bs4模块运用总结
笔记总结python模块
python | bs4 | BeautifulSoup

快速上手

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
html = """
<html><head><title>The Dormouse's story</title></head>
<body>
<p class="title" name="dromouse"><b>The Dormouse's story</b></p>
<p class="story">Once upon a time there were three little sisters; and their names were
<a href="http://example.com/elsie" class="sister" id="link1"><!-- Elsie --></a>,
<a href="http://example.com/lacie" class="sister" id="link2">Lacie</a> and
<a href="http://example.com/tillie" class="sister" id="link3">Tillie</a>;
and they lived at the bottom of a well.</p>
<p class="story">...</p>
"""
from bs4 import BeautifulSoup
soup = BeautifulSoup(html, 'lxml')
print(soup.prettify())
print(soup.title.string)
阅读全文
requests模块运用总结
笔记总结python模块
python | requests

快速上手

1
2
3
4
import requests
url='https://www.baidu.com'
# 使用get请求访问
r=requests.get(url,headers=None,proxy=None,allow_redirects=False,timeout=None)
属性 描述 返回格式
r.text 响应内容 str
r.content 二进制响应内容 str
r.cookies 发送的cookies dict(cookies_are=’working’)
r.url 访问的url url
r.header 请求头 header={‘useragent’:’firefox’}
r.status_code 访问状态200 2XX,4XX,5XX
r.request.header 返回头 字典格式
r.encoding 编码模式 utf-8
r.json 返回的json内容 字典格式
阅读全文
re模块运用
笔记总结python模块
python | re | 正则表达式

模块简介

在无规律的内容中，匹配到自己想要的内容

常见匹配模式

模式 描述
\w 匹配字母数字及下划线
\W 匹配非字母数字下划线
\s 匹配任意空白字符，等价于 [\t\n\r\f].
\S 匹配任意非空字符
\d 匹配任意数字，等价于 [0-9]
\D 匹配任意非数字
\A 匹配字符串开始
\Z 匹配字符串结束，如果是存在换行，只匹配到换行前的结束字符串
\z 匹配字符串结束
\G 匹配最后匹配完成的位置
\n 匹配一个换行符
\t 匹配一个制表符
^ 匹配字符串的开头
$ 匹配字符串的末尾。
. 匹配任意字符，除了换行符，当re.DOTALL标记被指定时，则可以匹配包括换行符的任意字符。
[…] 用来表示一组字符,单独列出：[amk] 匹配 ‘a’，’m’或’k’
[^…] 不在[]中的字符：[^abc] 匹配除了a,b,c之外的字符。
* 匹配0个或多个的表达式。
+ 匹配1个或多个的表达式。
? 匹配0个或1个由前面的正则表达式定义的片段，非贪婪方式
{n} 精确匹配n个前面表达式。
{n, m} 匹配 n 到 m 次由前面的正则表达式定义的片段，贪婪方式
a\ b 匹配a或b
( ) 匹配括号内的表达式，也表示一个组
阅读全文
xlwt模块使用总结
笔记总结python模块
python | excle | csv | xlrt

安装模块

1
pip install xlwt

快速上手

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
import xlwt

# 创建一个excle文件
file = xlwt.Workbook(encoding='ascii') #注意这里的Workbook首字母是大写

# 新建一个sheet
table = file.add_sheet('sheet name')
"""
如果对一个单元格重复操作
会引发Exception: Attempt to overwrite cell
所以在打开时加cell_overwrite_ok=True 解决
"""
table = file.add_sheet('sheet name',cell_overwrite_ok=True )

# 写入数据table.write(行,列,value)
table.write(0,0,'test')
file.save('demo.xls')  # 保存文件
阅读全文
pytesseract模块使用总结
笔记总结python模块
python | pytesseract

安装环境

  1. Python-tesseract需要python 2.6+或python 3.x.
  2. 需要Python Imaging Library（PIL）（或Pillow fork）。在Debian / Ubuntu下，这是包python-imaging或python3-imaging。
  3. 安装 Tesseract OCR （有关如何在Linux，Mac OSX和Windows上安装引擎的其他信息）。你必须能够调用的Tesseract命令正方体。如果不是这种情况，例如因为tesseract不在您的PATH中，则必须更改“tesseract_cmd”变量pytesseract.pytesseract.tesseract_cmd。在Debian / Ubuntu下，您可以使用包tesseract-ocr.pytesseract文档
阅读全文
Algolia