python--高级内容（文件，爬虫，xml解析）

文件的打开方式：

open(name[,mode[buf]])        name：文件路径     mode：打开方式      buf：缓冲buffering大小

打开关闭文件：

Python提供了必要的函数和方法进行默认情况下的文件基本操作。你可以用file对象做大部分的文件操作。

open函数

你可以先用Python内置的open()函数打开一个文件，创建一个file对象，

并且可以利用不同模式下打开文件的属性来对文件进行编辑

举例：

file object = open(file_name [, access_mode][, buffering])

# file_name：file_name变量是一个包含了你要访问的文件名称的字符串值。

# access_mode：access_mode决定了打开文件的模式：只读，写入，追加等。
# 所有可取值见如下的完全列表。这个参数是非强制的，默认文件访问模式为只读(r)。

# buffering:如果buffering的值被设为0，就不会有寄存。
# 如果buffering的值取1，访问文件时会寄存行。如果将buffering的值设为大于1的整数，表明了这就是的寄存区的缓冲大小。
# 如果取负值，寄存区的缓冲大小则为系统默认。

• 不同模式打开文件描述

• # r   以只读方式打开文件。文件的指针将会放在文件的开头。这是默认模式。
  # rb  以二进制格式打开一个文件用于只读。文件指针将会放在文件的开头。这是默认模式。
  # r+  打开一个文件用于读写。文件指针将会放在文件的开头。
  # rb+ 以二进制格式打开一个文件用于读写。文件指针将会放在文件的开头。
  # w   打开一个文件只用于写入。如果该文件已存在则将其覆盖。如果该文件不存在，创建新          文件。
  # wb  以二进制格式打开一个文件只用于写入。如果该文件已存在则将其覆盖。如果该文件不          存在，创建新文件。
  # w+  打开一个文件用于读写。如果该文件已存在则将其覆盖。如果该文件不存在，创建新文          件。
  # wb+ 以二进制格式打开一个文件用于读写。如果该文件已存在则将其覆盖。如果该文件不存          在，创建新文件。
  # a    打开一个文件用于追加。如果该文件已存在，文件指针将会放在文件的结尾。也就是         说，新的内容将会被写入到已有内容之后。如果该文件不存在，创建新文件进行写入
  # ab  以二进制格式打开一个文件用于追加。如果该文件已存在，文件指针将会放在文件的结          尾。也就是说，新的内容将会被写入到已有内容之后。如果该文件不存在，创建新          文件进行写入。
  # a+  打开一个文件用于读写。如果该文件已存在，文件指针将会放在文件的结尾。文件打开          时会是追加模式。如果该文件不存在，创建新文件用于读写。
  # ab+ 以二进制格式打开一个文件用于追加。如果该文件已存在，文件指针将会放在文件的结          尾。如果该文件不存在，创建新文件用于读写。
  

  File对象的属性

  一个文件被打开后，你有一个file对象，你可以得到有关该文件的各种信息。

  以下是和file对象相关的所有属性的列表： 
  

#      属性                          描述
#  file.closed              如果文件已被关闭返回true，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

Close()方法

File对象的close（）方法刷新缓冲区里任何还没写入的信息，并关闭该文件，这之后便不能再进行写入。

当一个文件对象的引用被重新指定给另一个文件时，Python会关闭之前的文件

Write()方法

Write()方法可将任何字符串写入一个打开的文件。需要重点注意的是，Python字符串可以是二进制数据，而不是仅仅是文字。

Write()方法不在字符串的结尾不添加换行符('\n')：

示例：

fileObject.write(string);

read()方法

read（）方法从一个打开的文件中读取一个字符串。需要重点注意的是，Python字符串可以是二进制数据，而不是仅仅是文字。

示例：

fileObject.read([count]);

在这里，被传递的参数是要从已打开文件中读取的字节计数。该方法从文件的开头开始读入，如果没有传入count，它会尝试尽可能多地读取更多的内容，很可能是直到文件的末尾。

文件位置：

tell()方法告诉你文件内的当前位置；换句话说，下一次的读写会发生在文件开头这么多字节之后：

seek（offset [,from]）方法改变当前文件的位置。Offset变量表示要移动的字节数。From变量指定开始移动字节的参考位置。

如果from被设为0，这意味着将文件的开头作为移动字节的参考位置。如果设为1，则使用当前的位置作为参考位置。如果它被设为2，那么该文件的末尾将作为参考位置。 

重命名和删除文件

Python的os模块提供了帮你执行文件处理操作的方法，比如重命名和删除文件。

要使用这个模块，你必须先导入它，然后可以调用相关的各种功能。

rename()方法：

rename()方法需要两个参数，当前的文件名和新文件名。 

示例：

os.rename(old_wjname,new_wjname)

remove()方法

你可以用remove()方法删除文件，需要提供要删除的文件名作为参数。 

示例：

os.remove(new_wj)

爬虫示例：

# 爬虫
# 从urllib导入请求
from urllib import request
# request.urlopen 请求打开网址
response = request.urlopen('https://www.jd.com')
# 在本地创建一个文件，然后把此文件存在一个变量中
xml = open('jd_xml.html', 'w+', encoding='utf-8')
# 把服务器的响应 response   处理 read()
# .read（）返回全部全部内容的字符串，
# .readlines() 返回list，list的每个元素是每一行的字符串
# .readline()返回一行的字符串，运行第二次，返回的就是第二行的字符串
html = response.read()
xml.write(str(html.decode('utf-8')));
print('读取完毕')

python  xml解析：

XML 指可扩展标记语言（eXtensible Markup Language）    被设计用来传输和存储数据。

XML是一套定义语义标记的规则，这些标记将文档分成许多部件并对这些部件加以标识。

它也是元标记语言，即定义了用于定义其他与特定领域有关的、语义的、结构化的标记语言的句法语言。

python对XML的解析

常见的XML编程接口有DOM和SAX，这两种接口处理XML文件的方式不同，当然使用场合也不同。

python有三种方法解析XML，SAX，DOM，以及ElementTree:

1.SAX (simple API for XML )

pyhton 标准库包含SAX解析器，SAX用事件驱动模型，通过在解析XML的过程中触发一个个的事件并调用用户定义的回调函数来处理XML文件。

2.DOM(Document Object Model)

将XML数据在内存中解析成一个树，通过对树的操作来操作XML。

3.ElementTree(元素树)

ElementTree就像一个轻量级的DOM，具有方便友好的API。代码可用性好，速度快，消耗内存少。

注：因DOM需要将XML数据映射到内存中的树，一是比较慢，二是比较耗内存，而SAX流式读取XML文件，比较快，占用内存少，但需要用户实现回调函数（handler）。

Python中提供的XML解析方式：

方法	特点
SAX	SAX解析通过流模式在解析XML的过程中触发对应的事件（start_element、char_data、end_element）并调用用户定义的回调函数来处理XML文件。
DOM	将XML数据在内存中解析成一个树，通过对树的操作来操作XML，占用内存大，解析速度较慢，优点是可以任意遍历树的节点。
ElementTree	类似一个轻量级的DOM。

XML文件格式：

text tail
例： hello123456789

• tag，为标签，用于标识该元素表示哪种数据，即APP_KEY
• attrib，即属性，用Dictionary形式保存，即{'channel' = 'CSDN'}
• text，文本字符串，可以用来存储一些数据，即hello123456789
• tail，尾字符串，并不是必须的，例子中没有包含。

ElementTree解析XML文件的过程：

• 导入ElementTree
• 解析Xml文件找到根节点：
• 直接解析XML文件并获得根节点
• 解析字符串
• 遍历根节点可以获得子节点，然后就可以按照自己需要来获取字段