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
str=r'^[a-zA-Z0-9]+(\.[a-zA-Z0-9_-]+){0,4}@[a-zA-Z0-9]+(\.[a-zA-Z0-9]+){0,4}$'
are=('840805339@qq.com')
if re.match(str,are):
    print('success')
else:
    print('please input ...')

2. 用正则表达式识别出全部电话号码。

# 识别电话号码
import re
tep='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'
phone=re.findall('(\d{3,4})-(\d{6,8})',tep)
print(phone)

3. 用正则表达式进行英文分词。re.split('',news)

import re
news='''His friend started the engine and began to taxi onto the runway of the airport. Mr. Johnson had heard that the most dangerous part of a flight were the take-off and the landing, so he was extremely frightened and closed his eyes.'''
new = re.split("[\s+\n\.\,\']", news) print(new)

4. 使用正则表达式取得新闻编号

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):

 

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

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


def getNewsDetail(url):
    res2 = requests.get(a)
    res2.encoding = 'utf-8'
    soup2 = BeautifulSoup(res2.text, 'html.parser')
    te = soup2.select('#content')[0].text
    # 爬取校园新闻首页新闻的正文

    ifd = soup2.select('.show-info')[0].text
    dt2 = ifd.lstrip('发布时间:')[:19]
    # 获取每篇新闻的发布时间

    i = ifd.find('作者：')
    if i > 0:
        s = ifd[ifd.find('作者：'):].split()[0].lstrip('作者：')
        # 获取每篇新闻的作者。

    q = ifd.find('来源：')
    if q > 0:
        b = ifd[ifd.find('来源：'):].split()[0].lstrip('来源：')
        # 获取每篇新闻的来源。

    c = ifd.find('摄影：')
    if c > 0:
        n = ifd[ifd.find('摄影：'):].split()[0].lstrip('摄影：')
        # 获取每篇新闻的摄影。
    dtn = datetime.strptime(dt2, '%Y-%m-%d %H:%M:%S')  # 将其中的发布时间由str转换成datetime类型。


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:
        a = news.select('a')[0].attrs['href']
        getNewsDetail(a)
        dtn=getClickCount(a)
        print(dtn)
        break