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。

r='^(\w)+(\.\w+)*@(\w)+((\.\w{2,3}){1,3})$'
e='wzl201506110246@123.com'
if re.match(r,e):
    print(re.match(r,e).group(0))
else:
    print('error')

　　

2. 用正则表达式识别出全部电话号码。

stri='学校办公室：020-82876130 招生电话：020-82872773'
print(re.findall('(\d{3,4})-(\d{6,8})',stri))

　　

3. 用正则表达式进行英文分词。re.split('',news)

pr='''I have had my invitation to this world's festival,and thus my life has been blessed.'''
print(re.split('[\s,.?\-]+',pr))

　　

4. 使用正则表达式取得新闻编号

import re
newsUrl = 'http://news.gzcc.cn/html/2018/xiaoyuanxinwen_0401/9167.html'
a1 = re.search('\_(.*).html',newsUrl).group(1)
print(a1)

　　

5. 生成点击次数的Request URL

import requests
res=requests.get('http://oa.gzcc.cn/api.php?op=count&id=9167&modelid=80')
res.encoding = 'utf-8'

　　

6. 获取点击次数

a=res.text.split(".html")[-1].lstrip("(')").rstrip("');")
print(a)

　　

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]
    resd=requests.get('http://oa.gzcc.cn/api.php?op=count&id={}&modelid=80'.format(newsId))
    q=int(resd.text.split(".html")[-1].lstrip("(')").rstrip("');"))
    return q

　　

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

 

def getNewDetail(newsUrl):
    ress=requests.get(newsUrl)
    ress.encoding = 'utf-8'
    soups = BeautifulSoup(ress.text, 'html.parser')
    title = soups.select('.show-title')[0].text  # 标题
    info = soups.select('.show-info')[0].text             #连接
    dt = datetime.strptime(info.lstrip('发布时间:')[:19], '%Y-%m-%d %H:%M:%S') #发布时间
    if info.find('来源：')>0:
        source=info[info.find('来源：'):].split()[0].lstrip('来源：')
    else:
        source='none'
    # content=soup.select(".show-content")[0].text.strip()
    click=getClickCount(newsUrl)
    print(dt, title, newsUrl, source, click)

res=requests.get('http://news.gzcc.cn/html/xiaoyuanxinwen/')
res.encoding = 'utf-8'
soup = BeautifulSoup(res.text, 'html.parser')
for news in soup.select('li'):
    if len(news.select('.news-list-title')) > 0:
        ness=news.select('a')[0].attrs['href']#继续
        getNewDetail(ness)

　　

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

pageUrl='http://news.gzcc.cn/html/xiaoyuanxinwen/'
def getListPage(pageUrl):
    res2=requests.get(pageUrl)
    res2.encoding='utf-8'
    soup2=BeautifulSoup(res2.text,'html.parser')
    for news in soup2.select('li'):
        if len(news.select('.news-list-title')) > 0:
            newsUrl=news.select('a')[0].attrs['href']#继续
            getNewDetail(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():
    res3=requests.get('http://news.gzcc.cn/html/xiaoyuanxinwen/')
    res3.encoding='utf-8'
    soup3=BeautifulSoup(res3.text,'html.parser')
    n=int(soup3.select('.a1')[0].text.rstrip('条'))
    return (n // 10 + 1)

　　

11. 获取全部新闻列表页的全部新闻详情。

 

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