今天學習的是python的爬蟲基礎。
其中知識點如下：
使用時需要匯入包urllib.request，在python2中使用urllib需要用import urllib,urllib2;
開始鏈結訪問
html = urllib.request.urlopen(url);
讀取**原始碼
data = html.read();
將原始碼儲存到本地檔案中，由於data資料為bytes所以寫入方式為：wb
file = open(「***x.html」,「wb」,1);
讀寫許可權說明：
r 開啟唯讀檔案，該檔案必須存在。
r+ 開啟可讀寫的檔案，該檔案必須存在。
rb+ 讀寫開啟乙個二進位制檔案，只允許讀寫資料。
rt+ 讀寫開啟乙個文字檔案，允許讀和寫。
w 開啟只寫檔案，若檔案存在則檔案長度清為0，即該檔案內容會消失。若檔案不存在則建立該檔案。
w+ 開啟可讀寫檔案，若檔案存在則檔案長度清為零，即該檔案內容會消失。若檔案不存在則建立該檔案。
a 以附加的方式開啟只寫檔案。若檔案不存在，則會建立該檔案，如果檔案存在，寫入的資料會被加到檔案尾，即檔案原先的內容會被保留。（eof符保留）
a+ 以附加方式開啟可讀寫的檔案。若檔案不存在，則會建立該檔案，如果檔案存在，寫入的資料會被加到檔案尾後，即檔案原先的內容會被保留。（原來的eof符不保留）
wb 只寫開啟或新建乙個二進位制檔案；只允許寫資料。
wb+ 讀寫開啟或建立乙個二進位制檔案，允許讀和寫。
wt+ 讀寫開啟或著建立乙個文字檔案；允許讀寫。
at+ 讀寫開啟乙個文字檔案，允許讀或在文字末追加資料。
ab+ 讀寫開啟乙個二進位制檔案，允許讀或在檔案末追加資料。
url常規用法：
獲取訪問**的**
print(「當前訪問**:%s」%html.geturl());
獲取**網路狀態的返回碼:200的返回碼為正常範圍，伺服器癱瘓訪問404
print(「訪問網路的狀態：%s」%html.getcode());
**中文亂碼,在複製**時可能會生成亂碼，例如：
url_01 = 「武漢工程大學�&tid=2125163782&pic_id=f8c5a0cc7cd98d106764055d213fb80e7aec90c6」;
亂碼的產生：
html_01 = urllib.request.quote(url_01);
print(「產生的網路位址為：%s」%html_01);
如何修正亂碼？（解碼）
html_02 = urllib.request.unquote(html_01);
print(「解碼後的網路位址為：%s」%html_02);
開始解析**中的
#建立函式
def get_data_img(data):
建立乙個正規表示式進行資料篩選（可使用網路工具迅速篩選）
# 網路不好—匹配小圖
建立乙個正規表示式的模板
pat = re.compile(r);
進行資料匹配
第乙個引數需要正規表示式模板，第二個為字串型別的資料
imgurls = re.findall(pat,str(data));
返回資料為陣列格式
print(imgurls);
pathurl = 「c:/users/administrator/desktop/10001」
if not os.path.exists(pathurl):
os.makedirs(pathurl)
print(「成功建立」)
pass
else:
print(「該檔案已經存在」)
pass
Python學習日誌（四）
所有的 python 對像都擁有三個特性 身份，型別和值。身份 每乙個物件都有乙個唯一的身份標識自己，任何物件的身份可以使用內建函式 id 來得到。這個值可以被認為是該物件的記憶體位址。您極少會用到這個值，也不用太關心它究竟是什麼。型別 物件的型別決定了該物件可以儲存什麼型別的值，可以進行什麼樣的操...
Python學習日誌（四）
列表名 元素1,元素2,列表和c中的陣列有些相似，但列表的功能更加強大，陣列的元素要求是同種型別，但列表可以是混合型別。跟陣列一樣，通過元素的索引值，我們可以從列表獲取單個資料。這裡介紹上面 用到的幾個函式 extend 拓展函式，需要注意的是，由於使用列表拓展列表，所以這個函式的引數是乙個列表。i...
shell 學習日誌（四）
dd命令會轉殖給定的輸入內容，然後將一模一樣的乙份副本寫入到輸出。stdin 裝置檔案 普通檔案等都可以作為輸入，stout 裝置檔案 普通檔案等也可以作為輸出。dd if dev zero of junk.data bs 1m count 1if input file of output file...