python练习

1:邮箱验证
import re
email = input("请输入你的邮箱：")
if re.match(r'^[0-9a-zA-Z_]{0,19}@[0-9a-zA-Z]{1,13}\.[com,cn,net]{1,3}$',email):
    print('你输入的邮箱正确')
else:
    print('你输入的邮箱不正确，请重新输入')

2：用正则表达式识别出所有电话号码

tellstr='''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'''
tell=re.findall('(\d{3,4})-(\d{6,8})',tellstr)
print(tell)

3. 用正则表达式进行英文分词。re.split('',news)

str='''Yasuo Fukuda, chairman of the Boao Forum_for Asia, delivers a welcome speech at the BFA 2018  opening ceremony on April 10, 2018.[Photo by Zou Hong/China Daily]'''
print(re.split('[\s?,_-]+',str))

4. 使用正则表达式取得新闻编号

newUrl='http://news.gzcc.cn/html/2018/xiaoyuanxinwen_0404/9183.html'
newNum = re.match('http://news.gzcc.cn/html/2018/xiaoyuanxinwen_(.*).html', newUrl).group(1).split("/")[-1]
print(newNum)

5: 生成点击次数的Request URL

requesId = re.findall('\_(.*).html', newUrl)[0].split('/')[-1]
requesURL = "http://oa.gzcc.cn/api.php?op=count&id={}&modelid=80".format(requesId)
print(requesURL)

6. 获取点击次数

newClickCount = re.findall('\_(.*).html', newUrl)[0].split('/')[-1]
res = requests.get('http://oa.gzcc.cn/api.php?op=count&id={}&modelid=80'.format(newClickCount))
print(res.text.split(".html")[-1].lstrip("('").rsplit("')")[0])

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

def getClickCount(newUrl):
    # 新闻编号
    newNum = re.match('http://news.gzcc.cn/html/2018/xiaoyuanxinwen_(.*).html', newUrl).group(1).split("/")[-1]
    print(newNum)
    # 新闻点击次数的url

    requesId = re.findall('\_(.*).html', newUrl)[0].split('/')[-1]
    requesURL = "http://oa.gzcc.cn/api.php?op=count&id={}&modelid=80".format(requesId)
    print(requesURL)

    # 新闻点击次数
    newClickCount = re.findall('\_(.*).html', newUrl)[0].split('/')[-1]
    res = requests.get('http://oa.gzcc.cn/api.php?op=count&id={}&modelid=80'.format(newClickCount))
    print(res.text.split(".html")[-1].lstrip("('").rsplit("')")[0])

getClickCount(newUrl)


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

def getNewDetail(newsUrl):

    # 标题

    newTitle = new.select('.news-list-title')[0].text

    # 时间

    time = new.select('span')[0].text

    # 来源

    resource = new.select('span')[1].text

    resd = requests.get(newsUrl)

    resd.encoding = 'utf-8'

    soupd = BeautifulSoup(resd.text, 'html.parser')

    # 点击次数

    clickCount = getClickCount(newsUrl)

    # print(clickCount)

    print('标题：' + ti + ' 时间：' + tim + ' 来源：' + source + ' 点击次数：' + clickCount + ' 链接: ' + url)

    # 正文

    print('正文:')

    content = soupd.select('#content')[0].text.split()

    for i in content:

        print(i)

mynewsUrl = 'http://news.gzcc.cn/html/xiaoyuanxinwen/'

res = requests.get(mynewsUrl)

res.encoding = 'utf-8'

soup = BeautifulSoup(res.text, 'html.parser')

for n in soup.select('.news-list')[0].select('li'):

    # 链接

    a = new.select('a')[0].attrs['href']

    getNewDetail(a)

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')

    fori in soup.select('li'):

        if len(soup.select('.news-list-title')) > 0:

            a = soup.select('a')[0].attrs['href']

            getNewDetail(a)

 

res = requests.get(newsUrl)

res.encoding = 'utf-8'

soup = BeautifulSoup(res.text, 'html.parser')

count = int(soup.select('.a1')[0].text.rstrip('条'))

 

for i in range(count, count + 1):

    pageUrl = 'http://news.gzcc.cn/html/xiaoyuanxinwen/[].html'.format(i)

    getListPage(pageUrl)

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(newsUrl)

    res.encoding = 'utf-8'

    soup = BeautifulSoup(res.text, 'html.parser')

    count = int(soup.select('.a1')[0].text.rstrip('条'))

    return (count//10+1)

11. 获取全部新闻列表页的全部新闻详情。

pageUrl = 'http://news.gzcc.cn/html/xiaoyuanxinwen/'

count = getPageN()

for i in range(count,count + 1):

    pageUrl = 'http://news.gzcc.cn/html/xiaoyuanxinwen/{}.html'.format(i)

    getListPage(pageUrl)