使用正則表達式，取得點擊次數，函數抽離

1. 用正則表達式斷定郵箱是否輸入正確。

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. 用正則表達式識別出所有電話號碼。

str = "版權全部：廣州商學院   地址：廣州市黃埔區九龍大道206號" \
      "學校學士辦公室：020-82876130   學士招生電話：020-82872773" \
      "學校碩士辦公室：020-82876131   碩士招生電話：020-82872774" \
      "粵公網安備 44011602000060號    粵ICP備15103669號"
numbers = re.findall("(\d{3,4})-(\d{6,8})", str)
print(numbers)

3. 用正則表達式進行英文分詞。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. 使用正則表達式取得新聞編號

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

5. 生成點擊次數的Request URL

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

 

6. 獲取點擊次數

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. 將456步驟定義成一個函數 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. 將獲取新聞詳情的代碼定義成一個函數 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. 取出一個新聞列表頁的所有新聞 包裝成函數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. 獲取總的新聞篇數，算出新聞總頁數包裝成函數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("條"))//10+1
print(getPageN())

 

11. 獲取所有新聞列表頁的所有新聞詳情。

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