提取号码

Question

比方说，我有一个标签是这样的：

<div class="user-details"><a href="https://stackoverflow.com/users/619/jon-hu">Jon Hu</a> 

而且我想提取619这是用户ID或类似的东西。

我能做到这一点，这将导致如下：

question.select('.user-details a')[0] 
>>> <a href="https://stackoverflow.com/users/619/jon-hu">Jon Hu</a> 

我如何去只是提取619？它没有单独的标签，所以我想我必须使用正则表达式，这在我不擅长。

Answer 1

您应该首先通过将元素视为字典来提取href属性值。然后，你可以申请一个正则表达式来提取用户ID：

a = question.select_one('.user-details a') 
href = a["href"] 

match = re.search(r"https://stackoverflow.com/users/(\d+)", href) 
if match: 
    user_id = match.group(1) 
    print(user_id) 
else: 
    print("No user ID found in '%s'." % href) 

其中(\d+)是捕获组将捕获一个或多个连续的数字。

还请注意使用.select_one()方法代替.select()和[0]。