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。

1
2
3
e='974975677@qq.com'
r='^(\w)+([\.\_\-]\w+)*@(\w)+((\.\w{2,3}){1,3})$'
print(re.match(r,e))

2. 用正则表达式识别出全部电话号码。

tel='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'
a=re.search('(\d{3,4})-(\d{6,8})',tel).group(2)
print(a)

3. 用正则表达式进行英文分词。re.split('',news)

str='''Lee is on a five-day working visit to China starting Sunday, his second visit to China since September. During the visit, he will attend the Boao Forum for Asia's annual conference in Hainan. It will be his first time at the conference and he will deliver a speech at the opening session of the forum.'''
print(re.split("[\s,.?!]+",str))

4. 使用正则表达式取得新闻编号

q='http://news.gzcc.cn/html/2017/xiaoyuanxinwen_0925/8249.html'
print(re.match('http://news.gzcc.cn/html/2017/xiaoyuanxinwen_(.*).html',q).group(1).split('/')[-1])
print(re.search('\_(.*).html',q).group(1).split('/')[-1])
print(re.findall('\_(.*).html',q)[-1].split('/')[-1])

5. 生成点击次数的Request URL

6. 获取点击次数

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

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

复制代码
import requests
import re
from bs4 import BeautifulSoup
from datetime import datetime

def getClickCount(newUrl):
    newId=re.search('\_(.*).html',newUrl).group(1).split('/')[1]
    clickUrl='http://oa.gzcc.cn/api.php?op=count&id={}&modelid=80'.format(newId)
    return (int(requests.get(clickUrl).text.split('.html')[-1].lstrip("('").rstrip("');")))
def getNewDetail(url):
    res1 = requests.get(a)
    res1.encoding = 'utf-8'
    soup1 = BeautifulSoup(res1.text, 'html.parser')

    soup1.select('#content')[0].text  # 正文
    info = soup1.select('.show-info')[0].text
    d = info.lstrip('发布时间:')[:19] #发布日期和时间

    dt=datetime.strptime(d,'%Y-%m-%d %H:%M:%S')
    au=info[info.find('作者:'):].split()[0].lstrip('作者:') #作者
    clickCount=getClickCount(a)

newUrl="http://news.gzcc.cn/html/2017/xiaoyuanxinwen_0925/8249.html"
newId = re.search('\_(.*).html', newUrl).group(1).split('/')[1]
clickUrl = 'http://oa.gzcc.cn/api.php?op=count&id={}&modelid=80'.format(newId)
print(clickUrl,'\n',getClickCount(newUrl))

url='http://news.gzcc.cn/html/xiaoyuanxinwen/'
res=requests.get(url)
res.encoding="utf-8"
soup=BeautifulSoup(res.text,"html.parser")
for news in soup.select("li"):
    if len(news.select(".news-list-title")) > 0:
        t=news.select('.news-list-title')[0].text
        a = news.select('a')[0].attrs['href']  # 新闻链接
        print(t,a,'\n')
        getNewDetail(a)
        break
复制代码

 

posted on   105李梓维  阅读(101)  评论(0编辑  收藏  举报

编辑推荐:
· 智能桌面机器人:用.NET IoT库控制舵机并多方法播放表情
· Linux glibc自带哈希表的用例及性能测试
· 深入理解 Mybatis 分库分表执行原理
· 如何打造一个高并发系统?
· .NET Core GC压缩(compact_phase)底层原理浅谈
阅读排行:
· 手把手教你在本地部署DeepSeek R1,搭建web-ui ,建议收藏!
· 新年开篇:在本地部署DeepSeek大模型实现联网增强的AI应用
· Janus Pro:DeepSeek 开源革新,多模态 AI 的未来
· 互联网不景气了那就玩玩嵌入式吧,用纯.NET开发并制作一个智能桌面机器人(三):用.NET IoT库
· 【非技术】说说2024年我都干了些啥
< 2025年1月 >
29 30 31 1 2 3 4
5 6 7 8 9 10 11
12 13 14 15 16 17 18
19 20 21 22 23 24 25
26 27 28 29 30 31 1
2 3 4 5 6 7 8

导航

统计

点击右上角即可分享
微信分享提示