【Python练习五】Python 正则与网络爬虫实战：专项练习（2道经典练习带你巩固基础——看完包会）

第一题

题目：

使用正则完成下列内容的匹配

• 匹配陕西省区号 029-12345
• 匹配邮政编码 745100
• 匹配邮箱 lijian@xianoupeng.com
• 匹配身份证号 62282519960504337X

代码：

import re
# 1. 匹配陕西省区号 029-12345
pattern_area = r'^029-\d{5}$'  # 精确匹配 029- 开头，后接5位数字
test_area = '029-12345'
print("区号匹配:", re.match(pattern_area, test_area) is not None)

# 2. 匹配邮政编码 745100
pattern_post = r'^\d{6}$'  # 精确匹配6位数字
test_post = '745100'
print("邮编匹配:", re.match(pattern_post, test_post) is not None)

# 3. 匹配邮箱 lijian@xianoupeng.com
pattern_email = r'^[a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+\.[a-zA-Z0-9-.]+$'
test_email = 'lijian@xianoupeng.com'
print("邮箱匹配:", re.match(pattern_email, test_email) is not None)

# 4. 匹配身份证号 62282519960504337X
pattern_id = r'^\d{17}[\dXx]$'  # 17位数字 + 1位数字或X/x
test_id = '62282519960504337X'
print("身份证匹配:", re.match(pattern_id, test_id) is not None)

运行结果：

---

第二题

题目：

爬取学校官网，获取所有图片途径并将路径存储在本地文件中，使用装饰器完成

代码：

import requests
import re

# 装饰器：记录爬取任务
def log_crawl_task(func):
    def wrapper(url):
        print(f"开始爬取: {url}")
        result = func(url)
        print(f"爬取完成，共获取 {len(result)} 条图片路径")
        return result
    return wrapper

# 爬取函数
@log_crawl_task
def crawl_school_images(url):
    try:
        # 基础请求配置，避免被反爬
        headers = {"User-Agent": "Mozilla/5.0"}
        response = requests.get(url, headers=headers, timeout=10)
        response.encoding = "utf-8"  # 确保中文路径不乱码
        
        # 正则提取img标签的src属性
        img_paths = re.findall(r'<img src="(.*?)"', response.text)
        return img_paths
    except Exception as e:
        print(f"爬取失败: {str(e)}")
        return []

# 保存路径到本地文件
def save_image_paths(paths):
    with open("学校图片路径.txt", "w", encoding="utf-8") as f:
        f.write("\n".join(paths))
    print("图片路径已保存到 学校图片路径.txt")

# 调用示例
if __name__ == "__main__":
    school_url = "https://www.cqcst.edu.cn"
    image_paths = crawl_school_images(school_url)
    if image_paths:
        save_image_paths(image_paths)
    else:
        print("未获取到任何图片路径")

运行结果：

---