- 第三方模块的下载与使用
- 网络爬虫模块之requests模块
- 网络爬虫实战之爬取链接二手房数据
- 自动化办公领域之openpyxl模块
- 第三方模块的扩展（模块叠模块）
网络爬虫之小实战
import requests
import re
res = requests.get('http://www.redbull.com.cn/about/branch')
# print(res.text)
date = res.text
# print(res.text)
l1 = re.findall('<h2>(.*?)</h2>', date) # 分公司名字
l2 = re.findall("<p class='mapIco'>(.*?)</p>", date) # 分公司地址
l3 = re.findall("<p class='mailIco'>(.*?)</p>", date) # 分公司邮编
l4 = re.findall("class='telIco'>(.*?)</p>", date) # 分公司电话
ret = zip(l1, l2, l3, l4)
for i in ret:
print("""
分公司名称:%s
分公司地址:%s
分公司邮编:%s
分公司电话:%s
""" % i)
"""
网络爬虫没有我们现在接触的那么简单
有时候页面数据无法直接拷贝获取
有时候页面还存在防爬机制 弄得不好ip会被短暂拉黑
"""
第三方模块的下载与使用
第三方模块：别人写的模块 一般情况下功能都特别强大
使用第三方模块，第一必须要先下载后面才可以使用
下载第三方模块的方式：
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我们在使用pip的时候一定要注意到底用的是哪一个，否则极其容易出现使用的是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(不指定默认是最新版)
pip install 模块名==版本号 -i 仓库地址
2.pycharm提供快捷方式
setting--project:创建的文件名--python interpreter
"""
下载第三方模块可能会出现的问题：
1.报错并有警号信息
WARNING：You are using pip version 20.2.1
原因是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.报错并含有Timeout关键字
说明当前计算机网络不稳定，只需要换网或者重新执行几次即可
3.报错并没有关键字
百度搜一下
pip下载XXX报错：拷贝错误信息
有的模块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 百度查询即可
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
1.超指定网址发送请求获取页面数据（等价于：在浏览器输入网址回车访问）
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.enconding = 'utf8' # 指定编码
print(res.text) # 获取字符串类型的网页数据（默认按照utf8）
网络爬虫实战之爬取链家二手房数据
import requests
import re
res = requests.get('https://sh.lianjia.com/ershoufang/pudong/')
date = res.text
home_title_list = re.findall(
'<a class="" href=".*?" target="_blank" data-log_index=".*?" data-el=".*?" data-housecode=".*?" data-is_focus="" data-sl="">(.*?)</a>',
date)
# print(home_title_list)
home_name_list = re.findall('<a href=".*?" target="_blank" data-log_index=".*?" data-el="region">(.*?) </a>', date)
# print(home_name_list)
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>',
date)
home_info_list = re.findall('<div class="houseInfo"><span class="houseIcon"></span>(.*?)</div>', date)
home_watch_list = re.findall('<div class="followInfo"><span class="starIcon"></span>(.*?)</div>', date)
# print(home_watch_list)
home_total_price_list = re.findall(
'<div class="totalPrice totalPrice2"><i> </i><span class="">(.*?)</span><i>万</i></div>', date)
# print(home_total_price_list)
home_unit_price_list = re.findall(
'<div class="unitPrice" data-hid=".*?" data-rid=".*?" data-price=".*?"><span>(.*?)元/平</span></div>', date)
# print(home_unit_price_list)
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)
with open(r'home_date.txt', 'w', encoding='utf8') as f:
for data in home_data:
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
1.excel文件的后缀名问题
03版本之前
.xls
03版本之后
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最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
创建、保存文件
from openpyxl import Workbook
'创建一个excel文件'
wb = Workbook()
# 保存excel文件
wb1 = wb.create_sheet('学生名单')
wb2 = wb.create_sheet('美女名单')
wb3 = wb.create_sheet('海王名单')
wb4 = wb.create_sheet('富婆名单', 0) # 修改默认的工作簿位置到首个
wb4.title = '白丝名单' # 二次修改工作簿名称
'保存我们创建的wb文件，命名111.xlsx'
wb.save(r'111.xlsx')
填写数据
# 填写数据的方式1
# wb4['F4'] = 666 # 在wbd的工作簿F4的位置填写666
# 填写数据的方式2
# wb4.cell(row=3, column=1, value='jason') # 在第三行第一列填写数据jason
# 填写数据的方式3
wb4.append(['姓名', '姓名', '年龄', '爱好']) # 表头字段
wb4.append([1, 'jason', 18, 'read'])
wb4.append([2, 'kevin', 28, 'music'])
wb4.append([3, 'tony', 58, 'play'])
wb4.append([4, 'oscar', 38, 'ball'])
wb4.append([5, 'jerry', 'ball'])
wb4.append([6, 'tom', 88, 'ball', '哈哈哈'])
wb.save(r'111.xlsx')
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)' # 这句话表示求和
# 方式2
wb4.cell(row=8,column=3,value='=sum(A1:A4)')
wb.save(r'111.xlsx')
pandas模块
"""
openpyxl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')