coding:utf-8
import re
import urllib
url = "http://www.muyingzhijia.com/Shopping/subcategory.aspx?cateID=31"
def getHtml(url):
page = urllib.urlopen(url)
html = page.read()
return html
def getDSJ(html):
reg = r'a href="(.*?)" class="traceCount landingStats" target="_blank" title="(.*?)"' target位置不能变且有一个空格的距离
lsre = re.compile(reg)
ls = re.finditer(lsre, html)
fd = open('test.txt', 'a')
for imgurl in ls:
fd.write(imgurl.group(2) + '\t' + imgurl.group(1) + '\n')
fd.close()
html = getHtml(url)
ls = getDSJ(html)
print 'ok'
对文件的读写操作
fo = open('/root/test.txt') #打开文件
fo.read() #读取文件
fo.close() #关闭文件
f1 = file('/root/test.txt') #表示类
f1.close() #一定要记得关闭文件
cat .txt 读取txt的文件
fnew = open('/root/new.txt','w')
fnew.write('hello \n i am milo')
fnew.close() #必须关闭之后才会在文件中显示
fnew = open('/root/new.txt','r+')
fnew.read（）
fnew.write（"new con"）
fenw.close（） #先读再写，新加的文字会在文件后边
fnew = open('/root/new.txt','r+')
fnew.write（"nooooo")
fnew.close（） #直接写会出现在文件开头
r 只读 r+读写 w写入，先删除原文件，再重新写入，如果原文件没有则创建
w+ 读写，先删除原文件，再重新写入，如果原文件没有则创建（可以写入输出）
a 写入：在文件末尾追加新内容，文件不存在，创建之
a+ 读写：在文件末尾追加新内容，文件不存在，创建之
b 打开二进制的文件 可以与r，w，a，+结合使用
U支持所有的换行符号 "\r""\n""\r\n"
f.readline()#一行一行的读取文件，超出后显示空字符串
f.readlines()#返回一个列表
f.next（）#一行一行的读取，超出后停止迭代
f.writelines()#写入多行数据
f.seek（0，0）#指针在文件开头 选项=0表示文件指针指向从文件头部到“偏移量”字节处
f.seek（偏移量，选项） 选项=1表示指文件指针指向从文件的当前位置，向后移动“偏移量”的字节
选项=2表示将文件指针指向文件的尾部，向前移动“偏移量”字节
偏移量有正负之分，正数向右，负数向左
f.fluse（）#提交更新，不用f.close()就可以直接查看新写入的文件
文件查找
cat a.t
hello word
hello hello word 统计文件中hello的个数
import re
fp = file("a.t","r")
count = 0
for s in fp.readlines():
li = re.findall("hello",s)
li len（li）>o:
count = count+len(li)
print "Search"+count+“hello”
fp.close()
把a.t中的hello替换成csvt，并保存到文件a2.t
fp1 = file("a.t","r")
fp2 = file("a2.t","w")
for s in f1.readlines():
fp2.write(s.replace("hello","cvst"))
fp1.close（）
fp2.close()
把a.t中的hello替换成csvt
fp1 = file("a.t","r+")
s = f1.read():
f1.seek(0,0)
f1.write(s.replace("hello","csvt")） hello比csvt多一个字母，替换时正好覆盖掉，若hel替换csvt则不能完全覆盖
fp1.close（）
os模块