项目概览 目标：抓取 58 同城租房详情页信息，并入库 Oracle。 语言/版本：Python 2.7 模块分层： 入口：run.py 启动任务 抓取调度：reptile_58.py（分页、链接提取、重试与限速） 网络请求：python_web.py（urllib2 + UA 伪装） 解析入库：regexp_house.py（正则解析）→ insert_oracle.py → py_o

适用范围：Python 2.7 环境。 安装 pip 在线安装： 123python get-pip.pypython -m pip --versionpython -m pip install -U "pip<21" # 固定到兼容 2.7 的版本 离线（无网/内网） 先安装 setuptools： 12# 解压 setuptools-*.ta

爬虫整体流程（分页 → 列表页 → 详情页 → 入库） 核心步骤： 构造请求（带 User-Agent）获取 HTML 在列表页提取详情链接集合 逐个请求详情页并用正则提取字段 组织结构化数据并写入数据库（或文件） 请求与伪装头 使用 urllib2 构造带 UA 的请求，读取页面源码： 123456789import urllib2headers = {"User-A

线程同步：互斥锁 Lock 多线程访问共享资源时使用互斥锁，保证同一时间只有一个线程进入临界区。 123456789101112131415161718192021222324252627282930import threadingimport timelock = threading.Lock()class MyThread(threading.Thread): def __init__

输入与类型 使用 input() 接收键盘输入，并保留原有数据类型；打印其值与类型便于观察： 1234# input.pyc = input("请输入：")print cprint type(c) 线程基础（thread 模块） 通过 thread.start_new_thread(func, args) 启动轻量线程；主线程可 sleep 等待子线程执行完毕： 1234

面向对象基础 类与实例：使用 class 定义；通过构造函数 __init__(self, ...) 初始化实例属性。 类变量与实例变量： 类变量在所有实例间共享，如计数 empCount；通过 ClassName.var 或实例方法内部引用。 实例变量绑定在 self 上，如 self.name、self.salary。 常用内置属性：__doc__ 文档字符串、__dict__ 属性字典等

正则校验示例 身份编号：^(\d{18}|\d{17}X|\d{15})$ 说明：匹配 18 位纯数字、17 位数字 + 大写 X、或 15 位纯数字。 使用：m = re.match(pattern, s)；匹配成功后 m.group() 取整段结果。 邮箱格式：^[0-9a-zA-Z_-]+@([0-9a-zA-Z]+\.)

正则表达式基础（re 模块） 核心方法： re.match(pattern, string)：从开头匹配；不匹配则返回 None。 re.search(pattern, string)：在任意位置查找首个匹配。 re.sub(pattern, repl, string)：按模式替换为 repl。 常见元字符与语法： 字符类与简写：[aeiou]、[^aeiou]、\d(数字)/\w(

文件读写基础 打开文件：open(path, mode)，常见模式： "r" 读；"w" 写（覆盖）；"a" 追加； 读写结合："r+"（读写，文件必须已存在）； 二进制：在以上模式后加 b，如 "wb"。 基本属性与关闭：f.mode 查看模式，f.closed 查看是否关闭；操作完成后 f.

函数基础 定义与调用：def func(a, b): ...；通过函数名调用并传入参数。 文档字符串：定义体首行用字符串描述用途，便于帮助信息展示。 返回值：使用 return 返回结果；return 之后的语句不再执行。 函数内外打印：可在函数内打印过程信息，在外部接收并再打印结果以区分作用域。 参数类型 位置参数：按顺序传参，对应函数形参位置。 关键字参数：func(age=18, name