Python库学习

Requests库

7个主要方法

方法	说明
requests.request()	构造一个请求，支撑以下各种方法的基础方法
requests.get()	获取HTML网页的主要方法，对应于HTTP的GET
requests.head()	获取HTML网页头信息的方法，对应于HTTP的HEAD
requests.post()	向HTML网页提交POST请求的方法，对应于HTTP的POST
requests.put()	向HTML网页提交PUT请求的方法，对应于HTTP的PUT
requests.patch()	向HTML网页提交局部修改请求，对应于HTTP的PATCH
requests.delete()	向HTML网页提交删除请求，对应于HTTP的DELETE
request库的7个方法除了request()方法外，其余6个都是由request()方法封装而成的【其他方法都是通过调用request()方法来实现的】，而我们最主要使用的还是get方法。

Requests库的get()方法

r = requests.get(url，params=None，**kwargs)

• url :拟获取页面的url链接
• params :url中的额外参数，字典或字节流格式，可选
• **kwargs:12个控制访问的参数

Requests库的两个重要对象

Response对象

Response对象返回包含服务器返回的所有信息，也包含请求的Request信息

Response对象的属性

属性	说明
r.status_code	HTTP请求的返回状态，200表示连接成功，404表示失败
r.text	HTTP响应内容的字符串形式，即url对应的页面内容
r.encoding	从HTTP header中猜测的响应内容编码方式
r.apparent_encoding	从内容中分析出的响应内容编码方式（备选编码）
r.content	HTTP响应内容的二进制形式

爬取网页的通用代码框架

import requests
def getHTMLText(url):
    try:
        r = requests.get(url, timeout=30)
        r.raise_for_status()#如果状态码200
        r.encoding = r.apparent_enconding
        return r.text
    except:
        return "产生异常"
        
if __name__ == "__main__":
    url = "http://www.baidu.com"
    print(getHTMLText(url))

演示结果

Requests库的post方法

演示代码

import requests
payload = {'key1':'value1','key2':'value2'}
r = requests.post('http://httpbin.org/post',data = payload)
r.encoding = r.apparent.encoding
print(r.text)

演示结果

Requests库的request方法

requests.request(method,url,**kwargs)

• method :请求方式，对应get/put/post等7种
• url :拟获取页面的url链接
• kwargs:控制访问的参数，共13个
  *kwargs:控制访问的参数，均为可选项

参数	说明
params	字典或字节序列，作为参数增加到url中
data	字典、字节序列或文件对象，作为Resquest的内容
josn	JOSN格式的数据，作为Request的内容
headers	字典，HTTP定制头
cookies	字典或CookieJar,Request中的cookie
auth	元组，支持HTTP认证功能
files	字典类型，传输文件
timeout	设定超时时间，秒为单位
proxies	字典类型，设定访问代理服务器，可以增加登录认证
allow_redirects	True/False，默认为True，重定向开关
stream	True/False，默认为True，获取内容立即下载开关
verify	True/False，默认为True，获取SSL证书开关
cert	本地SSL证书路径

Re库

正则表达式

常用操作符

操作符	说明	实例
.	表示任何单个字符
[]	字符集，对单个字符给出取值范围	[abc]表示a,b,c,[a-z]表示a到z单个字符
[^ ]	非字符集，对单个字符给出排除范围	[^abc]表示非a或b或c的单个字符
*	前一个字符0次或无限次拓展	abc*表示ab，abc，abcc，abccc等
+	前一个字符1次或无限次拓展	abc+表示abc，abcc，abccc等
?	前一个字符0次或1次拓展	abc?表示ab，abc
|	左右表达式任意一个	abc
	拓展前一个字符m次	ab{2}c表示abbc
	拓展前一个字符m至n次(含n)	ab{1，2}c表示abc，abbc
^	匹配字符串开头	^abc表示abc且在一个字符串的开头
$	匹配字符串结尾	abc$表示abc且在一个字符串的结尾
()	分组标记，内部只能使用|操作符	(abc)表示abc，(abc
\d	数字，等价于[0-9]
\w	单词字符，等价于[A-Za-z0-9_]
经典正则表达式实例
表达式	说明
---	---
^[A-Za-z]+$	由26个字母组成的字符串
^[A-Za-z0-9]+$	由26个字母和数字组成的字符串
^-?\d+$	整数形式的字符串
^[0-9]*[1-9][0-9]*$	正整数形式的字符串
[1-9]\d	中国境内邮政编码，6位
[\u4e00-\u9fa5]	匹配中文字符

Re库的使用

raw string类型(原生字符串类型)
re库采用raw string类型表示正则表达式，表示为：r'text'
raw string是不包含对转义符再次转义的字符串

Re库主要功能函数

re.search(pattern,string,flags=0)

在一个字符串中搜索匹配正则表达式的第一个位置返回match对象

• pattern：正则表达式的字符串或原生字符串表示
• string：待匹配字符串
• flags：正则表达式使用时的控制标记

常用标记	说明
re.I(re.IGNORECASE)	忽略正则表达式的大小写，[A-Z]能够匹配小写字符
re.M(re.MULTILINE)	正则表达式中^操作符能够给定字符串的每行当作匹配开始
re.S(re.DOTALL)	正则表达式中.操作符能够匹配所有字符，默认匹配除换行外的所有字符

re.match(pattern,string,flags=0)

从一个字符串的开始位置起匹配正则表达式返回match对象

re.findall(pattern,string,flags=0)

搜索字符串，以列表类型返回全部能匹配的子串

re.split(pattern,string,maxsplit,flags=0)

将一个字符串安装正则表达式匹配结果进行分割，返回列表类型

• maxsplit：最大分割数，剩余部分作为最后一个元素输出

re.finditer(pattern,string,flags=0)

搜索字符串，返回词汇表匹配结果的迭代类型，每个迭代类型元素是match对象

re.sub(pattern,repl,string,count=0,flags=0)

在一个字符串中替换所有匹配正则表达式的子串，返回替换后的字符串

• repl：替换匹配的字符串的字符串
• 匹配的最大替换次数
  

Re库的另一种等价用法

函数式用法：一次性操作
rst = re.search(r'[1-9]\d{12}','UESTC 2019091616009')

面向对象用法：编译后的多次操作

pat = re.compile(r'[1-9]\d{12})
rst = pat.search('UESTC 2019091616009')

Re库的Match对象

Match对象是一次匹配的结果，包含很多信息

Match对象的属性

属性	说明
.string	待匹配的文本
.re	匹配时使用的patter对象(正则表达式)
.pos	正则表达式搜索文本的开始位置
.endpos	正则表达式搜索文本的结束位置

Match对象的方法

方法	说明
.group(0)	获得匹配后的字符串
.start()	匹配字符串在原始字符串的开始位置
.end()	匹配字符串在原始字符串的结束位置
.span()	返回(.start(),.end())

Re库的贪婪匹配和最小匹配

Re库默认采用贪婪匹配，即输出匹配最长的子串
**最小匹配操作符

操作符	说明
*?	前一个字符0次或无限次拓展，最小匹配
+?	前一个字符1次或无限次拓展，最小匹配
??	前一个字符0次或1次拓展，最小匹配
{m,n}?	拓展前一个字符m至n次(含n)，最小匹配
只要长度输出可能不同的，都可以通过在操作符后增加?变成最小匹配