使用正则表达式

Posted 黄文麒

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了使用正则表达式相关的知识,希望对你有一定的参考价值。

1. 用正则表达式判定邮箱是否输入正确。

import re
r= ^(\w)+(\.\w)*@(\w)+((\.\w{2,3}){1,3})$
e=input("请输入你的邮箱:");
if re.match(r,e):
    print("您的邮箱输入正确.")
else:
    print("您的邮箱输入有误.")

2. 用正则表达式识别出全部电话号码。

import re
str=‘‘‘020-82876130 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 校外:0724-4263864
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
string = "Youth is not a time of life; it is a state of mind; it is not a matter of rosy cheeks, red lips and supple knees; it is a matter of the will, a quality of the imagination, a vigor of the emotions; it is the freshness of the deep springs of life. "
print(re.split([\s,.;"?\-]+,string))

 

  

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

 

6. 获取点击次数

import re
import requests
newUrl = "http://news.gzcc.cn/html/2018/xiaoyuanxinwen_0404/9183.html"
newsId = re.findall("\_(.*).html",newUrl)[0].split("/")[-1];
RequestUrl = "http://oa.gzcc.cn/api.php?op=count&id={}&modelid=80".format(newsId)
res = requests.get(RequestUrl);
times=int(res.text.split(‘.html‘)[-1].lstrip("(‘)").rstrip("‘);"))
print(times)
  

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

import re
import requests
def getClickCount(newsUrl):
    newsId = re.findall("\_(.*).html",newsUrl)[0].split("/")[-1];
    RequestUrl = "http://oa.gzcc.cn/api.php?op=count&id={}&modelid=80".format(newsId)
    res = requests.get(RequestUrl);
    times=int(res.text.split(.html)[-1].lstrip("(‘)").rstrip("‘);"))
    return times
time=getClickCount("http://news.gzcc.cn/html/2018/xiaoyuanxinwen_0404/9183.html")
print(time)

 

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

import requests
from bs4 import BeautifulSoup
def getNewDetail(newsUrl):
    res = requests.get(newsUrl)
    res.encoding = utf-8
    soup = BeautifulSoup(res.text, html.parser)
    print(soup.select("#content")[0].text)  # 正文
    info = soup.select(".show-info")[0].text
    time = info.lstrip(发布时间:)[:19]
    # 作者
    if info.find(作者:) > 0:
        author = info[info.find(作者:):info.find(审核:)].lstrip(作者:).split()[0]
    else:
        author = none;
    print(author)
getNewDetail(http://news.gzcc.cn/html/2018/xiaoyuanxinwen_0404/9183.html)

 

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

import re
import requests
from bs4 import BeautifulSoup
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:
            time = news.select(".news-list-info")[0].contents[0].text
            title = news.select(".news-list-title")[0].text
            description = news.select(".news-list-description")[0].text
            url = news.select(a)[0].attrs[href]
            print(time, title, description,url)
getListPage(http://news.gzcc.cn/html/xiaoyuanxinwen/)

 

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

import re
import requests
from bs4 import BeautifulSoup
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())
    return (n // 10 + 1)

 

11. 获取全部新闻列表页的全部新闻详情。

import re
import requests
from bs4 import BeautifulSoup
 
#获取点击次数
def getClickCount(newsUrl):
    newsId = re.findall("\_(.*).html",newsUrl)[0].split("/")[-1];
    RequestUrl = "http://oa.gzcc.cn/api.php?op=count&id={}&modelid=80".format(newsId)
    res = requests.get(RequestUrl);
    times=int(res.text.split(.html)[-1].lstrip("(‘)").rstrip("‘);"))
    return times
 
#获取新闻详细信息
def getNewDetail(newsUrl):
    res = requests.get(newsUrl)
    res.encoding = utf-8
    soup = BeautifulSoup(res.text, html.parser)
    # print(soup.select("#content")[0].text)  # 正文
    info = soup.select(".show-info")[0].text
    time = info.lstrip(发布时间:)[:19]
    # 作者
    if info.find(作者:) > 0:
       author = info[info.find(作者:):info.find(审核:)].lstrip(作者:).split()[0]
    else:
        author= none;
    print("作者:"+author+" "+"发布时间"+time)
 
#获取该页新闻的信息
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:
            time = news.select(".news-list-info")[0].contents[0].text
            title = news.select(".news-list-title")[0].text
            description = news.select(".news-list-description")[0].text
            url = news.select(a)[0].attrs[href]
            print(time+" "+title+" "+description+" "+url)
            a=getClickCount(url);
            print("点击"+str(a)+"")
            getNewDetail(url)
 
 
#获取页数
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())
    return (n // 10 + 1)
 
n=getPageN();
for i in range(1,n+1):
    if(i==1):
        newsurl = http://news.gzcc.cn/html/xiaoyuanxinwen/
    else:
        newsurl = http://news.gzcc.cn/html/xiaoyuanxinwen/{}.html.format(i)
    getListPage(newsurl);

 

以上是关于使用正则表达式的主要内容,如果未能解决你的问题,请参考以下文章

text 正则表达式片段

markdown 正则表达式模式片段

循环通过 python 正则表达式匹配

正则表达式匹配特定的 URL 片段而不是所有其他 URL 可能性

攻破难啃的骨头-正则表达式(转)

JavaScript中 正则表达式的使用 及 常用正则表达式