今日内容概要
目录- 第三方模块的下载与使用
- 网络爬虫模块之requests模块
- 网络爬虫模块之爬取链家二手房数据
- 自动化办公领域之openpyxl模块
今日内容详情
第三方模块下载与使用
第三方模块：别人写的模块 一般情况下功能都很强大
如果想使用第三方模块 第一次必须先下载后面才可以反复使用（等同于内置模块）
第三方模块的下载
1.pip工具
注意每个解释器都有pip工具 如果我们的电脑上有多个版本的解释器 那么在使用pip的时候一定要注意到底用的是哪一个
否则及其可能出现使用的是A版本解释器然后用B版本的pip下载模块
为了避免pip冲突 我们在使用的时候可以添加对应的版本号
python27 pip2.7
python36 pip3.6
python38 pip3.8
下载第三方模块的句式
pip install 模块名
下载第三方模块临时切换仓库
pip install 模块名 -i 仓库地址
下载第三方模块指定版本（不指定默认就是最新版本）
pip install 模块名 == 版本号 -i 仓库地址
2.pycharm提供的快捷方式
如下图所示
第三方模块可能会出现的错误
1.报错并有警告信息
WARNING: You are using pip version 20.2.1;
原因在于pip版本过低 只需要拷贝后面的命令执行更新操作即可
d:\python38\python.exe -m pip install --upgrade pip
更新完成后再次执行下载第三方模块的命令即可
2.报错含有Timeout关键字
说明当前计算机网路不稳定 只需要换网或者重新执行几次即可
3.报错但没有关键字提醒
面向百度搜索
pip下载XXX报错:拷贝错误信息
通常都是需要用户提前准备好一些环境才可以顺利下载
4.下载速度很慢
pip默认下载的仓库地址是国外的 python.org
我们可以切换下载的地址
pip install 模块名 -i 仓库地址
pip的仓库地址有很多都可以上百度查找， 如以下这些：
清华大学 ：https://pypi.tuna.tsinghua.edu.cn/simple/
阿里云：http://mirrors.aliyun.com/pypi/simple/
中国科学技术大学 ：http://pypi.mirrors.ustc.edu.cn/simple/
华中科技大学：http://pypi.hustunique.com/
豆瓣源：http://pypi.douban.com/simple/
腾讯源：http://mirrors.cloud.tencent.com/pypi/simple
华为镜像源：https://repo.huaweicloud.com/repository/pypi/simple/
网络爬虫模块之requests模块
requests 模块能够模拟浏览器发送网络请求
import requests
朝指定网址发送请求获取页面数据（等价于：浏览器地址输入网址回车访问）
res = requests.get('http://www.redbull.com.cn/about/branch')
print(res.content) # 获取bytes类型的网页数据（二进制）
res.encoding = 'utf8' # 指定编码
print(res.text) # 获取字符串类型的网页数据
网络爬虫模块之爬取链家二手房数据
import requests
import re
res = requests.get('https://sh.lianjia.com/ershoufang/pudong/')
# print(res) # <Response [200]>
data = res.text
home_title_list = re.findall(
'<a class="" href=".*?" target="_blank" data-log_index=".*?" data-el="ershoufang" data-housecode=".*?" data-is_focus="" data-sl="">(.*?)</a>',data)
# print(home_title_list) # 所有标题
home_name_list = re.findall('<a href=".*?" target="_blank" data-log_index=".*?" data-el="region">(.*?) </a>', data)
# print(home_name_list) # 所有小区名字
home_street_list = re.findall(
'<div class="positionInfo"><span class="positionIcon"></span><a href=".*?" target="_blank" data-log_index=".*?" data-el="region">.*? </a> - <a href=".*?" target="_blank">(.*?)</a> </div>',
data)
# print(home_street_list) # 所有街道名称
home_info_list = re.findall('<div class="houseInfo"><span class="houseIcon"></span>(.*?)</div>', data)
# print(home_info_list) # 详细信息
home_watch_list = re.findall('<div class="followInfo"><span class="starIcon"></span>(.*?)</div>', data)
# print(home_watch_list) # 所有关注程度
home_total_price_list = re.findall(
'<div class="totalPrice totalPrice2"><i> </i><span class="">(.*?)</span><i>万</i></div>', data)
# print(home_total_price_list) # 所有房屋总价
home_unit_price_list = re.findall(
'<div class="unitPrice" data-hid=".*?" data-rid=".*?" data-price=".*?"><span>(.*?)</span></div>', data)
# print(home_unit_price_list) # 所有房屋的单价
home_data = zip(home_title_list, home_name_list, home_street_list, home_info_list, home_watch_list,
home_total_price_list, home_unit_price_list) # 拉链对应拼接
with open(r'home_data.txt','w',encoding='utf8') as f:
for data in home_data: # 循环写入
print(
"""
房屋标题:%s
小区名称:%s
街道名称:%s
详细信息:%s
关注程度:%s
房屋总价:%s
房屋单价:%s
"""%data
)
f.write("""
房屋标题:%s
小区名称:%s
街道名称:%s
详细信息:%s
关注程度:%s
房屋总价:%s
房屋单价:%s\n
"""%data)
自动化办公领域之openpyxl模块
1.excel文件的后缀名
03版本之前
.xls
03版本之后
.xlsx
2.操作excel表格的第三方模块
xlwt往表格中写入数据、wlrd从表格中读取数据
兼容所有版本的excel文件
openpyxl近几年比较火热的操作excel表格的模块
03版本之前的兼容性较差
ps：还有很多操作excel表格的模块 甚至涵盖了上述的模块>>>:pandas
3.openpyxl操作
from openpyxl import Workbook
wb = Workbook() # 创建一个excel文件
wb1 = wb.create_sheet('学生名单') # 在一个excel文件内创建多个工作
wb2 = wb.create_sheet('教师名单')
wb3 = wb.create_sheet('学校名单', 0) # 修改默认的工作簿位置
wb3.title = '校园成绩排行榜'
wb3.sheet_properties.tabColor = "1072BA" # 修改颜色
# 填写数据的方式1
# wb4['F4'] = 666
# 填写数据的方式2
# wb4.cell(row=3, column=1, value='jason')
# 填写数据的方式3
wb3.append(['编号', '姓名', '年龄', '爱好']) # 表头字段
wb3.append([1, 'jason', 18, 'read'])
wb3.append([2, 'kevin', 28, 'music'])
wb3.append([3, 'tony', 58, 'play'])
wb3.append([4, 'oscar', 38, 'ball'])
wb3.append([5, 'jerry', 'ball']) # 少了就会自动补齐
wb3.append([6, 'tom', 88, 'ball', '哈哈哈']) # 多了就会在尾部添加
# 填写数学公式
# wb4.cell(row=1, column=1, value=12321)
# wb4.cell(row=2, column=1, value=3424)
# wb4.cell(row=3, column=1, value=23423432)
# wb4.cell(row=4, column=1, value=2332)
# wb4['A5'] = '=sum(A1:A4)'
# wb4.cell(row=8, column=3, value='=sum(A1:A4)')
# 保存该excel文件
wb.save(r'111.xlsx')
4.openpyxl的主要作用
主要用于数据的写入 至于后续的表单操作它并不是很擅长 如果想做需要更高级的模块pandas
import pandas
data_dict = {
"公司名称": comp_title_list,
"公司地址": comp_address_list,
"公司邮编": comp_email_list,
"公司电话": comp_phone_list
}
# 将字典转换成pandas里面的DataFrame数据结构
df = pandas.DataFrame(data_dict)
# 直接保存成excel文件
df.to_excel(r'pd_comp_info.xlsx')
ps：excel软件正常可以打开操作的数据集在10万左右 一旦数据集过大 软件操作几乎无效
需要使用代码操作>>>:pandas模块