoding='UTF-8') as f:
        json.dump(json_data, f, ensure_ascii=False)
parse_wiki_data(table)

从下标为1的开始，因为第一行是表头

3、爬取每个选手的百度百科图片，并进行保存

def crawl_pic_urls():
    '''
    爬取每个选手的百度百科图片，并保存
    ''' 
    with open('work/'+ today + '.json', 'r', encoding='UTF-8') as file:
         json_array = json.loads(file.read())
	#将保存的信息转为数组读取出来
    headers = { 
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.99 Safari/537.36' 
     }
    pic_urls=[]
    for star in json_array:
        name = star['name']
        print(name)
        link = star['link']
        #！！！请在以下完成对每个选手图片的爬取，将所有图片url存储在一个列表pic_urls中！！！
        #爬取的url是每一个link
        #
        try:
            response = requests.get(link,headers=headers)
            #向link发送请求
            print(response.status_code)
            soup = BeautifulSoup(response.text,'lxml')
            #1、第一个问题，
            divs = soup.find_all('div',{'class':'summary-pic'})
            #返回的是class为summary-pic的所有div标签
            for div in divs:
                #获取div下a标签的href，就是图片页的路径，记得加前面的http，不然会报错的
                href1='https://baike.baidu.com' +div.find('a').get('href')
                #向a标签的href发送请求，图片页
                try:
                    response1=requests.get(href1,headers=headers)
                    print(response.status_code)
                    soup1 = BeautifulSoup(response1.text,'lxml')
                    aLabels1=soup1.find_all('a',{'class':'pic-item'})
                    #向class为pic-item的所有a标签发送请求
                    for aLabel in aLabels1:
                        img=aLabel.find('img').get('src')
                        #a标签下面的img的src属性即为图片的路径
                        pic_urls.append(img)
                except Exception as e:
                    print(e)
        except Exception as e:
            print(e)
    json_data = json.loads(str(pic_urls).replace("\'","\""))
    with open('work/' + 'imgsLocation' + '.json', 'w', encoding='UTF-8') as f:
        json.dump(json_data, f, ensure_ascii=False)
crawl_pic_urls()
        #！！！根据图片链接列表pic_urls, 下载所有图片，保存在以name命名的文件夹中！！！
        #down_pic(name,pic_urls)

     

4、图片下载

def down_pic(name,pic_urls):
    '''
    根据图片链接列表pic_urls, 下载所有图片，保存在以name命名的文件夹中,
    '''
    path = 'work/'+'pics/'+name+'/'

    if not os.path.exists(path):
      os.makedirs(path)

    for i, pic_url in enumerate(pic_urls):
        try:
            pic = requests.get(pic_url, timeout=15)
            string = str(i + 1) + '.jpg'
            with open(path+string, 'wb') as f:
                f.write(pic.content)
                print('成功下载第%s张图片: %s' % (str(i + 1), str(pic_url)))
        except Exception as e:
            print('下载第%s张图片时失败: %s' % (str(i + 1), str(pic_url)))
            print(e)
            continue

with open('work/'+ 'imgsLocation' + '.json', 'r', encoding='UTF-8') as file:
    pic_urls = json.loads(file.read())
down_pic('imgs',pic_urls)

问题

1、Import “requests” could not be resolved from source
问题排查步骤：
（1）命令提示符pip list 查看是否安装了 requests 包
（2）安装 request 包、pip install requests
2、作业的问题有：
（1）可能获取不到div标签，因为有人的百度百科是多义项
（2）有人的百度百科右边没有图片，图片是主页的背景，例如：

3、写代码遇见的问题：
KeyboardInterrupt：应该是自主断开会遇见这个问题
爬取的路径没有http前缀的报错：

Invalid URL '/pic/%E8%83%A1%E9%A6%A8%E5%B0%B9/23766383/1/faf2b2119313b07eca80a7f98785862397dda04426bd?fr=lemma&fromModule=lemma_top-image&ct=single': No schema supplied. Perhaps you meant http:///pic/%E8%83%A1%E9%A6%A8%E5%B0%B9/23766383/1/faf2b2119313b07eca80a7f98785862397dda04426bd?fr=lemma&fromModule=lemma_top-image&ct=single?

另外：
是find_all find还是get要搞清楚

href1='https://baike.baidu.com' +div.find('a').get('href')
table_titles = table.find_previous('div').find_all('h3')

行了，终于结束了！！！