python（数据分析与可视化）二
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了python（数据分析与可视化）二，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含6127字，纯文字阅读大概需要9分钟。
内容图文
python（数据分析与可视化）二
本地文件读写
1.pip包管理
(1)内置库
包/库：别人写好的代码，直接引用，加快开发效率。
内置包：python解释器内置常用功能库。
– 解释器安装目录/Lib文件夹下， os time urllib等
– 文件夹里有__init__.py 就成了一个包。
...
import urllib
from urllib import request
response = request.urlopen('http://baidu.com')
...
(2)关于HTTP模拟和HTML源代码解析
python时代： urllib urllib2
由第三方程序员做了一个新http请求库，比官方更方便，urllib3
又有一个程序员，在urllib3基础上进一步封装和优化，requests
python3时代 内置库统一为urllib
结论：建议直接使用requests
(3)第三方库
pypi.org 上丰富的各种功能的库
①pip包管理工具
在服务器上没有图形界面的浏览器.开发语言第三方库往往用命令行包管理工具
解释器/script/pip.exe
pip -V # 看Pip版本
pip search requests #搜索包信息
pip install requests #安装第三方库
pip uninstall requests #卸载
pip list #展示所有已经安装过的库
pip freeze > requirements.txt #把项目用到的库信息导出到一个文件中
第三方库安装的位置： 解释器目录\lib\site-packages\
②换源
软件源source: 清单里维护了上万的 某某软件-> 某某url下载 库下载地址关系，但官方pypi.org下载速度慢，国内一些大学、大公司同步镜像
方法一：临时换源
‘pip install requests -i http://simply.aliyun.com/simply/’
方法二：永久换
系统用户文件夹下新建.pip文件夹和pip.conf文件，写入配置
方式三（推荐）：pycharm设置里面配settings/interpreter/+号/manage repositories/+号 复制源（推荐阿里云）
参考[pip换源]（https://www.cnblogs.com/believepd/p/10499844.html）
豆瓣 https://pypi.doubanio.com/simple/
阿里云 https://mirrors.aliyun.com/pypi/simple/
清华大学 https://pypi.tuna.tsinghua.edu.cn/simple/
2.requests基本用法
requests 是用Python语言编写，基于 urllib，采用 Apache2 Licensed 开源协议的 HTTP 库。它比 urllib 更加方便，可以节约我们大量的工作，完全满足 HTTP 测试需求。Requests 的哲学是以 PEP 20 的习语为中心开发的，所以它比 urllib 更加 Pythoner。下面我以代码的形式简单写其中常用的几个知识点：
import requests
baidu_index_url = 'https://baidu.com'
baidu_search_url = 'http://baidu.com/s'
#仿造请求头，基本反爬虫措施
headers = {
#'cookies':'', #跟公共参数、用户会话有关
#'refer':'', #从哪个页面来
#浏览器标识，容易伪造，但肯定是机器人，容易被服务器识别出来
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.111 Safari/537.36'
}
params = {
'wd':'天气',
'ie':'utf-8'
}
response = requests.get(url=baidu_search_url,params=params)
#状态码
status_code = response.status_code
if status_code == 200:
#网页数据 bytes
content = response.content
#网页数据str 一般直接取得text属性，但少数情况解码错误出现乱码
text = response.text
text = content.decode('utf-8') #只有百度需要（）特殊
print(text)
url = response.url
headers = response.headers
3.debug模式
debug模式也就是调试运行模式
具体操作过程可以分为三步：
1.打断点
2.以debug运行
3.F8向下执行单步，观察变量值
import requests
response = requests.get(url='https://baidu.com', )
# 状态码
status_code = response.status_code
if status_code == 200:
# 网页数据 bytes
content = response.content
# 网页数据str 一般直接取得text属性，但少数情况解码错误出现乱码
text = response.text
text = content.decode('utf-8')
print(text)
url = response.url
headers = response.headers
for i in range(10):
print(i)
j = i
j+=1
print(1)
4.html解析—正则
①我们已经用requests模拟请求，拿到网页源代码，str字符串，里面HTML模式
#需要分析
字符串自带的find方法功能有限，如下：
html = '<html><body><h1>标题</h1></body></html>'
start_index = html.find('<h1>')
end_index = html.find('</h1>')
print(html[start_index:end_index])
因此有三种解析方法：
解析方式一：正则 regex，专门针对字符串处理的语法
（不推荐，了解即可）
import re
text1 = 'ilikepythonbutyouarebeautiful'
pattern1 = re.compile(r'python')
matcher1 = re.search(pattern1,text1)
print(matcher1[0])
text2 = '<h1>i like world</h1>'
pattern2 = re.compile(r'<h1>.+</h1>') # . 表示一个字符
matcher2 = re.search(pattern2,text2)
print(matcher2[0])
text3 = 'beautiful'
text4 = 'you are a good boy'
text5 = '13243454454@qq.com'
#注册验证邮箱
#手册 https://tool.oschina.net/uploads/apidocs/jquery/regexp.html
#常用正则 https://www.cnblogs.com/qq364735538/p/11099572.html
text6 = """
<html>
aaacc<h1>adsd
sss
</h1>
aaaa
</html>
"""
pattern10 = re.compile(r'<h1>(.*?)</h1>',re.S)
print(pattern10.findall(text6))
#把网页上HTML目标区域标签复制到上述代码中，像抓取的信息用(.*?)代替
5.html解析—bs库（不推荐，了解即可）
#网页HTML本身就是树状层状结构，按照层次去找
#beautiful-soup库 是python2时代的库，
#适合python3的是beautifulsoup4
#用’pip install beautifulsoup4‘来安装第三方库
from bs4 import BeautifulSoup #小坑：代码包名和包原信息名字不一致
html = """
<html>
<body>
<a id='xxx' href="https://baidu.com">百度一下</a>
<a></a>
</body>
</html>
"""
#先把字符串解析成html结构，内置库html.parser 或者第三方库lxml
bs = BeautifulSoup(html,'html.parser') #或者第二个参数填入“lxml”
print(bs.a)
print(bs.find_all('a'))
print(bs.a['href'])
print(bs.a)
#获取父、子标签
#总结：bs逻辑直观简单，但代码较多
6.html解析—xpath
#xpath表达式有自己的语法，但没有正则那么复杂，类似bs4库按照html层级查找
#用’pip install lxml‘来进行第三方库的安装
from lxml import etree
html = """
<!DOCTYPE html>
<html lang="en">
<head>
<meta charset="UTF-8" />
<title>lxml中xpath的用法</title>
</head>
<body>
<ul>
<li><a href="https://www.baidu.com" class="first_a">百度一下</a></li>
<li><a href="https://mail.qq.com" id="second_a">QQ邮箱</a></li>
<li><a href="https://www.taobao.com">淘宝网</a></li>
<li>
<a href="https://pypi.python.org" class="first_a">Python官网</a>
<a href="https://pypi.python.org" class="second_a">Python</a>
</li>
</ul>
<p class="one">first_p_tag</p>
<p id="second">second_p_tag</p>
<div class="one">
first_div_tag
<p class="first second third">11111111</p>
<a href="#">22222222</a>
</div>
</body>
</html>
"""
#把长字符串转换成html文档树
dom = etree.HTML(html)
print(dom)
#默认情况下都是全文匹配，匹配不到返回空列表,匹配到的【element,element】
# "/"表示往下一层 “//”表示忽略任意层父级目录
dom.xpath('//a')
#取html元素里的属性
# "/@href"取元素属性值
dom.xpath('//a/@href')
#取标签里面的内容 -> "/text()"
print(dom.xpath('//a/text()'))
# 属性过滤
print(dom.xpath('//a[@id="second_a"]/text()')[0])
| 比较 | 正则 | xpath | bs |
|---|---|---|---|
| 难度 | 难 | 中 | 简单 |
| 代码量 | 少 | 少 | 多 |
| 可读性 | 好 |
今天的分享就到这里，如果还想了解更多，可以看我主页！
内容总结
以上是互联网集市为您收集整理的python（数据分析与可视化）二全部内容，希望文章能够帮你解决python（数据分析与可视化）二所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。