我想使用urllib2从网页获取html标签之间的数字805。

<span class="count">(共805张)</span>


这是我写来获取数字的python代码:

url = "https://movie.douban.com/celebrity/1044996/photos/"
request = urllib2.Request(url,headers=headers)
response = urllib2.urlopen(request)
content = response.read().decode('utf-8')
pattern1 = re.compile(r'<span\sclass="count">(.*?)</', re.S)
result1 = re.search(pattern1, content)
total_num = result1.group(1)
total_num = total_num


但是当我打印total_num时,控制台显示:

u'(\u5171805\u5f20)'


如何使用正则表达式获得期望的数字805?

最佳答案

如果您的html标记始终是这种形式:

<span class="count">(共805张)</span>


这表示数字介于两个非拉丁字符以及'('')'之间,您可以使用以下模式:

import re
a = <span class="count">(共805张)</span>
# This will work if theString is unicode,
# or a string in an encoding where ASCII
# occupies values 0 to 0x7F (latin-1, UTF-8, etc.)
final = re.findall('\([^\x00-\x7F]+(\d+)[^\x00-\x7F]+\)', a)

print final


输出:

['805']


PS:对该asnwer进行了一些修改,归功于此。

关于python - python 2从urllib2响应结果获取汉字之间的数字,我们在Stack Overflow上找到一个类似的问题:https://stackoverflow.com/questions/44451187/

10-11 22:43
查看更多