subprocess, re模块，logging, 包等使用方法

subprocess, re模块，logging, 包等使用方法

• subprocess

'''
subprocess:
    sub: 子
    process: 进程
    可以通过python代码给操作系统终端发送命令，并且可以返回结果
'''
import subprocess

while True:
    #1、让用户输入终端命令
    cmd_str = input('请输入终端命令：').strip()
    #Popen(cmd命令，shell=True,
    # stdout=subprocess.PIPE,stderr=subprocess.PIPE)
    #调用Popen就会将用户的终端命令传给本地的操作系统终端
    #并且会得到一个对象，对象中包含着正确或错误的结果
    obj = subprocess.Popen(cmd_str, shell=True,
                     stdout=subprocess.PIPE,
                     stderr=subprocess.PIPE)
    success = obj.stdout.read().decode('gbk')
    #中国windows的操作系统默认是中文，所以需转成gbk
    if success:
        print(success, '正确的结果')

    error = obj.stderr.read().decode('gbk')
    if error:
        print(error, '错误的结果')
    '''
 请输入终端命令：dir
 驱动器 D 中的卷是 新加卷
 卷的序列号是 38A2-829E

 D:\python的pycharm\正式课\day17 的目录

2019/11/19  14:33              .
2019/11/19  14:33              ..
2019/11/19  14:33               947 subprocess模块.py
2019/11/19  08:09               459 日考.py
               2 个文件          1,406 字节
               2 个目录 132,886,355,968 可用字节
 正确的结果
 
 请输入终端命令：yafeng
'yafeng' 不是内部或外部命令，也不是可运行的程序
或批处理文件。
    '''

• re模块

'''
夺命三问：
    1、什么是正则表达式与re模块？
        -正则表达式：
            -正则表达式是一门独立的技术，任何；语言都可以使用正则表达式
            -正则表达式是由一堆特殊的字符组合而来
        -re模块
            在python中，若想要使用正则表达式，必须通过re模块使用
    2、为什么要使用正则？
        -比如要获取'一堆字符串'中的'某些字符'，正则表达式可以帮我们过滤，
        -并提取想要的字符串数据，比如从'afahafkfyafeng666'中获取'yafeng666'

        -应用场景：
            -爬虫：re，bs4,xpath,selector
            -数据分析过滤数据:re,pandas,numpy
            -用户名与密码手机认证：检测输入内容的合法性
    3、如何使用？
        -import re

- 字符组:
  - [0-9] 可以匹配到一个0-9的字符
  - [9-0]: 报错, 必须从小到大
  - [a-z]: 从小写的a-z
  - [A-Z]: 从大写A-Z
  - [z-A]: 错误, 只能从小到大，根据ascii表来匹配大小。
  - [A-z]: 总大写的A到小写的z。

  注意: 顺序必须要按照ASCII码数值的顺序编写。
'''

'''
- 元字符:
    *******根据博客的表格来记 （看一眼）
    https://images2015.cnblogs.com/blog/1036857/201705/1036857-20170529203214461-666088398.png

    - 组合使用
      - \w\W: 匹配字母数字下划线与非字母数字下划线，匹配所有。
      - \d\D: 无论是数字或者非数字都可以匹配。
      - \t: table
      - \n: 换行
      - \b: 匹配单词结尾，tank  jasonk
      - ^: startswith
            - '^'在外面使用: 表示开头。
            - [^]: 表示取反的意思。

      - $: endswith

      - ^$: 配合使用叫做精准匹配，如何限制一个字符串的长度或者内容。
      - |: 或。ab|abc如果第一个条件成立，则abc不会执行，怎么解决，针对这种情况把长的写在前面就好了，一定要将长的放在前面。
      - [^...]: 表示取反的意思。
      - [^ab]: 代表只去ab以外的字符。
      - [^a-z]: 取a-z以外的字符。
'''

'''
re模块三种比较重要的方法:
    - findall()： ----> []
        可以匹配 "所有字符" ，拿到返回的结果，返回的结果是一个列表。
        'awfwaghowiahioawhio'  # a
        ['a', 'a', 'a', 'a']

    - search()：----> obj ----> obj.group()
        'awfwaghowiahioawhio'  # a
        在匹配一个字符成功后，拿到结果后结束，不往后匹配。
        'a'

    - match()：----> obj ----> obj.group()
        'awfwaghowiahioawhio'  # a
        'a'
        'wfwaghowiahioawhio'  # a
         None
        从匹配字符的开头匹配,若开头不是想要的内容，则返回None。
'''
![](https://img2018.cnblogs.com/blog/1843751/201911/1843751-20191119193657126-368101467.png)

![](https://img2018.cnblogs.com/blog/1843751/201911/1843751-20191119193714291-753474729.png)


#re校验手机号码的合法性
# 需求: 11位、开头13/15/17开头
# import re
# while True:
#     phone_number = input('请输入您的号码：').strip()
#     # 需求: 11位、开头13/15/19
#     #     # 参数1: 正则表达式  ''
#     #     # 参数2: 需要过滤的字符串
#     #     # ^: 代表“开头”
#     #     # $: 代表“结束”
#     #     # |: 代表“或”
#     #     # (13|14): 可以获取一个值，判断是否是13或14.
#     #     # {9}: 需要获取9个值 限制数量
#     #     # []: 分组限制取值范围
#     #     # [0-9]: 限制只能获取0——9的某一个字符。
#     if re.match('^(13)|(15)|(19)[0-9]{9}$', phone_number):
#         print('该号码合法')
#         break
#     else:
#         print('该号码不合法')
    #>>>请输入您的号码：13012345678
    #>>>该号码合法
    #请输入您的号码：161234456789
    #>>>该号码不合法

#match的用法
import re
str1 = 'abcdefgyafeng666'
res = re.match('[A-z0-9]', str1)
print(res)
#>>>
print(res.group())   #只能获取一个值
#>>>a


#findall的用法
res = re.findall('[a-z0-9]{7}', str1)
print(res)   #可以获取多个值
#>>>['abcdefg', 'yafeng6']


#search的用法

res = re.search('[a-y6-7]', str1)
print(res.group())   #只能获取一个值
#>>>a

• 利用re模块爬取豆瓣电影

'''
爬取豆瓣TOP250电影信息

    第1页:
        https://movie.douban.com/top250?start=0&filter=

    ...

    第9页:
        https://movie.douban.com/top250?start=200&filter=

    第10页:
        https://movie.douban.com/top250?start=225&filter=

爬蟲四部原理:
    1.发送请求: requests
    2.获取响应数据: 对方机器直接返回的
    3.解析并提取想要的数据: re
    4.保存提取后的数据: with open()

爬蟲三部曲:
    1.发送请求
    2.解析数据
    3.保存数据


# 往10个链接发送请求获取响应数据
    - requests模块 ---》 请求库
'''

import requests
import re


# 爬虫三部曲
# 1、发送请求
def get_page(url):
    response = requests.get(url)
    # response.content#获取二进制数据流，比如图片，视频
    # response.text#获取响应文本，比如HTML代码
    return response


# 伪代码:
# response = get_page('url地址')
# parser_page(response.text)
# 2、解析数据
def parse_page(text):
    # re.findall('正则表达式'， '过滤的文本')

    '''
    '
.*?.*?(.*?).*?(.*?).*?(.*?)人评价'

    :param text:
    :return:
    '''
    res_list = re.findall(
        '
.*?.*?(.*?).*?(.*?).*?(.*?)人评价'
        , text, re.S)  ## response.text


    for movie_tuple in res_list:
        yield movie_tuple




# 3、保存数据
# 伪代码:
# res_list = parser_page(text)
# save_data(res_list)
def save_data(res_list_iter):
    with open('douban.txt', 'a', encoding='utf-8')as f:
        for movie_tuple in res_list_iter:
            movie_url, movie_name, movie_point, movie_num = movie_tuple
            # 写入文件
            str1 = f'''
            电影地址：{movie_url}
            电影名字：{movie_name}
            电影评分：{movie_point}
            评价人数：{movie_num}'''

            f.write(str1)


# 获取10个连接
n = 0
for line in range(10):
    url = f'https://movie.douban.com/top250?start={n}&filter='
    n += 25
    print(url)

    response = get_page(url)
    res_list_iter = parse_page(response.text)
    # print(res_list)
    save_data(res_list_iter)

• logging

# logging的配置信息
"""
logging配置
"""
import os

import logging.config

# 定义三种日志输出格式 开始
standard_format = '[%(asctime)s][%(threadName)s:%(thread)d][task_id:%(name)s][%(filename)s:%(lineno)d]' \
                  '[%(levelname)s][%(message)s]' #其中name为getlogger指定的名字

simple_format = '[%(levelname)s][%(asctime)s][%(filename)s:%(lineno)d]%(message)s'

id_simple_format = '[%(levelname)s][%(asctime)s] %(message)s'


# 定义日志输出格式 结束
# ****************注意1: log文件的目录
BASE_PATH = os.path.dirname(os.path.dirname(__file__))
logfile_dir = os.path.join(BASE_PATH, 'log_dir')
# print(logfile_dir)

# ****************注意2: log文件名
logfile_name = 'user.log'

# 如果不存在定义的日志目录就创建一个
if not os.path.isdir(logfile_dir):
    os.mkdir(logfile_dir)

# log文件的全路径
logfile_path = os.path.join(logfile_dir, logfile_name)

# ****************注意3: log配置字典
LOGGING_DIC = {
    'version': 1,
    'disable_existing_loggers': False,
    'formatters': {
        'standard': {
            'format': standard_format
        },
        'simple': {
            'format': simple_format
        },
    },
    'filters': {},
    'handlers': {
        #打印到终端的日志
        'console': {
            'level': 'DEBUG',
            'class': 'logging.StreamHandler',  # 打印到屏幕
            'formatter': 'simple'
        },
        # 打印到文件的日志,收集info及以上的日志
        'default': {
            'level': 'DEBUG',
            'class': 'logging.handlers.RotatingFileHandler',  # 保存到文件
            'formatter': 'standard',
            'filename': logfile_path,  # 日志文件
            'maxBytes': 1024*1024*5,  # 日志大小 5M
            'backupCount': 5,
            'encoding': 'utf-8',  # 日志文件的编码，再也不用担心中文log乱码了
        },
    },
    'loggers': {
        #logging.getLogger(__name__)拿到的logger配置
        '': {
            'handlers': ['default', 'console'],  # 这里把上面定义的两个handler都加上，即log数据既写入文件又打印到屏幕
            'level': 'DEBUG',
            'propagate': True,  # 向上（更高level的logger）传递
        },
    },
}


# 注意4:
def get_logger(user_type):
    # 1.加载log配置字典到logging模块的配置中
    logging.config.dictConfig(LOGGING_DIC)

    # 2.获取日志对象
    # logger = logging.getLogger('user')
    # logger = logging.getLogger('bank')
    # logger = logging.getLogger('shop')
    logger = logging.getLogger(user_type)
    return logger

# logging.config.dictConfig(LOGGING_DIC)
# # 调用获取日志函数的到日志对象
# logger = logging.getLogger('user')

# 通过logger日志对象，调用内部的日志打印
logger = get_logger('user')
# '只要思想不滑坡，方法总比问题多!'就是需要记录的日志信息
logger.info('学习不要浮躁，一步一个脚印!')
logger.info('只要思想不滑坡，方法总比问题多!')

• 防止导入包是被自动执行

def func():
    print('from test1.func...')

# func()

# __name__属于模块名称空间中的一个名字
# 当我们执行该模块时就会产生
print(__name__)  # 在当前文件中名字为:__main__   被导入时: 模块的名字

# 注意: 记住--》 main + 回车键

if __name__ == '__main__':
    print('在当前模块下执行功能')
    func()
else:
    print('当前模块已被导入')

• 包的理论

5.包的理论
    - 夺命三问:
        1.什么是包？
            包是一个带有__init__.py的文件夹，包也可以被导入，
            并且可以一并导入包下的所有模块。

        2.为什么要使用包？
            包可以帮我们管理模块，在包中有一个__init__.py, 由它来帮我们管理模块。

        3.怎么使用包？
            - import 包.模块名
                包.模块.名字

            - from 包 import 模块名

            - from 包.模块名 import 模块中的名字

        - 导入包时发生的事情:
            1.当包被导入时，会以包中的__init__.py来产生一个名称空间。
            2.然后执行__init__.py文件, 会将__init__.py中的所有名字添加到名称空间中。
            3.接着会将包下所有的模块的名字加载到__init__.py产生的名称空间中。
            4.导入的模块指向的名称空间其实就是__init__.py产生的名称空间中。