1. 用正则表达式判定邮箱是否输入正确。
import re def validateEmail(email): if len(email) > 7: if re.match("^.+\\@(\\[?)[a-zA-Z0-9\\-\\.]+\\.([a-zA-Z]{2,3}|[0-9]{1,3})(\\]?)$", email) != None: print('good') # return 1 # return 0 print('exit') validateEmail('602910227@qq.com')
2. 用正则表达式识别出全部电话号码。
import re text="(021)88776543 010-55667890 02584533622 057184720483 837922740" m=re.findall(r"\(?0\d{2,3}[) -]?\d{7,8}",text) if m: print m else: print 'not match'
3. 用正则表达式进行英文分词。re.split('',news)
import re #不保留匹配项 m = re.split('\d+' , '123abc321cba') print m print "\n" #保留匹配项 m = re.split('(\d+)' , '123abc321cba') print m
4. 使用正则表达式取得新闻编号
5. 生成点击次数的Request URL
6. 获取点击次数
7. 将456步骤定义成一个函数 def getClickCount(newsUrl):
8. 将获取新闻详情的代码定义成一个函数 def getNewDetail(newsUrl):
import requests from bs4 import BeautifulSoup from datetime import datetime import re res = requests.get('http://news.gzcc.cn/html/xiaoyuanxinwen/') res.encoding = 'utf-8' soup = BeautifulSoup(res.text, 'html.parser') # 获取新闻点击次数 def getNewsId(url): newsId = re.findall(r'\_(.*).html', url)[0][-4:] clickUrl = 'http://oa.gzcc.cn/api.php?op=count&id={}&modelid=80'.format(newsId) clickRes = requests.get(clickUrl) # 利用正则表达式获取新闻点击次数 clickCount = int(re.search("hits'\).html\('(.*)'\);", clickRes.text).group(1)) return clickCount def getNewDetail(newsUrl): # 读取新闻细节 resDescript = requests.get(newsUrl) resDescript.encoding = "utf-8" soupDescript = BeautifulSoup(resDescript.text, 'html.parser') content = soupDescript.select(".show-content")[0].text # 正文 info = soupDescript.select(".show-info")[0].text # info相关内容 # 第一种方法 分离 message = info.split() # 第二种方法 用正则表达式 time = re.search("发布时间:(.*) \xa0\xa0 \xa0\xa0作者:", info).group(1) author = re.search("作者:(.*)\xa0\xa0审核:", info).group(1) right = re.search("审核:(.*)\xa0\xa0来源:", info).group(1) resource = re.search('来源:(.*)\xa0\xa0\xa0\xa0摄影:', info).group(1) video = re.search("摄影:(.*)\xa0\xa0\xa0\xa0点击:", info).group(1) count = getNewsId(newsUrl) dateTime = datetime.strptime(time, '%Y-%m-%d %H:%M:%S') print('标题' + ': ' + title) print('概要' + ': ' + description) print('链接' + ': ' + a) print('正文' + ' :' + content) print('发布时间:{0}\n作者:{1}\n审核:{2}\n来源:{3}\n摄影:{4}\n点击次数:{5}'.format(dateTime, author, right, resource, video,count)) print("\n") for s in soup.select("li"): if len(s.select(".news-list-title"))>0: title = s.select(".news-list-title")[0].text #新闻标题 description = s.select(".news-list-description")[0].text #新闻描述 a = s.a.attrs["href"] #观看新闻细节 getNewDetail(a)