subprocess、re、logging模块

一、subprocess模块

subprocess模块
- 可以通过python代码给操作系统终端发送命令，并且可以返回结果。

import subprocess
while True:
    # 让用户输入终端命令
    cmd_str = input('请输入终端命令：').strip()
    # Popen(cmd命令, shell=True, stdout=subprocess.PIPE, stderr=subprocess.PIPE)
    # 调用Popen就会将用户的终端命令发送给本地操作系统的终端
    # 得到一个对象，对象中包含着正确或错误的结果。
    popen_obj = subprocess.Popen(
        cmd_str, shell=True,
        stdout=subprocess.PIPE, stderr=subprocess.PIPE
    )
    success = popen_obj.stdout.read().decode('gbk')
    if success:
        print('正确命令！\n', success)
    error = popen_obj.stderr.read().decode('gbk')
    if error:
        print('错误命令！\n', error)

 

二、re模块

re模块:
在python中，若想使用正则表达式，必须通过re模块来实现。

1、什么是正则表达式

- 正则表达式:
正则表达式是一门独立的技术, 任何语言都可以使用正则表达式，
正则表达式是由一堆特殊的字符组合而来的。
　　- 字符组
　　- 元字符
　　- 组合使用

2、为什么要使用正则？

比如要获取“一堆字符串”中的“某些字符”，
正则表达式可以帮我们过滤，并提取出想要的字符数据。
# 比如过滤并获取 一段字符串中指定的字符串
- 应用场景:
- 爬虫: re, BeautifulSoup4, Xpath, selector
- 数据分析过滤数据: re, pandas, numpy...
- 用户名与密码、手机认证：检测输入内容的合法性

3、如何使用

检测手机号码的合法性， 需求: 11位、开头13/14/15/18

# 纯python校验
# 需求: 11位、开头13/14/15/18
while True:
    phone_number = input('输入手机号:').strip()
    if phone_number.isdigit() and len(phone_number) == 11 and (
        phone_number.startswith('13') or
        phone_number.startswith('14') or
        phone_number.startswith('15') or
        phone_number.startswith('18')
    ):
        print('手机号码合格')
    else:
        print('手机号码不合格')

# re效验
import re
while True:
    phone_number = input('输入手机号:').strip()
    # 需求: 11位、开头13/14/15/18
    # 参数1: 正则表达式  ''
    # 参数2: 需要过滤的字符串
    # ^: 代表“开头”
    # $: 代表“结束”
    # |: 代表“或”
    # (13|14): 可以获取一个值，判断是否是13或14.
    # {1}: 需要获取1个值 限制数量
    # []: 分组限制取值范围
    # [0-9]: 限制只能获取0——9的某一个字符。
    re_obj = re.match('^(13|14|15|18)[0-9]{9}', phone_number)
    # print(re_obj)
    if re_obj:
        print('手机号码合格')
    else:
        print('手机号码不合格')

"""
- 字符组:
  - [0-9] 可以匹配到一个0-9的字符
  - [9-0]: 报错, 必须从小到大
  - [a-z]: 从小写的a-z
  - [A-Z]: 从大写A-Z
  - [z-A]: 错误, 只能从小到大，根据ascii表来匹配大小。
  - [A-z]: 总大写的A到小写的z。

  注意: 顺序必须要按照ASCII码数值的顺序编写。
"""
import re
res = re.match('[A-Za-z0-9]{8}', 'yang1234')
print(res.group())

"""
- 元字符:
    *******根据博客的表格来记 （看一眼）
    https://images2015.cnblogs.com/blog/1036857/201705/1036857-20170529203214461-666088398.png

    - 组合使用
      - \w\W: 匹配字母数字下划线与非字母数字下划线，匹配所有。
      - \d\D: 无论是数字或者非数字都可以匹配。
      - \t: table
      - \n: 换行
      - \b: 匹配单词结尾，tank  jasonk
      - ^: startswith
            - '^'在外面使用: 表示开头。
            - [^]: 表示取反的意思。
            
      - $: endswith
        
      - ^$: 配合使用叫做精准匹配，如何限制一个字符串的长度或者内容。
      - |: 或。ab|abc如果第一个条件成立，则abc不会执行，怎么解决，针对这种情况把长的写在前面就好了，一定要将长的放在前面。
      - [^...]: 表示取反的意思。
      - [^ab]: 代表只去ab以外的字符。
      - [^a-z]: 取a-z以外的字符。
"""

 

 

"""
re模块三种比较重要的方法:
    - findall()： ----> []
        可以匹配 "所有字符" ，拿到返回的结果，返回的结果是一个列表。
        'awfwaghowiahioawhio'  # a
        ['a', 'a', 'a', 'a']
        
    - search()：----> obj ----> obj.group()
        'awfwaghowiahioawhio'  # a
        在匹配一个字符成功后，拿到结果后结束，不往后匹配。
        'a'
    
    - match()：----> obj ----> obj.group()
        'awfwaghowiahioawhio'  # a
        'a'
        'wfwaghowiahioawhio'  # a
         None
        从匹配字符的开头匹配,若开头不是想要的内容，则返回None。
"""

import re
str1 = '1234 abcd 5678 efgh ==++'
# findall
# res = re.findall('[0-9]{4}', str1)
# print(res)  # ['1234', '5678']

# search
# res = re.search('[0-9]{4}', str1)
# print(res.group())  # 1234

# match
res = re.match('[0-9]{4}', str1)
# print(res.group())
if res:
    print(res.group())

4、爬虫应用

"""
爬蟲四部原理:
    1.发送请求: requests
    2.获取响应数据: 对方机器直接返回的
    3.解析并提取想要的数据: re
    4.保存提取后的数据: with open()

爬蟲三部曲:
    1.发送请求
    2.解析数据
    3.保存数据
"""

import requests
import re

# 爬蟲三部曲:
# 1.发送请求
def get_page(url):
    response = requests.get(url)
    # response.content  # 获取二进制流数据，比如图片、视频、音频
    # response.text  # 获取响应文本，比如html代码
    return response

# 2.解析数据
# 伪代码:
# response = get_page('url地址')
# parser_page(response.text)
def parser_page(text):      # response.text
    # re.findall('正则表达式', '过滤的文本')
    res_list = re.findall(
        '<table width="100%" border="0".*?<a href="(.*?)" class="ulink">(.*?)</a>',
        text,
        re.S          # 全局匹配
    )
    for moive_tuple in res_list:
        yield moive_tuple

# 3.保存数据
# 伪代码:
# res_list = parser_page(text)
# save_data(res_list)
def save_data(res_list_iter):
    with open('电影天堂.txt', 'a', encoding='utf-8')as f:
        for movie_tuple in res_list_iter:
            movie_url, name = movie_tuple
            str1 = f"""
            电影地址：{movie_url}
            电影名字：{name}
            """
            f.write(str1)

# 获取10个链接
n = 1
for line in range(10):
    url = f'https://www.ygdy8.net/html/gndy/dyzz/list_23_{n}.html'
    n += 1
    print(url)

    response = get_page(url)
    res_list_iter = parser_page(response.text)
    save_data(res_list_iter)

三、logging模块

"""
logging模块的使用
   - 是用来记录日志的模块，一般记录用户在软件中的操作。
   def get_logger(user_type):
        # 1.加载log配置字典到logging模块的配置中
        logging.config.dictConfig(LOGGING_DIC)

        # 2.获取日志对象
        logger = logging.getLogger(user_type)
        return logger

   logger = get_logger('user')
   logger.info('日志消息')
"""

import os
import logging.config

# 定义三种日志输出格式 开始
standard_format = '[%(asctime)s][%(threadName)s:%(thread)d][task_id:%(name)s][%(filename)s:%(lineno)d]' \
                  '[%(levelname)s][%(message)s]' #其中name为getlogger指定的名字

simple_format = '[%(levelname)s][%(asctime)s][%(filename)s:%(lineno)d]%(message)s'

id_simple_format = '[%(levelname)s][%(asctime)s] %(message)s'

# 定义日志输出格式 结束
# 注意1: log文件的目录
BASE_PATH = os.path.dirname(os.path.dirname(__file__))
logfile_dir = os.path.join(BASE_PATH, 'log_dir')

# 注意2: log文件名
logfile_name = 'user.log'

# 如果不存在定义的日志目录就创建一个
if not os.path.isdir(logfile_dir):
    os.mkdir(logfile_dir)

# log文件的全路径
logfile_path = os.path.join(logfile_dir, logfile_name)

# 注意3: log配置字典,直接拿来用就可以了
LOGGING_DIC = {
    'version': 1,
    'disable_existing_loggers': False,
    'formatters': {
        'standard': {
            'format': standard_format
        },
        'simple': {
            'format': simple_format
        },
    },
    'filters': {},
    'handlers': {
        #打印到终端的日志
        'console': {
            'level': 'DEBUG',
            'class': 'logging.StreamHandler',  # 打印到屏幕
            'formatter': 'simple'
        },
        # 打印到文件的日志,收集info及以上的日志
        'default': {
            'level': 'DEBUG',
            'class': 'logging.handlers.RotatingFileHandler',  # 保存到文件
            'formatter': 'standard',
            'filename': logfile_path,  # 日志文件
            'maxBytes': 1024*1024*5,  # 日志大小 5M
            'backupCount': 5,
            'encoding': 'utf-8',  # 日志文件的编码，再也不用担心中文log乱码了
        },
    },
    'loggers': {
        #logging.getLogger(__name__)拿到的logger配置
        '': {
            'handlers': ['default', 'console'],  # 这里把上面定义的两个handler都加上，即log数据既写入文件又打印到屏幕
            'level': 'DEBUG',
            'propagate': True,  # 向上（更高level的logger）传递
        },
    },
}

# 注意4 使用模块
def get_logger(user_type):
    # 1.加载log配置字典到logging模块的配置中
    logging.config.dictConfig(LOGGING_DIC)

    # 2.获取日志对象
    logger = logging.getLogger(user_type)
    return logger

logger = get_logger('yang')
logger.info('登录成功')

防止导入模块时自动执行测试功能
if __name__ == '__main__':
　　执行测试模块

四、包

1.什么是包？
　　包是一个带有__init__.py的文件夹，包也可以被导入，
　　并且可以一并导入包下的所有模块。

2.为什么要使用包？
　　包可以帮我们管理模块，在包中有一个__init__.py, 由它来帮我们管理模块。

3.怎么使用包？
　　- import 包.模块名
　　包.模块.名字

　　- from 包 import 模块名

　　- from 包.模块名 import 模块中的名字

- 导入包时发生的事情:
　　1.当包被导入时，会以包中的__init__.py来产生一个名称空间。
　　2.然后执行__init__.py文件, 会将__init__.py中的所有名字添加到名称空间中。
　　3.接着会将包下所有的模块的名字加载到__init__.py产生的名称空间中。
　　4.导入的模块指向的名称空间其实就是__init__.py产生的名称空间中。