想在python中使用正则表达式，可以使用re模块来辅助筛选。
1.findall
查找数据中所有符合条件的数值，最后的结果以列表形式输出。（贪婪匹配）
import re
res = re.findall('l', 'hello') # ['l', 'l']
2.finditer
功能与findall一致，不过最后以迭代器形式输出。
import re
res = re.finditer('l', 'hello')
#
3.search
查找数据中符合条件的数值，查找到一个就直接停止。（非贪婪匹配）
search输出形式为迭代器，span表示目标在数据中的坐标位置，可以用group方法只输出数据。
import re
res = re.search('a', 'abcabc')
#
res.group() # a
4.match
判断头部是否匹配条件，只匹配头部。
match输出形式也是迭代器，但头部匹配不成立的情况下会输出None
import re
res = re.match('a', 'balance') # None
5.compile
compile可以提前制作一个正则表达式，需要时直接提用，节约代码空间
import re
obj = re.compile('a')
res = re.findall(obj, 'abcabc') # 相当于把条件用变量的形式输入
re模块的特殊功能
1.分组
给判断条件中的字符添加括号，就是给条件分组。所有字符都会参与匹配，但是输出时优先显示分组内的字符。
import re
res = re.findall('abc', 'abcabcabcabc')
# ('abc', 'abc', 'abc', 'abc')
res1 = re.findall('a(b)c', 'abcabcabcabc')
# ('b', 'b', 'b', 'b')
2.别名
别名就是给分组取名，输出时如果写了别名优先输出对应的分组。
取名方式为在括号内输入?p<组名>
import re
res = re.search('a(?Pb)(?Pc)','abcabcabcabc')
print(res.group('id'))
print(res.group('name'))
网络爬虫简介
网络爬虫就是从计算机到互联网上获取信息，除了自主上网获取信息外，还可以使用代码获取网页上的信息。
第三方模块下载在python中自带第三方模块的下载与导入。
使用命令提示符pip解释器版本名 install 模块名 pip3.10 install requests
执行之后等待下载进度完成即导入成功。
注意：第三方模块导入之后无法跨版本使用，只能在安装的版本调用。
默认的下载地址为国外网站，也可以手动更改成国内网站
pip3.10 install 模块名 -i 源地址
部分国内下载地址
清华大学 ：https://pypi.tuna.tsinghua.edu.cn/simple/
阿里云：http://mirrors.aliyun.com/pypi/simple/
中国科学技术大学 ：http://pypi.mirrors.ustc.edu.cn/simple/
华中科技大学：http://pypi.hustunique.com/
豆瓣源：http://pypi.douban.com/simple/
腾讯源：http://mirrors.cloud.tencent.com/pypi/simple
华为镜像源：https://repo.huaweicloud.com/repository/pypi/simple/
打开pycharm左上角的file / setting，选中左侧的project:文件名，在这里会显示当前解释器安装的所有模块目录。
然后点击任意模块进入下载界面，在上面搜索栏输入模块名，选中之后点击左下角的install即可自动下载和导入模块。
使用requests模块获取信息
1.获取网址及信息
网页本身由代码构成，所有信息都可以在代码上赋值到本地。
本次例子由红牛官网 畅饮每时每刻
import requests
res = requests.get('网址') # 相当于在浏览器输入网址
print(res.content) # 获取页面bytes类型的数据
print(res.text) # 获取解码之后的数据，相当于在网页按f12查看源代码
with open(r'hn.html','wb') as f: #为了避免每次执行都要从网络上下载数据，可以先保存到本地
f.write(res.content)
2.读取数据
import re,request
with open(r'hn.html', 'r', encoding='utf8') as f: # 读取页面数据
data = f.read()
company_name_list = re.findall('(.*?)', data)
#获取所有的分公司名称
company_addr_list = re.findall("(.*?)
", data)
#获取所有的分公司地址
print(company_addr_list)
company_email_list = re.findall("(.*?)
", data)
#获取所有的分公司邮箱
print(company_email_list)
company_phone_list = re.findall("(.*?)
", data)
#获取所有的分公司电话
print(company_phone_list)
3.整合打包信息
res = zip(company_name_list, company_addr_list, company_email_list, company_phone_list) #将获得的信息按照上述名称分组
4.格式化输出
for i in res:
print("""
公司名称:%s
公司地址:%s
公司邮箱:%s
公司电话:%s
""" % i)
# ('红牛杭州分公司', '杭州市上城区庆春路29号远洋大厦11楼A座', '310009', '0571-87045279/7792')
openpyxl模块
openpyxl模块是python中用于操控链接excel表格的模块之一，openpyxl相比其他使用excel的模块操作更加简单。
1.创建excel文件
from openpyxl import Workbook # 导入模块
wb = Workbook() #创建文件
wb1 = wb.create_sheet('成绩表') #创建表
wb.save(r'111.xlsx') #将文件命名为括号内字符并保存
2.写入数据
方式一：坐标
将位置填写在括号内
wb1['A1'] = '信息'
方式二：cell
wb1.cell(row=3, column=2, value='信息')
方式三：append
使用append时会以一次一行的方式添加数据，如果没有数据输入可以用None代替。
wb1.append(['username','password','age','gender','hobby']) wb1.append(['jason1',123,18,'male','read']) wb1.append(['jason2',123,18,'male','read'])
