目标：掌握常见的内置模块的使用及了解软件开发的规范。
今日概要：
json模块，是python内部的一个模块，可以将python的数据格式 转换为json格式的数据，也可以将json格式的数据转换为python的数据格式。
json格式，是一个数据格式（本质上就是个字符串，常用语网络数据传输）
# Python中的数据类型的格式
data = [
{"id": 1, "name": "刘德华", "age": 18},
{"id": 2, "name": "geek", "age": 18},
('egon',123),
]
# JSON格式
value = '[{"id": 1, "name": "刘德华", "age": 18}, {"id": 2, "name": "geek", "age": 18},["egon",123]]'
json格式的作用？
跨语言数据传输，例如：
A系统用Python开发，有列表类型和字典类型等。
B系统用Java开发，有数组、map等的类型。
语言不同，基础数据类型格式都不同。
为了方便数据传输，大家约定一个格式：json格式，每种语言都是将自己数据类型转换为json格式，也可以将json格式的数据转换为自己的数据类型。
Python数据类型与json格式的相互转换：
数据类型 -> json ，一般称为：序列化
import json
data = [
{"id": 1, "name": "刘德华", "age": 18},
{"id": 2, "name": "geek", "age": 18},
]
res = json.dumps(data)
print(res) # '[{"id": 1, "name": "\u5218\u5fb7\u534e", "age": 18}, {"id": 2, "name": "geek", "age": 18}]'
res = json.dumps(data, ensure_ascii=False)
print(res) # '[{"id": 1, "name": "刘德华", "age": 18}, {"id": 2, "name": "geek", "age": 18}]'
json格式 -> 数据类型，一般称为：反序列化
import json
data_string = '[{"id": 1, "name": "刘德华", "age": 18}, {"id": 2, "name": "geek", "age": 18}]'
data_list = json.loads(data_string)
print(data_list)
写网站，给用户返回json格式数据
安装flask模块，协助我们快速写网站（之前已安装过）
pip3 install flask
使用flask写网站
import json
from flask import Flask
app = Flask(__name__)
def index():
return "首页"
def users():
data = [
{"id": 1, "name": "刘德华", "age": 18},
{"id": 2, "name": "geek", "age": 18},
]
return json.dumps(data)
app.add_url_rule('/index/', view_func=index, endpoint='index')
app.add_url_rule('/users/', view_func=users, endpoint='users')
if __name__ == '__main__':
app.run()
发送网络请求，获取json格式数据并处理。
import json
import requests
url = "https://movie.douban.com/j/search_subjects?type=movie&tag=%E7%83%AD%E9%97%A8&sort=recommend&page_limit=5&page_start=20"
res = requests.get(
url=url,
headers={
"User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/87.0.4280.88 Safari/537.36"
}
)
# json格式
print(res.text)
# json格式转换为python数据类型
data_dict = json.loads(res.text)
print(data_dict)
python的数据类型转换为 json 格式，对数据类型是有要求的，默认只支持：
+-------------------+---------------+
| Python | JSON |
+===================+===============+
| dict | object |
+-------------------+---------------+
| list, tuple | array |
+-------------------+---------------+
| str | string |
+-------------------+---------------+
| int, float | number |
+-------------------+---------------+
| True | true |
+-------------------+---------------+
| False | false |
+-------------------+---------------+
| None | null |
+-------------------+---------------+
data = [
{"id": 1, "name": "刘德华", "age": 18},
{"id": 2, "name": "geek", "age": 18},
]
其他类型如果想要支持，需要自定义JSONEncoder才能实现【目前只需要了解大概意思即可，以后项目开发中用到了还会讲解。】，例如：
import json
from decimal import Decimal
from datetime import datetime
data = [
{"id": 1, "name": "刘德华", "age": 18, 'size': Decimal("18.99"), 'ctime': datetime.now()},
{"id": 2, "name": "geek", "age": 18, 'size': Decimal("9.99"), 'ctime': datetime.now()},
]
class MyJSONEncoder(json.JSONEncoder):
def default(self, o):
if type(o) == Decimal:
return str(o)
elif type(o) == datetime:
return o.strftime("%Y-%M-%d")
return super().default(o)
res = json.dumps(data, cls=MyJSONEncoder)
print(res)
json模块中常用的是：
json.dumps，序列化生成一个字符串。
json.loads，发序列化生成python数据类型。
json.dump，将数据序列化并写入文件（不常用）
import json
data = [
{"id": 1, "name": "刘德华", "age": 18},
{"id": 2, "name": "geek", "age": 18},
]
file_object = open('xxx.json', mode='w', encoding='utf-8')
json.dump(data, file_object)
file_object.close()
json.load，读取文件中的数据并反序列化为python的数据类型（不常用）
import json
file_object = open('xxx.json', mode='r', encoding='utf-8')
data = json.load(file_object)
print(data)
file_object.close()
UTC/GMT：世界时间
本地时间：本地时区的时间。
Python中关于时间处理的模块有两个，分别是time和datetime。
import time
# 获取当前时间戳（自1970-1-1 00:00）
v1 = time.time()
print(v1)
# 时区
v2 = time.timezone
print(v2/60/60)
# 停止n秒，再执行后续的代码。
time.sleep(5)
在平时开发过程中的时间一般是以为如下三种格式存在：
datetime
from datetime import datetime, timezone, timedelta
v1 = datetime.now() # 当前本地时间
print(v1)
tz = timezone(timedelta(hours=7)) # 当前东7区时间
v2 = datetime.now(tz)
print(v2)
v3 = datetime.utcnow() # 当前UTC时间
print(v3)
from datetime import datetime, timedelta
v1 = datetime.now()
print(v1)
# 时间的加减
v2 = v1 + timedelta(days=140, minutes=5)
print(v2)
# datetime类型 + timedelta类型
from datetime import datetime, timezone, timedelta
v1 = datetime.now()
print(v1)
v2 = datetime.utcnow() # 当前UTC时间
print(v2)
# datetime之间相减，计算间隔时间（不能相加）
data = v1 - v2
print(data.days, data.seconds / 60 / 60, data.microseconds)
# datetime类型 - datetime类型
# datetime类型 比较 datetime类型
字符串
# 字符串格式的时间 ---> 转换为datetime格式时间
text = "2021-11-11"
v1 = datetime.strptime(text,'%Y-%m-%d') # %Y 年，%m，月份，%d，天。
print(v1)
# datetime格式 ----> 转换为字符串格式
v1 = datetime.now()
val = v1.strftime("%Y-%m-%d %H:%M:%S")
print(val)
时间戳
# 时间戳格式 --> 转换为datetime格式
ctime = time.time() # 11213245345.123
v1 = datetime.fromtimestamp(ctime)
print(v1)
# datetime格式 ---> 转换为时间戳格式
v1 = datetime.now()
val = v1.timestamp()
print(val)
转换关系
字符串 互相转换 datetime 互相转换 时间戳
字符串通过 datetime 实现 与时间戳的互相转换
日志记录，将用户输入的信息写入到文件，文件名格式为年-月-日-时-分.txt。
from datetime import datetime
while True:
text = input("请输入内容：")
if text.upper() == "Q":
break
current_datetime = datetime.now().strftime("%Y-%m-%d-%H-%M")
file_name = "{}.txt".format(current_datetime)
with open(file_name, mode='a', encoding='utf-8') as file_object:
file_object.write(text)
file_object.flush()
用户注册，将用户信息写入Excel，其中包含：用户名、密码、注册时间 三列。
import os
import hashlib
from datetime import datetime
from openpyxl import load_workbook
from openpyxl import workbook
BASE_DIR = os.path.dirname(os.path.abspath(__file__))
FILE_NAME = "db.xlsx"
def md5(origin):
hash_object = hashlib.md5("sdfsdfsdfsd23sd".encode('utf-8'))
hash_object.update(origin.encode('utf-8'))
return hash_object.hexdigest()
def register(username, password):
db_file_path = os.path.join(BASE_DIR, FILE_NAME)
if os.path.exists(db_file_path):
wb = load_workbook(db_file_path)
sheet = wb.worksheets[0]
next_row_position = sheet.max_row + 1
else:
wb = workbook.Workbook()
sheet = wb.worksheets[0]
next_row_position = 1
user = sheet.cell(next_row_position, 1)
user.value = username
pwd = sheet.cell(next_row_position, 2)
pwd.value = md5(password)
ctime = sheet.cell(next_row_position, 3)
ctime.value = datetime.now().strftime("%Y-%m-%d %H:%M:%S")
wb.save(db_file_path)
def run():
while True:
username = input("请输入用户名：")
if username.upper() == "Q":
break
password = input("请输入密码：")
register(username, password)
if __name__ == '__main__':
run()
当给你一大堆文本信息，让你提取其中的指定数据时，可以使用正则来实现。例如：提取文本中的邮箱和手机号
import re
text = "楼主太牛了，在线想要 442662578@qq.com和xxxxx@live.com谢谢楼主，手机号也可以15131255789，约起来呀"
phone_list = re.findall("1[3|5|8|9]\d{9}", text)
print(phone_list)
# 输出 ['15131255789']
egon 匹配文本中的egon
import re
text = "你好egon,你是个逗比egonasd"
data_list = re.findall("egon", text)
print(data_list) # ['egon', 'egon']
# 可用于计算字符串中某个字符出现的次数
re.findall("正则表达式", text)
[abc] 匹配a或b或c 字符。
import re
text = "dadksjadavbcc诗和远方指理想的生活csacba"
data_list = re.findall("[abc]", text)
print(data_list) # ['a', 'a', 'a', 'b', 'c', 'c', 'c', 'a', 'c', 'b', 'a']
# [abc] 匹配a或b或c
import re
text = "dadksjadavbcc诗和远方qa指理想的生活csacbawffbbupqcceiqiff"
data_list = re.findall("q[abc]", text)
print(data_list) # ['qa', 'qc']
# 匹配 qa,或者qb,或者qc
[^abc] 匹配除了abc以外的其他字符。
import re
text = "你好wffbbupff"
data_list = re.findall("[^abc]", text)
print(data_list) # ['你', '好', 'w', 'f', 'f', 'u', 'p', 'f', 'f']
[a-z] 匹配a~z的任意字符（ [0-9]也可以 ）。
import re
text = "daverootrootadmin"
data_list = re.findall("t[a-z]", text)
print(data_list) # ['tr', 'ta']
. 代指除换行符以外的任意字符。
import re
text = "daveraotroxotadmin"
data_list = re.findall("r.o", text)
print(data_list) # ['rao', 'roo']
# 注意，并没有输出roxo，说明中间只能匹配一位
text = "daveraoroxotadmin"
data_list = re.findall("r.o", text)
print(data_list) # ['rao']
+ 出现一次或者n次
import re
text = "daveraoroxotadmin"
data_list = re.findall("r.+o", text)
print(data_list) # ['raoroxo']
# 贪婪匹配，不管中间多少都能匹配到第一个r开头到最后一个o结尾，最长的匹配
问号 ？ 匹配前一个字符0次或1次，前面的字符可有可无
import re
text = "daveraotrootadmin"
data_list = re.findall("r.+?o", text) # 非贪婪匹配，最短的匹配
print(data_list) # ['rao', 'roo']
\w 代指字母或数字或下划线（汉字）。
import re
text = "北京海贼geek王北 京海贼geek王"
data_list = re.findall("海\w+k", text)
print(data_list) # ['海贼geek', '海贼geek']
# \W 无法匹配到空格，所以输出：['海贼geek', '海贼geek']
# 没空格则贪婪的匹配到最长
text = "北京海贼geek王北京海贼geek王"
data_list = re.findall("海\w+k", text)
print(data_list) # ['海贼geek王北京海贼geek']
\d 代指数字
import re
text = "root-ad32min-add3-admd1in"
data_list = re.findall("d\d", text)
print(data_list) # ['d3', 'd3', 'd1']
import re
text = "root-ad32min-add3-admd1in"
data_list = re.findall("d\d+", text)
print(data_list) # ['d32', 'd3', 'd1']
\s 代指任意的空白符，包括空格、制表符等。
import re
text = "root admin add admin"
data_list = re.findall("a\w+\s\w+", text)
print(data_list) # ['admin add']
# a 开头，\w 字母数字下划线, + 一个或多个字母数字下划线， \s 代表任意的空白符，空格，制表符
* 重复0次或更多次
import re
text = "abcabFFcabFFFc"
data_list = re.findall("abF*c", text)
print(data_list)
# ['abc', 'abFFc', 'abFFFc'] # 去abF*c 不管F出现多少次都能取到
+ 重复1次或更多次，至少一次
import re
text = "他是大傻个，确实是个大2傻，大3傻，大66666傻。"
data_list = re.findall("大\d+傻", text)
print(data_list) # ['大2傻', '大3傻', '大66666傻']
? 重复0次或1次，+后面的?代表非贪婪匹配
import re
text = "他是大傻个，确实是个大2傻，大3傻，大66666傻。"
data_list = re.findall("大\d?傻", text)
print(data_list) # ['大傻', '大2傻', '大3傻']
{n} 重复n次
import re
text = "a12345za567890"
data_list = re.findall("a\d{5}", text)
print(data_list) # ['a12345', 'a56789']
# {} 中的数字代表出现n次，\d代指数字，所有是a开头后加无个数字
{n,} 重复n次或更多次
import re
text = "a1234554321z---a56789012345"
data_list = re.findall("a\d{7,}", text)
print(data_list) # ['a1234554321', 'a56789012345']
#{n,} 代指出现次数大于等于n次都能匹配到
{n,m} 重复n到m次
import re
text = "a1234554321z---a5678901234055555"
data_list = re.findall("a\d{10,11}", text)
print(data_list) # ['a1234554321', 'a56789012340']
# 第二个数取到了11位
text = "a1234554321z---a5678901"
data_list = re.findall("a\d{10,15}", text)
print(data_list) # ['a1234554321']
提取数据区域
import re
text = "楼主太厉害了，在线想要邮箱 442662578@qq.com和xxxxx@live.com谢谢楼主，手机号也可15131255789，约起来呀"
data_list = re.findall("15131(2\d{5})", text)
print(data_list) # ['255789']
# ()括号表示提前这个区域的内容
import re
text = "楼主太厉害了，在线想要邮箱 442662578@qq.com和xxxxx@live.com谢谢楼主，手机号也可15131255789，约起来呀"
data_list = re.findall("15(13)1(2\d{5})", text)
print(data_list) # [ ('13', '255789') ]
# 多个括号
import re
text = "楼主太厉害了，在线想要邮箱 442662578@qq.com和xxxxx@live.com谢谢楼主，手机号也可15131255789，约起来呀15131266666"
data_list = re.findall("15(13)1(2\d{5})", text)
print(data_list)
# [('13', '255789'), ('13', '266666')] 多次匹配，匹配成功放入元组中
import re
text = "楼主太厉害了，在线想要邮箱 442662578@qq.com和xxxxx@live.com谢谢楼主，手机号也可15131255789，约起来呀"
data_list = re.findall("(15131(2\d{5}))", text)
print(data_list) # [('15131255789', '255789')]
# 以外部大括号为整体，提取整体的一部分数据
获取指定区域 + 或条件
import re
text = "楼主15131root太牛15131dave叉了，在线想要 442662578@qq.com和xxxxx@live.com谢谢楼主，手机号也可15131255789，约起来呀"
data_list = re.findall("15131(2\d{5}|r\w+太)", text)
print(data_list) # ['root太', '255789']
# “|” 或的意思，嵌套括号只提取括号中的部分内容
import re
text = "楼主15131root太牛15131dave了，在线想要 442662578@qq.com和xxxxx@live.com谢谢楼主，手机号也可15131255789，约起来呀"
data_list = re.findall("(15131(2\d{5}|r\w+太))", text)
print(data_list) # [('15131root太', 'root太'), ('15131255789', '255789')]
利用正则匹配QQ号码
[1-9]\d{4,}
身份证号码
import re
text = "dsf130429191912015219k13042919591219521Xkk"
data_list = re.findall("\d{17}[\dX]", text)
print(data_list) # ['130429191912015219', '13042919591219521X']
# 中括号只支持一个字符的或，多个需要使用分组，小括号
import re
text = "dsf130429191912015219k13042919591219521Xkk"
data_list = re.findall("\d{17}(\d|X)", text)
print(data_list) # ['9', 'X']
import re
text = "dsf130429191912015219k13042919591219521Xkk"
data_list = re.findall("(\d{17}(\d|X))", text)
print(data_list) # [('130429191912015219', '9'), ('13042919591219521X', 'X')]
import re
text = "dsf130429191912015219k13042919591219521Xkk"
data_list = re.findall("(\d{6})(\d{4})(\d{2})(\d{2})(\d{3})([0-9]|X)", text)
print(data_list) # [('130429', '1919', '12', '01', '521', '9'), ('130429', '1959', '12', '19', '521', 'X')]
手机号
import re
text = "我的手机号是15133377892，你的手机号是1171123啊？"
data_list = re.findall("1[3-9]\d{9}", text)
print(data_list) # ['15133377892']
邮箱地址
import re
text = "楼主太厉害了，在线想要邮箱 442662578@qq.com和xxxxx@live.com谢谢楼主，手机号也可15131255789，约起来呀"
email_list = re.findall("\w+@\w+\.\w+",text)
print(email_list) # ['442662578@qq.com和xxxxx']
import re
text = "楼主太厉害了，在线想要邮箱 442662578@qq.com和xxxxx@live.com谢谢楼主，手机号也可15131255789，约起来呀"
email_list = re.findall("[a-zA-Z0-9_-]+@[a-zA-Z0-9_-]+\.[a-zA-Z0-9_-]+", text, re.ASCII)
print(email_list) # ['442662578@qq.com', 'xxxxx@live.com']
# [a-zA-Z0-9_-] 可能是大小写字母，0-9， _ -
# \. 反斜杠，转义符合，让点没有含义就是一个 .
re.ASCII 匹配时自动忽略中文
import re
text = "楼主太厉害了，在线想要邮箱 442662578@qq.com和xxxxx@live.com谢谢楼主，手机号也可15131255789，约起来呀"
email_list = re.findall("\w+@\w+\.\w+", text, re.ASCII)
print(email_list) # ['442662578@qq.com', 'xxxxx@live.com']
import re
text = "楼主太牛44266-2578@qq.com了吧，在线想要 442662578@qq.com和xxxxx@live.com谢谢楼主，手机号也可15131255789，嗨起来呀"
email_list = re.findall("(\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*)", text, re.ASCII)
print(email_list) # [('44266-2578@qq.com', '-2578', '', ''), ('xxxxx@live.com', '', '', '')]
# + re.ASCII 自动忽略中文
补充代码，实现获取页面上的所有评论（已实现），并提取里面的邮箱。
# 先安装两个模块
pip3 install requests
pip3 install beautifulsoup4
import re
import requests
from bs4 import BeautifulSoup
res = requests.get(
url="https://www.douban.com/group/topic/79870081/",
headers={
'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_14_0) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.163 Safari/537.36',
}
)
bs_object = BeautifulSoup(res.text, "html.parser")
comment_object_list = bs_object.find_all("p", attrs={"class": "reply-content"})
for comment_object in comment_object_list:
text = comment_object.text
# print(text)
# 请继续补充代码，提取text中的邮箱地址
email_list = re.findall("\w+@\w+\.\w+", text, re.ASCII)
if email_list:
print(email_list)
上述示例中都是去一段文本中提取数据，只要文本中存在即可。
但，如果要求用户输入的内容必须是指定的内容开头和结尾，比就需要用到如下两个字符。
^ 开始$ 结束import re
text = "啊442662578@qq.com我靠"
email_list = re.findall("^\w+@\w+.\w+$", text, re.ASCII)
print(email_list) # []
import re
text = "442662578@qq.com"
email_list = re.findall("^\w+@\w+.\w+$", text, re.ASCII)
print(email_list) # ['442662578@qq.com']
这种一般用于对用户输入数据格式的校验比较多，例如：
import re
text = input("请输入邮箱：")
email = re.findall("^\w+@\w+.\w+$", text, re.ASCII)
if not email:
print("邮箱格式错误")
else:
print(email)
由于正则表达式中 * . \ { } ( ) 等都具有特殊的含义，所以如果想要在正则中匹配这种指定的字符，需要转义，例如：
import re
text = "我是你{5}大爷"
data = re.findall("你{5}大爷", text)
print(data) # []
import re
text = "我是你{5}大爷"
data = re.findall("你\{5\}大爷", text)
print(data)
python中提供了re模块，可以处理正则表达式并对文本进行处理。
findall，获取匹配到的所有数据
import re
text = "dsf130429191912015219k13042919591219521Xkk"
data_list = re.findall("(\d{6})(\d{4})(\d{2})(\d{2})(\d{3})([0-9]|X)", text)
print(data_list) # [('130429', '1919', '12', '01', '521', '9'), ('130429', '1959', '12', '19', '521', 'X')]
match，从起始位置开始匹配，匹配成功返回一个对象，未匹配成功返回None
import re
text = "大小逗2B最逗3B欢乐"
data = re.match("逗\dB", text)
print(data) # None
import re
text = "逗2B最逗3B欢乐"
data = re.match("逗\dB", text)
if data:
content = data.group() # "逗2B"
print(content)
search，浏览整个字符串去匹配第一个，未匹配成功返回None
import re
text = "大小逗2B最逗3B欢乐"
data = re.search("逗\dB", text)
if data:
print(data.group()) # "逗2B"
sub，替换匹配成功的位置
import re
text = "逗2B最逗3B欢乐"
data = re.sub("\dB", "沙雕", text)
print(data) # 逗沙雕最逗沙雕欢乐
# 从左至右匹配几个
import re
text = "逗2B最逗3B欢乐"
data = re.sub("\dB", "沙雕", text, 1)
print(data) # 逗沙雕最逗3B欢乐
split，根据匹配成功的位置分割
import re
text = "逗2B最逗3B欢乐"
data = re.split("\dB", text)
print(data) # ['逗', '最逗', '欢乐']
import re
text = "逗2B最逗3B欢乐"
data = re.split("\dB", text, 1)
print(data) # ['逗', '最逗3B欢乐']
finditer
import re
text = "逗2B最逗3B欢乐"
data = re.finditer("\dB", text)
# 在循环的过程中，没循环一次找一次，并不是一下全部输出到内存
for item in data:
print(item.group())
#输出
2B
3B
import re
text = "逗2B最逗3B欢乐"
data = re.finditer("(?P<xx>\dB)", text) # 命名分组
for item in data:
print(item.groupdict())
# 输出
{'xx': '2B'}
{'xx': '3B'}
# 正则：命名分组(分组) (?P<名称>正则)
import re
text = "dsf130429191912015219k13042919591219521Xkk"
data_list = re.finditer("\d{6}(?P<year>\d{4})(?P<month>\d{2})(?P<day>\d{2})\d{3}[\d|X]", text)
for item in data_list:
info_dict = item.groupdict()
print(info_dict)
到此，关于最常见的内置模块就全部讲完了（共11个），现阶段只需要掌握这些模块的使用即可，在后续的课程和练习题中也会涉及到一起其他内置模块。
Python提供了大约200多个内置的标准模块,涵盖了Python运行时服务、文字模式匹配、操作系统接口、数学运算、对象永久保存、网络和Internet脚本和GUI构建等方面
现阶段，我们在开发一些程序时（终端运行），应该遵循一些结构的规范，让你的系统更加专业。
当基于python开发简单应用时（一个py文件就能搞定），需要注意如下几点。
"""
文件注释
"""
import re
import random
import requests
from openpyxl import load_workbook
DB = "XXX"
def do_something():
""" 函数注释 """
# TODO 待完成时，下一期实现xxx功能
for i in range(10):
pass
def run():
""" 函数注释 """
# 对功能代码进行注释
text = input(">>>")
print(text)
if __name__ == '__main__':
run()
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-j6WLZ2pH-1635293933228)(images/image-20210105160728297.png)]
新创建一个项目，假设名字叫 【crm】，可以创建如下文件和文件夹来存放代码和数据。
crm
├── app.py 文件，程序的主文件（尽量精简）
├── config.py 文件，配置文件（放相关配置信息，代码中读取配置信息，如果想要修改配置，即可以在此修改，不用再去代码中逐一修改了）
├── db 文件夹，存放数据
├── files 文件夹，存放文件
├── src 包，业务处理的代码
└── utils 包，公共功能
示例程序见附件：crm.zip
新创建项目，假设名称叫【killer】，可以创建如下文件和文件夹来存放代码和数据。
killer
├── bin 文件夹，存放多个主文件（可运行）
│ ├── app1.py
│ └── app2.py
├── config 包，配置文件
│ ├── __init__.py
│ └── settings.py
├── db 文件夹，存放数据
├── files 文件夹，存放文件
├── src 包，业务代码
│ └── __init__.py
└── utils 包，公共功能
└── __init__.py
示例程序见附件：killer.zip
有video.csv视频库文件，其中有999条短视频数据，格式如下：【 video.csv 文件已为大家提供好，在day15课件目录下。 】
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-WW7WEkDy-1635293933233)(images/image-20210105223331765.png)]
项目的核心功能有：
分页看新闻（每页显示10条），提示用户输入页码，根据页码显示指定页面的数据。
搜索专区
id=1715025，筛选出id等于1715025的视频（video.csv的第一列）。key=文本，模糊搜索，筛选包含关键字的所有新闻（video.csv的第二列）。下载专区
用户输入视频id，根据id找到对应的mp4视频下载地址，然后下载视频到项目的files目录。
视频的文件名为：视频id-年-月-日-时-分-秒.mp4
视频下载代码示例
import requests
res = requests.get(
url='https://video.pearvideo.com/mp4/adshort/20210105/cont-1715046-15562045_adpkg-ad_hd.mp4'
)
# 视频总大小（字节）
file_size = int(res.headers['Content-Length'])
download_size = 0
with open('xxx.mp4', mode='wb') as file_object:
# 分块读取下载的视频文件（最多一次读128字节），并逐一写入到文件中。 len(chunk)表示实际读取到每块的视频文件大小。
for chunk in res.iter_content(128):
download_size += len(chunk)
file_object.write(chunk)
file_object.flush()
message = "视频总大小为：{}字节，已下载{}字节。".format(file_size, download_size)
print(message)
file_object.close()
res.close()
下载的过程中，输出已下载的百分比，示例代码如下：
import time
print("正在下载中...")
for i in range(101):
text = "\r{}%".format(i)
print(text, end="")
time.sleep(0.2)
print("\n下载完成")
自动采集梨视频1000条资讯的爬虫脚本。梨视频平台系统更新后可能会导致下载失败，到时候需根据平台调整再来修改代码。
"""
下载梨视频的：视频ID，视频标题，视频URL地址 并写入到本次 video.csv 文件中。
运行此脚本需要预先安装：
pip install request
pip install beautifulsoup4
"""
import requests
from bs4 import BeautifulSoup
def get_mp4_url(video_id):
data = requests.get(
url="https://www.pearvideo.com/videoStatus.jsp?contId={}".format(video_id),
headers={
"Referer": "https://www.pearvideo.com/video_{}".format(video_id),
}
)
response = data.json()
image_url = response['videoInfo']['video_image']
video_url = response['videoInfo']['videos']['srcUrl']
middle = image_url.rsplit('/', 1)[-1].rsplit('-', 1)[0]
before, after = video_url.rsplit('/', 1)
suffix = after.split('-', 1)[-1]
url = "{}/{}-{}".format(before, middle, suffix)
return url
def download_video():
file_object = open('video.csv', mode='w', encoding='utf-8')
count = 0
while count <= 999:
res = requests.get(
url="https://www.pearvideo.com/category_loading.jsp?reqType=14&categoryId=&start={}".format(count)
)
bs = BeautifulSoup(res.text, 'lxml')
a_list = bs.find_all("a", attrs={'class': "vervideo-lilink"})
for tag in a_list:
title = tag.find('div', attrs={'class': "vervideo-title"}).text.strip()
video_id = tag.get('href').split('_')[-1]
mp4_url = get_mp4_url(video_id)
row = "{},{},{}\n".format(video_id, title, mp4_url)
file_object.write(row)
file_object.flush()
count += 1
message = "已下载{}个".format(count)
print(message)
file_object.close()
if __name__ == '__main__':
download_video()