正文
python源码入口函数 python函数源代码
提示：扫一扫查出行【扫一扫了解最新限行尾号】
复制提示
python运行时代码左侧有绿色的三角什么意思
输入以下代码:
_f_name_=='_main_'： #相当于主函数 也就是入口函数 程序已进来就调用它，
_ilename = input ('enter a filename). #输入一个参数。
相关问答
Q1: 【Python基础】python基本语法规则有哪些？
Python基本语法
Python的语法相对比C，C++，Java更加简洁，比较符合人的正常思维。本篇介绍Python的基本语法，通过本篇文章你可以学到以下内容。
掌握Python的基本语法
识别Python中的关键字
Python是一门脚本语言，有以下特点：
面向对象：类
语法块：使用缩进进行标记
注释： #单行注释，"""多行注释"""，'''我也是多行注释''
打印与输出：print(), input()
变量: 变量在赋值的时候确定变量的类型
模块：通过import 模块名进行加载模块
Python的标识符
标识符是用户编程时使用的名字，用于给变量、常量、函数、语句块等命名，以建立起名称与使用之间的关系。标识符通常由字母和数字以及其它字符构成。
标识符的命名遵循以下规定：
开头以字母或者下划线_，剩下的字符数字字母或者下划线
Python遵循小驼峰命名法
不是使用Python中的关键字进行命名
代码示例:
num = 10 # 这是一个int类型变量
错误命名示例:
123rate(数字开头)、 mac book pro(含有空格)，class(关键字)
Python关键字
以下列表中的关键字不可以当作标识符进行使用。Python语言的关键字只包含小写字母。
Q2: python怎么抓取微信阅
抓取微信公众号的文章
一.思路分析
目前所知晓的能够抓取的方法有：
1、微信APP中微信公众号文章链接的直接抓取（;mid=2735446906idx=1sn=ece37deaba0c8ebb9badf07e5a5a3bd3scene=0#rd）
2、通过微信合作方搜狗搜索引擎（）python源码入口函数，发送相应请求来间接抓取
第1种方法中python源码入口函数，这种链接不太好获取，而且python源码入口函数他的规律不是特别清晰。
因此本文采用的是方法2----通过给 weixin.sogou.com 发送即时请求来实时解析抓取数据并保存到本地。
二.爬取过程
1、首先在搜狗的微信搜索页面测试一下，这样能够让python源码入口函数我们的思路更加清晰
在搜索引擎上使用微信公众号英文名进行“搜公众号”操作（因为公众号英文名是公众号唯一的，而中文名可能会有重复，同时公众号名字一定要完全正确，不然可能搜到很多东西，这样我们可以减少数据的筛选工作，只要找到这个唯一英文名对应的那条数据即可），即发送请求到';query=%sie=utf8_sug_=n_sug_type_= ' % 'python'，并从页面中解析出搜索结果公众号对应的主页跳转链接。
2.获取主页入口内容
使用request , urllib,urllib2,或者直接使用webdriver+phantomjs等都可以
这里使用的是request.get()的方法获取入口网页内容
[python] view plain copy
# 爬虫伪装头部设置
self.headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 6.3; WOW64; rv:51.0) Gecko/20100101 Firefox/51.0'}
# 设置操作超时时长
self.timeout = 5
# 爬虫模拟在一个request.session中完成
self.s = requests.Session()
[python] view plain copy
#搜索入口地址，以公众为关键字搜索该公众号
def get_search_result_by_keywords(self):
self.log('搜索地址为：%s' % self.sogou_search_url)
return self.s.get(self.sogou_search_url, headers=self.headers, timeout=self.timeout).content
3.获取公众号地址
从获取到的网页内容中，得到公众号主页地址， 这一步骤有很多方法， beautifulsoup、webdriver，直接使用正则，pyquery等都可以
这里使用的是pyquery的方法来查找公众号主页入口地址
[python] view plain copy
#获得公众号主页地址
def get_wx_url_by_sougou_search_html(self, sougou_search_html):
doc = pq(sougou_search_html)
#print doc('p[class="tit"]')('a').attr('href')
#print doc('div[class=img-box]')('a').attr('href')
#通过pyquery的方式处理网页内容，类似用beautifulsoup，但是pyquery和jQuery的方法类似，找到公众号主页地址
return doc('div[class=txt-box]')('p[class=tit]')('a').attr('href')
4.获取公众号主页的文章列表
首先需要加载公众号主页，这里用的是phantomjs+webdriver, 因为这个主页的内容需要JS 渲染加载，采用之前的方法只能获得静态的网页内容
[python] view plain copy
#使用webdriver 加载公众号主页内容，主要是js渲染的部分
def get_selenium_js_html(self, url):
browser = webdriver.PhantomJS()
browser.get(url)
time.sleep(3)
# 执行js得到整个页面内容
html = browser.execute_script("return document.documentElement.outerHTML")
return html
得到主页内容之后，获取文章列表，这个文章列表中有我们需要的内容
[python] view plain copy
#获取公众号文章内容
def parse_wx_articles_by_html(self, selenium_html):
doc = pq(selenium_html)
print '开始查找内容msg'
return doc('div[class="weui_media_box appmsg"]')
#有的公众号仅仅有10篇文章，有的可能多一点
#return doc('div[class="weui_msg_card"]')#公众号只有10篇文章文章的
5.解析每一个文章列表，获取我们需要的信息
6.处理对应的内容
包括文章名字，地址，简介，发表时间等
7.保存文章内容
以html的格式保存到本地
同时将上一步骤的内容保存成excel 的格式
8.保存json数据
这样，每一步拆分完，爬取公众号的文章就不是特别难python源码入口函数了。
三、源码
第一版源码如下：
[python] view plain copy
#!/usr/bin/python
# coding: utf-8
import sys
reload(sys)
sys.setdefaultencoding('utf-8')
from urllib import quote
from pyquery import PyQuery as pq
from selenium import webdriver
import requests
import time
import re
import json
import os
class weixin_spider:
def __init__(self, kw):
' 构造函数 '
self.kw = kw
# 搜狐微信搜索链接
#self.sogou_search_url = ';query=%sie=utf8_sug_=n_sug_type_=' % quote(self.kw)
self.sogou_search_url = ';query=%sie=utf8s_from=input_sug_=n_sug_type_=' % quote(self.kw)
# 爬虫伪装
self.headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64; rv:47.0) Gecko/20100101 FirePHP/0refox/47.0 FirePHP/0.7.4.1'}
# 操作超时时长
self.timeout = 5
self.s = requests.Session()
def get_search_result_by_kw(self):
self.log('搜索地址为：%s' % self.sogou_search_url)
return self.s.get(self.sogou_search_url, headers=self.headers, timeout=self.timeout).content
def get_wx_url_by_sougou_search_html(self, sougou_search_html):
' 根据返回sougou_search_html，从中获取公众号主页链接 '
doc = pq(sougou_search_html)
#print doc('p[class="tit"]')('a').attr('href')
#print doc('div[class=img-box]')('a').attr('href')
#通过pyquery的方式处理网页内容，类似用beautifulsoup，但是pyquery和jQuery的方法类似，找到公众号主页地址
return doc('div[class=txt-box]')('p[class=tit]')('a').attr('href')
def get_selenium_js_html(self, wx_url):
' 执行js渲染内容，并返回渲染后的html内容 '
browser = webdriver.PhantomJS()
browser.get(wx_url)
time.sleep(3)
# 执行js得到整个dom
html = browser.execute_script("return document.documentElement.outerHTML")
return html
def parse_wx_articles_by_html(self, selenium_html):
' 从selenium_html中解析出微信公众号文章 '
doc = pq(selenium_html)
return doc('div[class="weui_msg_card"]')
def switch_arctiles_to_list(self, articles):
' 把articles转换成数据字典 '
articles_list = []
i = 1
if articles:
for article in articles.items():
self.log(u'开始整合(%d/%d)' % (i, len(articles)))
articles_list.append(self.parse_one_article(article))
i += 1
# break
return articles_list
def parse_one_article(self, article):
' 解析单篇文章 '
article_dict = {}
article = article('.weui_media_box[id]')
title = article('h4[class="weui_media_title"]').text()
self.log('标题是： %s' % title)
url = '' + article('h4[class="weui_media_title"]').attr('hrefs')
self.log('地址为： %s' % url)
summary = article('.weui_media_desc').text()
self.log('文章简述： %s' % summary)
date = article('.weui_media_extra_info').text()
self.log('发表时间为： %s' % date)
pic = self.parse_cover_pic(article)
content = self.parse_content_by_url(url).html()
contentfiletitle=self.kw+'/'+title+'_'+date+'.html'
self.save_content_file(contentfiletitle,content)
return {
'title': title,
'url': url,
'summary': summary,
'date': date,
'pic': pic,
'content': content
}
def parse_cover_pic(self, article):
' 解析文章封面图片 '
pic = article('.weui_media_hd').attr('style')
p = re.compile(r'background-image:url(.∗?)')
rs = p.findall(pic)
self.log( '封面图片是：%s ' % rs[0] if len(rs) 0 else '')
return rs[0] if len(rs) 0 else ''
def parse_content_by_url(self, url):
' 获取文章详情内容 '
page_html = self.get_selenium_js_html(url)
return pq(page_html)('#js_content')
def save_content_file(self,title,content):
' 页面内容写入文件 '
with open(title, 'w') as f:
f.write(content)
def save_file(self, content):
' 数据写入文件 '
with open(self.kw+'/'+self.kw+'.txt', 'w') as f:
f.write(content)
def log(self, msg):
' 自定义log函数 '
print u'%s: %s' % (time.strftime('%Y-%m-%d %H:%M:%S'), msg)
def need_verify(self, selenium_html):
' 有时候对方会封锁ip，这里做一下判断，检测html中是否包含id=verify_change的标签，有的话，代表被重定向了，提醒过一阵子重试 '
return pq(selenium_html)('#verify_change').text() != ''
def create_dir(self):
'创建文件夹'
if not os.path.exists(self.kw):
os.makedirs(self.kw)
def run(self):
' 爬虫入口函数 '
#Step 0 ： 创建公众号命名的文件夹
self.create_dir()
# Step 1：GET请求到搜狗微信引擎，以微信公众号英文名称作为查询关键字
self.log(u'开始获取，微信公众号英文名为：%s' % self.kw)
self.log(u'开始调用sougou搜索引擎')
sougou_search_html = self.get_search_result_by_kw()
# Step 2：从搜索结果页中解析出公众号主页链接
self.log(u'获取sougou_search_html成功，开始抓取公众号对应的主页wx_url')
wx_url = self.get_wx_url_by_sougou_search_html(sougou_search_html)
self.log(u'获取wx_url成功，%s' % wx_url)
# Step 3：Selenium+PhantomJs获取js异步加载渲染后的html
self.log(u'开始调用selenium渲染html')
selenium_html = self.get_selenium_js_html(wx_url)
# Step 4: 检测目标网站是否进行了封锁
if self.need_verify(selenium_html):
self.log(u'爬虫被目标网站封锁，请稍后再试')
else:
# Step 5: 使用PyQuery，从Step 3获取的html中解析出公众号文章列表的数据
self.log(u'调用selenium渲染html完成，开始解析公众号文章')
articles = self.parse_wx_articles_by_html(selenium_html)
self.log(u'抓取到微信文章%d篇' % len(articles))
# Step 6: 把微信文章数据封装成字典的list
self.log(u'开始整合微信文章数据为字典')
articles_list = self.switch_arctiles_to_list(articles)
# Step 7: 把Step 5的字典list转换为Json
self.log(u'整合完成，开始转换为json')
data_json = json.dumps(articles_list)
# Step 8: 写文件
self.log(u'转换为json完成，开始保存json数据到文件')
self.save_file(data_json)
self.log(u'保存完成，程序结束')
# main
if __name__ == '__main__':
gongzhonghao=raw_input(u'输入要爬取的公众号')
if not gongzhonghao:
gongzhonghao='python6359'
weixin_spider(gongzhonghao).run()
第二版代码：
对代码进行了一些优化和整改，主要：
1.增加了excel存贮
2.对获取文章内容规则进行修改
3.丰富了注释
本程序已知缺陷： 如果公众号的文章内容包括视视频，可能会报错。
[python] view plain copy
#!/usr/bin/python
# coding: utf-8
Q3: python 中的if __name__=='__main__': main()是什么 意思呢
一个 Python 源码文件除了可以被直接运行外，还可以作为模块（也就是库）被导入。不管是导入还是直接运行，最顶层的代码都会被运行（Python 用缩进来区分代码层次）。而实际上在导入的时候，有一部分代码我们是不希望被运行的。
if __name__ == '__main__' 就相当于是 Python 模拟的程序入口。Python 本身并没有规定这么写，这只是一种编码习惯。由于模块之间相互引用，不同模块可能都有这样的定义，而入口程序只能有一个。到底哪个入口程序被选中，这取决于 __name__ 的值。
举例子说明一下，假设有一个 const.py 文件，内容如下：
PI = 3.14
def main():
print "PI:", PI
main()
扩展资料
如果模块是被直接运行的，则代码块被运行，如果模块是被导入的，则代码块不被运行。实际上，这个问题还可以衍生出其他的一些知识点，例如 __main__.py 文件与 Python 的 -m 参数。
输出结果只列出了关键的部分，应该很容易看出他们之间的差异。直接运行是把 run.py 文件所在的目录放到了 sys.path 属性中。以模块方式运行是把你输入命令的目录（也就是当前工作路径），放到了 sys.path 属性中。
参考资料来源：百度百科—Python
python源码入口函数的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于python函数源代码、python源码入口函数的信息别忘了在本站进行查找喔。
