使用正则表达式，取得点击次数，函数抽离

学会使用正则表达式

1. 用正则表达式判定邮箱是否输入正确。

import re
text = "64sdfsdff942@q.q.com"
if re.match(r'^[0-9a-zA-Z_]{0,19}@[0-9a-zA-Z]{1,13}\.[com,cn,net]{1,3}$', text):
    print('对的')
else:
    print('错的!')

 

2. 用正则表达式识别出全部电话号码。

import re
str = '''版权所有：广州商学院 地址：广州市黄埔区九龙大道206号学校办公室：020-82876130 招生电话：020-82872773粤公网安备44011602000060号粤ICP备15103669号'''
print(re.findall('(\d{3,4})-(\d{6,8})', str))

 

3. 用正则表达式进行英文分词。re.split('',news)

import re
news = '''Whatever is worth doing is worth doing well.'''
print(re.split('[\s,.?\-]', news))

 

4. 使用正则表达式取得新闻编号

import re
Url = ' http://news.gzcc.cn/html/2018/xiaoyuanxinwen_0401/8888.html'
newsId = re.search('\_(.*).html', Url).group(1).split('/')[-1]
print(newsId)

 

5. 生成点击次数的Request URL

import requests
res = requests.get('http://oa.gzcc.cn/api.php?op=count&id=9122&modelid=80')
res.encoding = 'utf-8'
b=res.text.split('.html')[-1].lstrip("(')").rstrip("');")
print(b)

 

6. 获取点击次数

import requests
import re
newsUrl = 'http://news.gzcc.cn/html/2018/xiaoyuanxinwen_0329/9122.html'
newsId=re.search('\_(.*).html',newsUrl).group(1).split('/')[-1]
res = requests.get('http://oa.gzcc.cn/api.php?op=count&id={}&modelid=80'.format(newsId))
b=res.text.split('.html')[-1].lstrip("(')").rstrip("');")
print(b)

 

7. 将456步骤定义成一个函数 def getClickCount(newsUrl):

def getClickCount(newsUrl):
newsId=re.search('\_(.*).html',newsUrl).group(1).split('/')[-1]
res = requests.get('http://oa.gzcc.cn/api.php?op=count&id={}&modelid=80'.format(newsId))
b=res.text.split('.html')[-1].lstrip("(')").rstrip("');")
print(b)

 

8. 将获取新闻详情的代码定义成一个函数 def getNewDetail(newsUrl):

def getNewsDetail(newsUrl):
    res = requests.get(newsUrl)
    res.encoding = 'utf-8'
    soupd = BeautifulSoup(res.text, 'html.parser')
    title=soupd.select('.show-title')[0].text
    info=soupd.select('.show-info')[0].text
    time=datetime.strptime(info.lstrip('发布时间:')[0:19], '%Y-%m-%d %H:%M:%S')
    if  info.find('来源：')>0:
        zy=info[info.find('来源：'):].split()[0].lstrip('来源：')
    else:
        zy='none'
    click=getClickCount(newsUrl)
    print(time,title,zy,click)

 

9. 取出一个新闻列表页的全部新闻 包装成函数def getListPage(pageUrl):

def getListPage(pageUrl):
    res = requests.get(pageUrl)
    res.encoding = 'utf-8'
    soup = BeautifulSoup(res.text, 'html.parser')
    for news in soup.select('li'):
        if len(news.select('.news-list-title')) > 0:
            g = news.select('a')[0].attrs['href']
            print(g)
            getNewsDetail(g)

 

10. 获取总的新闻篇数，算出新闻总页数包装成函数def getPageN():

def getPageN():
    res = requests.get('http://news.gzcc.cn/html/xiaoyuanxinwen/')
    res.encoding = 'utf-8'
    soup = BeautifulSoup(res.text, 'html.parser')
    pagenumber=int(soup.select('.a1')[0].text.rstrip('条'))
    page = pagenumber//10+1
    return page

 

11. 获取全部新闻列表页的全部新闻详情。

pageUrl='http://news.gzcc.cn/html/xiaoyuanxinwen/'
n=getPageN()for i in range(1,n+1):
    print(i)
    listPageUrl='http://news.gzcc.cn/html/xiaoyuanxinwen/{}.html'.format(i)
    getListPage(listPageUrl)