python爬虫【第1篇】

一、文件读写

1.打开文件

# 以读文件模式代开new.txt

f=open(r"c:
ew.txt"，“r”)
 
f=open("c:
ew.txt"，“r”)

常见文件读取模式：‘r’-读模式；‘w’-写模式；‘a’-追加模式；‘b’-二进制模式；‘+’-读/写模式

更多文件读取模式：http://www.runoob.com/python/python-files-io.html

file对象的属性：

file.closed    　返回true如果文件已被关闭，否则返回false。
file.mode    　　返回被打开文件的访问模式。
file.name   　　 返回文件的名称。
file.softspace  如果用print输出后，必须跟一个空格符，则返回false。否则返回true

详见实例：

#!/usr/bin/python
# -*- coding: UTF-8 -*-
 
# 打开一个文件
fo = open("foo.txt", "w")
print "文件名: ", fo.name
print "是否已关闭 : ", fo.closed
print "访问模式 : ", fo.mode
print "末尾是否强制加空格 : ", fo.softspace

返回结果如下：
文件名:  foo.txt
是否已关闭 :  False
访问模式 :  w
末尾是否强制加空格 :  0

2.文件读取

①.file.read([size]) 　　 　　size未指定则返回整个文件,如果文件大小>2倍内存则有问题.f.read()读到文件尾时返回""(空字串)

②.file.readline() 　　　　　　返回一行

③.file.readlines([size]) 　　返回包含size行的列表,size 未指定则返回全部行

④.for line in f: 
　　
　　  print line #通过迭代器访问

3.文件写入

f.write("hello
") 　　#如果要写入字符串以外的数据,先将他转换为字符串.

4.文件关闭

f.close()     关闭文件

5.更多file对象方法：

f.tell() 　　返回一个整数,表示当前文件指针的位置(就是到文件头的比特数).

f.seek(偏移量,[起始位置]) 用来移动文件指针.

　　偏移量:单位:比特,可正可负
　　起始位置:0-文件头,默认值;1-当前位置;2-文件尾

省略写法：

with open(‘C:new.txt’，‘r’) as f:
    f.write()

二、文件及目录操作方法

os.getcwd()    # 获取当前python脚本工作目录路径
os.listdir(path)    # 返回指定目录下的所有文件及目录名
os.remove(filepath)    # 删除1个文件
os.removedirs(r"d:python")    #删除多个空目录
os.path。isfile(filepath)    #检验路径是否是一个文件
os.path.isdir(filepath)    #检验路径是否是一个目录
os.path.isabs()　　　　#判断是否为绝对路径
os.path.exists()　　　　#检验路径是否存在
os.path.split()　　　　#分离一个路径的目录名和文件名，如：

os.path.split(r"/home/new.txt")
返回结果为：（‘/home’，‘new.txt’）

os.path.splitext()　　　　#分离扩展名，如：

os.path.splitext(r"/home/new.txt")
返回结果为：（‘/home/new’,'.txt'）

os.path.dirname(filepath)　　　　#获取路径名
os.path.basename(filepath)　　　　#获取文件名
os.rename(old,new)　　　　#重命名文件或目录
os.makedirs(r"c:|python、test")　　　　#创建多级目录
os.makedir("test")　　　　#创建单个目录
os.path.getsize(filename)　　　　#获取文件大小
shutil.copytree('olddir','newdir')　　　　#复制文件夹
shutil.copyfile('oldfile','newfile')　　　　#复制文件
shuti.move('oldpos','newpos')　　　　#移动文件
os.rmdir('dir')　　　　#删除空目录

三、序列化

　　序列化：把内存中的变量编程可存储或可传输的过程。

　　反序列化：把变量内容从序列化的对象重新读取到内存的过程。

　　Python中有2个模块，可实现序列化，即：cPickle、pickle，前者效率较高

1.dumps()方法

功能：将任意对象序列化成一个str，然后将这个str写入文件进行保存。

import pickle

d = dict（url = ‘index.html’，title = ‘首页’，content = ‘首页’）
pickle。dumps(d)

2.dump()方法

功能：将序列化后的文件直接写入文件

f = open(r'D:
ew.txt'，‘wb’)
pickle.dump(d,f)
f.close()

3.loads()与load()方法

loads()功能：将str反序列化为对象
load()功能：将文件直接反序列化为对象

f = open(r'D:
ew.txt','rb')
d = pickle.load(f)
f.cloese