Python2从urllib2响应结果中获取中文字符之间的数字
Python2从urllib2响应结果中获取中文字符之间的数字
提问于 2017-06-09 14:52:46
我想使用urllib2从网页中获取html标签之间的数字805。
<span class="count">(共805张)</span>下面是我用来获取数字的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取数字805Expect？
回答 2
Stack Overflow用户
发布于 2017-06-09 15:13:39
如果您的html标记总是像这样的表单：
<span class="count">(共805张)</span>这意味着数字介于两个非拉丁字符和'('和')'之间，您可以使用此模式：
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:对此asnwer进行了一些修改。
Stack Overflow用户
发布于 2017-06-09 15:12:02
尝试使用以下代码更改您的正则表达式：
pattern1 = re.compile(r'<span\sclass="count">[^<\d]*(\d+)[^<\d]*</', re.S)这样，组将只匹配数字，而不匹配其周围的其他字符。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/44451187
复制相关文章
相似问题
腾讯云开发者
