正则表达式

import requests
from bs4 import BeautifulSoup
from datetime import datetime
import re


# 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='286980036@qq.com'
if re.match(r,e):
    print(re.match(r,e).group(0))
else:
    print('这不是一个合法的邮箱。')

#2.用正则表达式识别出全部电话号码。
r2='(\d{3,4})-(\d{6,8})'
e2='''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
粤公网安备 44011602000060号    粤ICP备15103669号'''
rec=re.findall(r2,e2)
if(rec):
    for i in rec:
        print(i)
else:
    print('error')

#3. 用正则表达式进行英文分词。re.split('',news)
e3='''Chinese President *** has warned against a "Cold War mentality" as he vowed to open up parts of the country's economy.'''
print(re.split('[\s,.?\-]+',e3))

#4. 使用正则表达式取得新闻编号
url='http://news.gzcc.cn/html/2018/xiaoyuanxinwen_0404/9183.html'
res=re.search('\_(.*).html',url).group(1).split('/')[1]
print(res)

#5. 生成点击次数的Request URL
#6. 获取点击次数
ress = requests.get('http://oa.gzcc.cn/api.php?op=count&id={}&modelid=80'.format(res))
ress.encoding='utf-8'
text=ress.text
ct=re.findall('\d{1,4}',text)[-1]
print(ct)

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

def getClickCount(newsUrl):
    res = re.search('\_(.*).html', newsUrl).group(1).split('/')[1]
    ress = requests.get('http://oa.gzcc.cn/api.php?op=count&id={}&modelid=80'.format(res))
    ress.encoding = 'utf-8'
    text = ress.text
    ct = re.findall('\d{1,4}', text)[-1]
    return ct

#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:
            d = news.select('.news-list-info')[0].contents[0].text
            t = news.select('.news-list-title')[0].text
            href = news.select('a')[0].attrs['href']
            clicknum=getClickCount(href)
            print(t,d,href)

            resd = requests.get(href)
            resd.encoding = 'utf-8'
            soupd = BeautifulSoup(resd.text, 'html.parser')
            infod = soupd.select('.show-info')[0].text
            dt = infod.lstrip('发布时间:')[:19]
            ts = soupd.select('#content')[0].text


            dati = datetime.strptime(dt, '%Y-%m-%d %H:%M:%S')
            ther = infod[infod.find('作者：'):infod.find('审核：')].split()[0].lstrip('作者：')
            check = infod[infod.find('审核：') + 3:infod.find('来源')]
            source = infod[infod.find('来源：'):].split()[0].lstrip('来源：')
            photo = infod[infod.find('摄影：'):].split()[0].lstrip('摄影：')
            print(dati,ther,check,source,photo,clicknum)


#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')
    news=soup.select('#pages')[0].select('a')[0].text.rstrip('条')
    print(news)

getListPage('http://news.gzcc.cn/html/xiaoyuanxinwen/')