使用正则表达式，取得点击次数，函数抽离

1. 用正则表达式判定邮箱是否输入正确。

import re
r = "^(\w)+([-+_.]\w+)*@(\w)+((\.\w{2,4}){1,3})$"
e = "123-40.5+674_89@vip.sina.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。

str = "版权所有：广州商学院   地址：广州市黄埔区九龙大道206号" \
      "学校学士办公室：020-82876130   学士招生电话：020-82872773" \
      "学校硕士办公室：020-82876131   硕士招生电话：020-82872774" \
      "粤公网安备 44011602000060号    粤ICP备15103669号"
numbers = re.findall("(\d{3,4})-(\d{6,8})", str)
print(numbers)

3. 用正则表达式进行英文分词。re.split('',news)

news = "Facebook? Informs Data Leak Victims Whether They " \
       "Need To Burn Down House, Cut Off Fingerprints, Start Anew,"
word = re.split("[\s,.?\-]+", news)
print(word)

4. 使用正则表达式取得新闻编号

url = "http://news.gzcc.cn/html/2017/xiaoyuanxinwen_1225/8854.html"
newsId = re.findall("\_(.*).html", url)[0].split("/")[-1]
print(newsId)

5. 生成点击次数的Request URL

Rurl = "http://oa.gzcc.cn/api.php?op=count&id={}&modelid=80".format(newsId)
print(Rurl)

 

6. 获取点击次数

res = requests.get("http://oa.gzcc.cn/api.php?op=count&id={}&modelid=80".format(newsId))
print(int(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():
    url = "http://news.gzcc.cn/html/2017/xiaoyuanxinwen_1225/8854.html"
    newsId = re.findall("\_(.*).html", url)[0].split("/")[-1]
    res1 = requests.get("http://oa.gzcc.cn/api.php?op=count&id={}&modelid=80".format(newsId))
    return int(res1.text.split(".html")[-1].lstrip("('").rsplit("');")[0])
print(getClickCount())

 

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

def getNewDetail():
    detail_res = requests.get("http://news.gzcc.cn/html/2017/xiaoyuanxinwen_1225/8854.html")
    detail_res.encoding = "utf-8"
    detail_soup = BeautifulSoup(detail_res.text, "html.parser")
    content = detail_soup.select("#content")[0].text
    info = detail_soup.select(".show-info")[0].text
    return content, info
print(getNewDetail())

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():
  res = requests.get("http://news.gzcc.cn/html/2017/xiaoyuanxinwen_1225/8854.html")
  res.encoding = 'utf-8'
  soup = BeautifulSoup(res.text, 'html.parser')
  for news in soup.select("li"):
    if (len(news.select('.news-list-info')) > 0):
        newsUrl = news.select('a')[0].attrs['href']
        print(newsUrl)
print(getListPage())

 

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():
    resurl = requests.get("http://news.gzcc.cn/html/xiaoyuanxinwen/")
    resurl.encoding = "utf-8"
    soup = BeautifulSoup(resurl.text, 'html.parser')
    return int(soup.select(".al")[0].text.rstrip("条"))//10+1
print(getPageN())

 

11. 获取全部新闻列表页的全部新闻详情。

def getall():
   for num in range(2,getPageN()):
     listurl="http://news.gzcc.cn/html/xiaoyuanxinwen/{}.html".format(num)
     getlist(listurl)
     getNewDetail(listurl)
print(getall())