1、Python基础知识

　　在Python中的两种注释方法，分别是#注释和引号（'''   '''）注释，#注释类似于C语言中的//注释，引号注释类似于C语言中的/*   */注释。接着在Python中标识符第一次字符必须是字母或下划线，除第一个字符意外其他的字符可以使字母、下划线和数字。在Python中的数据类型包括：数、字符串、列表（list）、元组（tuple）、集合（set）和字典（dictionary）{key1:value1,key2:value2}。列表[" "," "]中的元素支持修改，而元(" "," ")组中的元素不支持修改。求商：//，求余数：%。

1.1Python基础知识运用

　　将乘法表顺序输出和逆序输出：

 

1.2Python模块导入

　模块导入主要用到两种方法，分别是：import 模块名和from···import····。模块导入这部分的理解是首先要导入已经建好的模块，比如request，将request的路径找到，接着在调用request里面的urlopen函数，下面给出三种导入类型，并对百度的首页进行内容获取。

 

2、Python文件操作

　　read(size)：未指定size则返回整个文件；

　　readline()：返回一行；

　　readlines(size)：返回size行

　　write("文件地址","r、w等")：写入数据

　　close()关闭文件

　　

      

　　注意在write()后面需要加上close()。在上述操作中，若原file.txt中已有内容，在进行写入操作后，原有内容将被覆盖，全部替换为write后的内容。

　　异常处理的格式：

　　try:

　　　　代码

　　except Exception as error:

　　　　print(在这里可以输出error的提示)

 

3、正则表达式

3.1符号及语法

　　^：匹配字符串开头，若^放在[]中则是取反的意思，如：[^\s]+是匹配除了空白字符以外的任意字符

　　$：匹配字符串结尾

　　*：匹配前面表达式的0次、一次或多次

　　?：匹配前面表达式的0次或一次

　　+：匹配前面表达式的一次或多次

　　.：匹配除换行符\n以外的所有字符串

　　{m,n}：匹配前一个字符出现至少m次，至多出现7n

　　/d：匹配任意十进制数

　　/s：匹配空白字符

　　/w：匹配字母和数字         # /W、/S、/D匹配与/w、/s、/d为互补关系

3.2常见的re函数

　　re.match()：从起始位置开始匹配，若不成功则返回none

　　re.rearch()：扫描全部字符串返回第一个成功的匹配

　　re.sub()：替换匹配到的字符串

　　re.compile().findall()：全局匹配函数

实例：爬取https://read.douban.com/provider/all提供的所有出版社名称，并写入"出版社.txt"。

　　其中(.*?)是懒惰模式，表示尽可能少的匹配；(.*)是贪婪模式，表示尽可能多的匹配。在这个代码的最后还需加上fh.close()。“utf-8”将爬取的网页数据解码。在循环中，由于ret中为字符串，所以用len(ret)来将之转换成长度。