学会使用正则表达式

1. 用正则表达式判定邮箱是否输入正确。

import redef 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('18814328327@163.com')

　　

2. 用正则表达式识别出全部电话号码。

# -*- coding: utf-8 -*-from __future__ import print_function, divisionimport res = 'ID: 042 SEX: M DOB: 1967-08-17 Status: Active 1968 NUM:18814328327'p = re.compile(r'(?:)\d{11}')all_items = re.findall(p,s)map(print, all_items)print(all_items)

　　

import restr = '''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'''print(re.findall('(\d{3,4})-(\d{6,8})',str))

　　

3. 用正则表达式进行英文分词。re.split('',news)

import restring = "Had I not seen the Sun,I could have borne the shade."print(re.split('[\s,.?\-]+',string))

　　

4. 使用正则表达式取得新闻编号

import renewUrl = "http://news.gzcc.cn/html/2018/xiaoyuanxinwen_0404/9183.html"newsId = re.findall("\_(.*).html",newUrl)[0].split("/")[-1];print(newsId)　

　　

5. 生成点击次数的Request URL

import renewUrl = "http://news.gzcc.cn/html/2018/xiaoyuanxinwen_0404/9183.html"newsId = re.findall("\_(.*).html",newUrl)[0].split("/")[-1];RequestUrl = "http://oa.gzcc.cn/api.php?op=count&id={}&modelid=80".format(newsId)print(RequestUrl)　　

　　

6. 获取点击次数

import renewUrl = "http://news.gzcc.cn/html/2018/xiaoyuanxinwen_0404/9183.html"newsId = re.findall("\_(.*).html",newUrl)[0].split("/")[-1];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. 将456步骤定义成一个函数 def getClickCount(newsUrl):

import redef getClickCount(newsUrl):    newsId = re.findall("\_(.*).html",newUrl)[0].split("/")[-1];    res = requests.get("http://oa.gzcc.cn/api.php?op=count&id= {}&modelid=80".format(newsId))    return int(res.text.split(".html")[-1].lstrip("('").rsplit("');")[0])

　　

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

def getNewDetail(newsUrl):    detail_res = requests.get(newsUrl)    detail_res.encoding = "utf-8"    detail_soup = BeautifulSoup(detail_res.text, "html.parser")    print(detail_soup.select("#content")[0].text)  # 正文     print(time, title, description, newsUrl)     content = detail_soup.select("#content")[0].text    info = detail_soup.select(".show-info")[0].text    date_time = info.lstrip('发布时间:')[:19]    print(info)

　　9. 取出一个新闻列表页的全部新闻 包装成函数def getListPage(pageUrl):

def getlist(url):   for news in soup.select("li"):        if len(news.select(".news-list-title"))>0:  #排除为空的li            time = news.select(".news-list-info")[0].contents[0].text            title = news.select(".news-list-title")[0].text            description = news.select(".news-list-description")[0].text            detail_url = news.select('a')[0].attrs['href']            print(time, title, description, detail_url)

　　

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(url):    res = requests.get(url)    res.encoding = 'utf-8'    soup = BeautifulSoup(res.text, 'html.parser')    return int(soup.select(".a1")[0].text.rstrip("条"))//10+1

　　

11. 获取全部新闻列表页的全部新闻详情。

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