使用正则表达式，取得点击次数，函数抽离

Posted 2020-10-30 独毒诚

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=\'[e-mail]\'
if re.match(r,e):
    print(re.match(r,e).group(0))
else:
    print(\'非邮箱格式！\')

　　

 

2. 用正则表达式识别出全部电话号码。

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：[phone]
粤公网安备 44011602000060号    粤ICP备15103669号\'\'\'
r = \'\\d{3}-\\d{8}|\\d{4}-\\d{7}\'
n=re.findall(r,str)
for i in n:
    print(i)

　　

3. 用正则表达式进行英文分词。re.split(\'\',news)

str=\'\'\'Completely destroy information stored without your knowledge or approval: 
Internet history, Web pages and pictures from sites visited on the Internet, 
unwanted cookies, chatroom conversations, deleted e-mail messages, temporary files,
 the Windows swap file, the Recycle Bin, previously deleted files, valuable corporate 
 trade secrets, Business plans, personal files, photos or confidential letters, 
 etc.\'\'\'
n=re.split(r\'[ \\t\\n]+\',str)
for i in n:
    print(i)

　　

4. 使用正则表达式取得新闻编号

import  re
newurl=\'http://news.gzcc.cn/html/2018/xiaoyuanxinwen_0404/9183.html\'
newid=re.search(\'\\_(.*).html\',newurl).group(1).split(\'/\')[-1]
print(newid)

　　

5. 生成点击次数的Request URL

import  re
newurl=\'http://news.gzcc.cn/html/2018/xiaoyuanxinwen_0404/9183.html\'
newid=re.search(\'\\_(.*).html\',newurl).group(1).split(\'/\')[-1]
res=\'http://oa.gzcc.cn/api.php?op=count&id={}&modelid=80\'.format(newid)
print(res)

　　

6. 获取点击次数

import requests
import  re
newurl=\'http://news.gzcc.cn/html/2018/xiaoyuanxinwen_0404/9183.html\'
newid=re.search(\'\\_(.*).html\',newurl).group(1).split(\'/\')[-1]
res=requests.get(\'http://oa.gzcc.cn/api.php?op=count&id={}&modelid=80\'.format(newid))
r1=int(res.text.split(".html")[-1].lstrip("(\'").rstrip("\');"))
print(r1)

　　

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

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

　　

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
    ti = datetime.strptime(info.lstrip(\'发布时间:\')[0:19], \'%Y-%m-%d %H:%M:%S\')
    if info.find(\'来源：\') > 0:
        source = info[info.find(\'来源：\'):].split()[0].lstrip(\'来源：\')
    else:
        source = \'none\'
    click = getClickCount(newsUrl)
    print(ti, title, source, 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)
            getNewDetail(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/\'
getListPage(pageUrl)
n = getPageN()
for i in range(2, n + 1):
    listPageUrl = \'http://news.gzcc.cn/html/xiaoyuanxinwen/{}.html\'.format(i)
    getListPage(listPageUrl)