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

5. 生成点击次数的Request URL

6. 获取点击次数

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

import requests
import re
newsUrl = 'http://news.gzcc.cn/html/2018/xiaoyuanxinwen_0401/9167.html'
def getClickCount(newUrl):
    newsId = re.search('\_(.*).html', newUrl).group(1).split('/')[-1]
    res = requests.get('http://oa.gzcc.cn/api.php?op=count&id={}&modelid=80'.format(newsId))
    return (int(res.text.split('.html')[-1].lstrip("(')").rstrip("');")))
click = getClickCount(newsUrl)
print(click)

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

　

def getNewDetail(newsUrl):
    resd = requests.get(newsUrl)
    resd.encoding = 'utf-8'
    soupd = BeautifulSoup(resd.text, 'html.parser')

    title = soupd.select('.show-title')[0].text
    info = soupd.select('.show-info')[0].text
    dt = datetime.strptime(info.lstrip('发布时间:')[0:19], '%Y-%m-%d %H:%M:%S')
    if info.find('作者：') > 0:
        wr = info[info.find('作者：'):info.find('审核：')].lstrip('作者：').split()[0]
    else:
        wr = 'none'
    if info.find('摄影：') > 0:
        ph = info[info.find('摄影：'):].split()[0].lstrip('摄影：')
    else:
        ph = 'none'
    if info.find('来源：') > 0:
        source = info[info.find('来源：'):].split()[0].lstrip('来源：')
    else:
        source = 'none'
    content = soupd.select('.show-content')[0].text.strip()
    click = getClickCount(newsUrl)
    print('发布时间：', dt, '标题：', title, '链接：', newsUrl, '来源：', source, '作者：', wr, '摄影：', ph, '点击次数：', click)
getNewDetail(newsUrl)

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

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')
    n = int(soup.select('#pages')[0].select('a')[0].text.rstrip('条'))
    return (n // 10 + 1)
print(getPageN())

11. 获取全部新闻列表页的全部新闻详情。

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